挺简单的，但是有一个特别简单的问题我没答上来，确实最近懈怠了，这个问题我还之前特意专门准备过，没回答上来，他主要问的就是设计测试用例的一些场景，然后测试的整个周期在哪里参与测试的。还有就是出了线上问题怎么定位的，怎么解决的？还有就是自动化测试，pytest的自动化测试。怎么学pytest的，然后问了一下读取文件，切片操作之类的基础的东西。问了一个装饰器，怎么调pytest参数的装饰器，这个我忘了，光记得fixture了。装饰器应该是pytest.mark. parametrize。感觉这个忘了，确实是……有点儿拉胯。大概率是凉了。然后我反问招进来的这个人的工作职责是啥？然后他说能够根据现有的自动化的框架编写扩展完善自动化测试脚本，以及遇到线上问题辅助进行定位并解决，还有就是一些特殊场景去构造设计测试用例。然后还有一部分台架测试。CAN总线分析啥的，他说这块儿不了解，没事儿，可以进来慢慢学。但感觉我一面就挂了。如果说回退到四五月份的话，我这个问题我肯定是知道的，现在面试我都不准备了。所以说还是有点儿拉胯。

一、框架搭建：统一测试工程实现1. 工程结构设计创建以Vue为基础的“壳”工程，核心目录结构如下： js-sdk-test-platform/ ├── src/ │ ├── components/ # 全局组件（含测试通用组件） │ ├── views/ # 测试页面 │ │ ├── testFunctional/ # 功能测试用例目录 │ │ │ ├── testCases/ # 具体测试用例文件 │ │ │ └── index.vue # 测试页面入口 │ │ ├── testPerformance/ # 性能测试用例 │ │ ├── testAutomation/ # 自动化框架 │ │...

面试官最后给了我一个惊天大霹雳，他说我们其实不知道你的技术面面试结果，我们因为现在流程比较紧急，这个岗位是新增出来的岗位，因此都是流程并行的去面试的。我们要在2025年的6月30号结束所有的校招流程。他还需要跟技术那边儿去对一对我的面试结果，还不一定能过呢。如果过了就让跟你对接的HR同学来跟你聊一聊。面试官就问了一下，你玩的游戏是啥，感觉你玩的游戏相对来说没有那么多，但为什么要投咱这个公司咱这个岗位？有没有工作中榜样，然后平常的安排，然后一些软性的问题。然后面试官跟我说通过沟通和交流，觉得我是一个能量不是那么足的人。不得不说他看人真准呐。然后我就说是因为面试面了太多了，然后有的面试官问的问题太难了，再加上不断面试，不断失败，再加上上班儿上的比较多，现在已经老实了，然后又问我在工作中可能遇到的容易让人觉得累的事情是什么？然后又问你觉得一个普通的测试工程师和一个优秀的测试工程师它的区别是什么？最后反问环节我问了一下。员工的离职原因，然后留存率，然后他回答说离职原因大多数是一些客观的因素，比如说有更好的工作机会以及想要离开上海这个城市。再有一些比较极端的场景就是可能跟领导不太对付。而这个留存率相对来说没有太关注，因为公司的员工相对来说稳定性都还是很好的，这一块儿不是重点关注内容。然后我又问了一下。公司现在面临的一些风险和挑战以及现金流是否稳定，营收怎么样？因为如果营收低了，可能就会面临裁项目，裁福利，裁员，然后他说这个行业都是有生命周期的，会有波峰和波谷。之前可能由于一些全球化的经济形式，游戏行业的大洗牌以及黑天鹅事件的影响。所导致的之前可能确实会出现一些负利润的情况，但是随着新游戏的研发上线以及推广的发力也是正在稳中向好，他对25年的发展还是呈乐观态度。最后跟我解释，这个测试人员是归属于中台部门，因此可能跟项目的营收关系不大。项目是富贵险中求，而我们测试是富贵稳中求。基本上拿的薪资和奖金都还是很稳定的。需是要跟着项目组去进行测试，因此有比较灵活的转岗和活水的机会，如果说项目突然没了，还是会有一定的兜底的，你可以在内部看一下别的转移机会之类的。

UI自动化断言体系：从DOM验证到视觉层全覆盖的完整实践引言：UI自动化断言的核心挑战UI自动化测试中，断言是验证系统行为的“眼睛”。传统基于DOM的断言（如元素文本、属性验证）虽高效，但面对图片文字、动态渲染内容等场景时存在天然短板。而OCR（光学字符识别）技术的引入，恰好填补了视觉层验证的空白，形成“结构化验证+视觉验证”的立体断言体系。一、传统DOM断言：结构化验证的基石1. 核心方法与场景元素状态断言验证元素可见性、可用性assert element.is_displayed(), "元素未显示"文本内容断言校验元素文本与输入值的一致性assert element....

