测开实习offer求助

2023年刚入职快手的时候，楼主在牛客发过一篇帖子，标题还挺经典的：“双非小垃圾，上岸大厂测开经历”现在一晃 2026 了，真的是一眨眼三年过去了。当年还是刚进厂的新人，每天想着别被试用期优化、别写出什么离谱bug、别开会的时候一句话都听不懂。现在回头看，还是挺感慨的。这三年楼主在快手做测开，算是比较幸运，也算是一路被各种需求、事故、排期、评审、上线摁着成长了一波。三年晋升了 3次，目前主要在做 AI 测试工具开发相关的事情。先说结论：如果你是学生，尤其是还在纠结开发、测开、AI方向怎么选的同学，测开这个方向真的可以认真看看，特别是现在 AI这波起来之后，很多东西已经不是以前大家印象里的“点点点测试”了。先说下这三年楼主 23 年刚来的时候，其实心态还是挺虚的。本硕双非，学校光环基本没有，甚至有时候还能反向加 buff，懂的都懂。当时能进快手，真的有种“我何德何能”的感觉。刚入职那会儿，最怕的就是别人问我负责啥。因为新人嘛，说白了啥都不会，代码要看，业务要补，测试体系要学，线上问题还要跟。每次听到一堆缩写、平台名、链路名，脑子里都是：这又是什么新物种。但测开这个岗位有个好处，就是你被迫看得很全。你不只是写一个接口，也不只是测一个功能。你要知道需求怎么来的，服务怎么调的，链路怎么跑的，数据怎么造的，问题怎么定位的，工具怎么提效的。刚开始挺痛苦，后面慢慢会发现，这些东西全是经验条。三年晋升3次，靠的不是啥天赋这个点我知道很多同学会比较关心，先说在前面，楼主不是那种天赋怪，也不是那种大学就 ACM、实习一堆、简历金光闪闪的人。楼主自己感觉，这三年能往前走，主要就几个点：第一是别只做“接需求的人”。很多同学刚进公司容易变成需求流水线，别人说测啥就测啥，别人说做啥工具就做啥工具。这样当然也能干活，但很难有自己的判断。后来我慢慢意识到，测开最值钱的地方不是“我测完了”，而是“我知道这个地方为什么容易出问题，以及怎么让它下次少出问题”。第二是多往前走一步。比如发现一个问题，不只是提个 bug就结束了。能不能看看是不是链路上还有类似问题？能不能补个自动化？能不能沉淀成工具能力？能不能让后面的人不用再踩一次？这些事情单看都很小，但是做多了，别人会知道你不是只在完成任务。第三是技术别停。测开不是不用写代码，恰恰相反，想做得舒服一点，代码能力很重要。Java、Python、前端、平台、CI/CD、数据构造、稳定性、压测、监控，多少都得碰。尤其现在到了 AI 测试工具这块，很多东西就更偏工程化了，不是调个 prompt 就完事。你要考虑接入方式、模型效果、数据闭环、用例生成、缺陷定位、报告归因、人工确认成本，甚至还要考虑怎么让业务同学真的愿意用。这玩意挺有意思的，也挺折磨人的哈哈。现在在做 AI 测试工具简单说一下现在做的事情，不展开太细，怕说多了又变成工作汇报。现在楼主这边主要在做 AI 测试工具开发，方向大概就是把 AI 能力和测试工程结合起来。比如以前很多测试动作需要人肉整理、人肉分析、人肉写用例，现在就可以尝试让 AI帮忙做一部分。不是说完全替代人，这个真别吹太满，实际落地过的都知道，AI 很强，但也很会一本正经地胡说八道。所以真正有价值的地方，是把 AI 放到合适的位置。让它帮你提效，让它帮你发现遗漏，让它帮你做第一版分析，然后人再去判断、修正、沉淀。我个人感觉，AI 对测开这个岗位其实是个机会。以前很多人觉得测开有点尴尬，像开发又不是纯开发，像测试又不是纯测试。但现在反而这种“懂业务、懂质量、懂工程、还能做工具”的人，会越来越吃香。因为 AI 落地不是一句“我们接个大模型”就完事，它一定要进到具体场景里。而测试，就是一个特别适合 AI 落地的场景。给学弟学妹的一点建议如果你现在还在学校，想走测开或者开发测试相关方向，我还是建议别把自己限制死。不要一上来就纠结“我是测开是不是不如后端”“AI来了测试是不是没了”“双非是不是没机会”。这些问题楼主当年也想过，想多了真没啥用，最后还是得看你手里有什么。算法该刷还是刷，八股该背还是背，项目该做还是做。别信那种“测开不用算法”“测开随便学学就行”的话，校招面试的时候该拷打还是拷打，面试官不会因为你投测开就突然变成慈善家。技术路线的话，楼主还是建议以开发能力打底。Java / Python 至少有一个比较熟，数据库、缓存、消息队列、Linux、网络、并发这些基础别太虚。然后再补测试相关的东西，比如自动化测试、接口测试、质量平台、持续集成、稳定性保障这些。如果对 AI 感兴趣，也可以早点接触一下。不用一上来就研究多高深的模型原理，先从怎么用 AI 做工具、怎么接 API、怎么设计一个能落地的小场景开始。比如用 AI生成接口用例、分析日志、总结缺陷、辅助写测试报告，这些都可以包装成项目，也比硬凑一个商城系统有意思一点。当然，项目别只写“调用大模型生成结果”，那太单薄了。你得说清楚输入是什么、输出是什么、怎么保证结果可用、怎么评估效果、失败了怎么办、人工怎么介入。这些才是面试官会感兴趣的地方。关于快手这个就稍微私心一点了哈哈。快手这几年给我的感觉，整体还是比较适合成长的。业务复杂度够，流量也够，工程问题是真实存在的，不是那种纯玩具项目。你愿意钻的话，能学到不少东西。当然大厂肯定也不是天堂，排期、需求、对齐、评审、线上问题，一个都不会少。有时候也会怀疑人生，这个大家都懂。但如果你是学生，想找一个能真正接触工程复杂度、又能在 AI 这波里做点实际东西的地方，快手还是可以看看。尤其是测开 / 质量工程 / AI 工具方向，我个人觉得后面空间还挺大的。最后三年前楼主发帖的时候，是真的没想到自己三年后会回来写这种帖子。当时只想着能不能顺利入职，能不能活过试用期，能不能别太菜。现在也不敢说自己多强，只能说比三年前那个小垃圾稍微不那么垃圾了一点。如果你也是双非、也是普通背景、也是觉得自己没啥光环，其实真的不用太早给自己判死刑。路肯定难走，但不是没得走。校招这事有时候挺玄学，学历、实习、项目、面试状态、部门HC，哪个都能影响结果。但你能做的，就是让自己被捞起来的时候，真的接得住。有想了解测开、快手、AI测试工具、校招/实习方向的同学，也可以评论或者私信，能聊的我尽量聊。希望大家都能上岸，少点焦虑，多点 offer。

