岗位职责
- 针对LLM幻觉与随机性难题进行专项治理，构建确定性保障机制。确保AI生成的用例与脚本在多轮执行、异构环境下保持高度一致，建立团队对人机协同的信任基线；
- 破解AI决策“黑盒”痛点，搭建覆盖“意图-生成-执行-判定”的数字孪生与追溯系统，实现过程秒级回溯，满足核心业务对合规性与安全性的严苛要求；
- 将AI测试从“实验室Demo”推向生产环境，设计支持万级并发的调度引擎（可用性
- 99%）。引入对抗样本与变异测试，建立AI测试本身的防篡改机制；
- 抽象云底层资源，赋予AI自主管理环境生命周期的能力。通过自然语言交互实现复杂拓扑的一键拉起、故障注入与销毁，极大提升研发效能；
- 基于MCP理念打磨测试脚手架，开发针对存储、数据库、大数据等业务的专属插件库（Tools/Skills），以“绿叶”精神赋能兄弟团队快速接入。
职位要求
- 深刻理解LLM原理与局限，具备大型项目的AI HarnessEngineering或Agent落地工程实践；
- 熟练掌握云原生（K8s/IaC）；对分布式存储（Ceph/HDFS）、云数据库、大数据计算（Spark/Flink）至少两个领域有源码级理解或复杂排障经验；
- 熟悉自动化框架底层原理，具备白盒测试、性能压测或混沌工程的架构设计经验，懂得平衡质量、效率与成本；
- 精通Python或Go/Java，具备高并发中间件或分布式系统开发经验，善于提炼总结抽象，对工程质量有极致追求；
- 具备强烈自驱力，能敏锐捕捉前沿技术并转化为生产力，拥有优秀的技术影响力与跨部门协作能力。
