岗位职责
- AI 视觉模型落地： 负责游戏自动化测试中视觉小模型的训练与调优，用于识别开放世界场景下的资源渲染异常（如贴图丢失、模型穿插、LOD 异常等）。
- 智能 Agent 构建： 基于 LLM + CV 技术构建多模态测试 Agent，实现游戏内自动化跑图、视觉巡检、异常捕获与智能归因。
- 管线集成与工具化： 将 AI 识别能力封装为标准化工具，接入自动化测试管线（CI/CD），实现测试全流程的无人值守与智能调度。
- 前沿技术探索： 探索 MLLM（多模态大模型）、强化学习在游戏测试中的应用，持续提升测试覆盖率与效率。
- 数据建设： 负责视觉训练数据集的构建，包括自动化采集、合成数据生成（Synthetic Data）及数据清洗流程。
职位要求
- 1年以上测试开发、AI 应用落地或游戏图形学相关经验。
- 视觉算法能力： 熟悉 PyTorch / TensorFlow 等深度学习框架。 熟悉常见的计算机视觉任务（目标检测、图像分类、异常检测），有 YOLO, ResNet 或 ViT 等模型的使用或微调经验。 熟练使用 OpenCV 进行图像预处理。
- 大模型与 Agent 能力： 熟悉 LLM 应用开发，掌握 LangChain / AutoGPT 等框架。 了解 多模态 Agent 的设计模式，有能力实现“视觉感知 -> 决策 -> 游戏操作”的闭环。
- 游戏/图形学加分项： 了解基本的游戏渲染管线，能识别常见的图形渲染 Bug。 有 Airtest / POCO 或相关图像自动化测试工具使用经验优先。
- 综合素质： 具备较强的自驱力，能够独立完成从“数据准备-模型训练-工具部署”的完整闭环。