🕐面试时间：整个4月，一星期一面🏢部门：主站💻岗位：SRE运维开发一面智能分配时如何用数学模型优化的？你在里面负责的东西是什么呢？为什么你们不用传统的算法工程来实现而是这样子实现，这里面有什么考量吗？详细说说你们方案设计上主要考虑的点分配失败有降级处理方案吗？你是如何保证分配效果最优的为什么你说原有的逻辑是粗糙的？有没有详细的指标或者描述详细介绍一下什么是模型的硬约束和软约束GRPC改造中你遇到了什么样的问题？为什么GRPC改造提高了响应，你里面涉及了什么其他方面的链路优化吗？ 缓存优化，反射优化，字节码增强，过滤链失效，部分自定义功能失效你弄成Skill复用后有考虑通用情况和特殊情况吗...

bg是211 cs本科生，想问下大家选c#还是测开好？本人比较菜，目前春招只拿到这两个offercsharp是一个50人左右的小小小厂，金融行业的，薪资还可以，测开是一个游戏中厂，感觉比较卷可能加班严重想问下大家怎么看？如果可以能给些原因和建议吗####

去年秋招拿了3个offer，有电商、有本地生活，最后选了携程机票BU。很多人问我为什么？今天聊点实在的。一、对比之后，我选机票BU的三个原因1.业务够复杂，技术壁垒才高电商秒杀确实刺激，但机票是另一个维度——全球航司、多时区、多币种、多语言、各种乱七八糟的接口协议。一个订单走下来：查询→定位→出票→退改，每个环节都可能因为航司接口抽风、航变、国际政策突然变而异常。这种“跨系统、跨协议的协同能力”，竞品很难抄。我们卖的不是机票，是确定性——你下单了，就一定让你走成。这种复杂度里成长，比写CRUD值钱多了。2.节奏稳，不搞脉冲式加班机票没有双十一那种瞬间爆炸的流量。全球航班每时每刻都在飞，我们的挑...