美团一直是我的梦想不管是小象快驴还是充电宝骑行不管是到家 到店还是点评or闪购各个业务我都喜欢和可以接受曾经有机会能进去 可惜一旦错过 就永远失去了交易履约 营销广告 供应链或推荐一份份有挑战的业务 都值得去开拓、探索和拼搏希望以后社招能去美团 美团永远是我的梦想就像小朋友期待的玩具 中学生喜爱的游戏皮肤 高中生喜欢的清华 大学生喜欢的对象

也跟很多外包兄弟沟通交流过也没有很明显的能力的区别就是他们的学历原因 导致只能干外包外包 薪资一般 福利一般 晋升也一般写在简历上也可能容易脏简历所以不到万不得已 穷途末路 最好别干外包那种中小公司的正编员工其实也不错 如果公司业绩好+老板人好的话咱们还年轻 以后跳槽有机会去大厂 所以可以先找个非外包的岗位干着

问了问性格 优缺点是什么跑马拉松带给你的成长和收获 跑马拉松的契机是什么分析对比一下实习公司的差异怎么去摆脱内耗和焦虑的你怎么一直从秋招开始面试面到现在为啥选择北京体育大学一共20多分钟反问：年终奖能拿满吗？  车轱辘话 没有明确告知薪资能给到我的期望吗？差不多其他福利和工作时长？跟别的大公司都差不多 HR让我以后最好别问这种问题 太没意义公司：360岗位：测试开发工程师问题：如上

这块儿主要就是问了点儿我自动化框架的接触，然后一些元素定位异常处理。怎么去做的一些相关的重点难点，然后问了一下我对流水线的了解，问了一下我对于AI的了解，然后写了两个代码题，这个不好意思，具体题是哪个不太方便透露，反正是给了我25分钟，最后好不容易卡点儿给他搞出来了。然后我问了一下流程是2+1轮还是3+1轮？他说是新成立的部门，所以说后续还有部门的总监和部门经理的面试，如果通过了的话，可能是三轮面试，也可能总监和经理一起合并到一起去面试。如果都通过了在HR面试，让我多准备准备英语，我的英语比较一般。这个部门它主要是新成立的AI部门，主要是PC的大模型本地化部署，还有就是与线上大模型的一些交互，还有与手机端的一些接口联调，是一套底层逻辑，后续可能要推广到平板上之类的，总体上还是挺高端的岗位，涉及到一些自动化框架开发，流水线搭建和AI相关之类的。公司：联想岗位：software QA engineer

说实话跟聊天儿差不多，就问了一下你这过往的实习经历每一段东西是怎么做的，然后你这个数据怎么得到的，而我这个数据全是deepseek帮我写的，都不是我自己算的，这下可把我问蒙了。这是一个难绷的点，然后问完了以往的实习经历之后，又问了一下游戏场景的业务特殊逻辑，然后又问了一下性能测试，自动化测试，兼容性测试。就是业务上的一些场景。没啥特别大的难度，是两个面试官一起问的，好像是缩短了面试流程，不会跟秋招一样面那么多轮了。我反问的时候问的第一个问题就是面试流程怎么样？他说面试流程不会那么冗长。然后我又问了可能到哪个项目组？他说都有可能 可能是中台的支撑，可能是哪个项目都有可能。如果说你很牛逼，各个项目组都会来抢着要你的，如果你很一般，那就完蛋了。然后我问了一下工作强度，然后他反问我能接受什么样的工作强度，我就说我接受不了拼多多那样的工作强度，他说没有拼多多工作强度大。然后他又问我是否想来游戏测试，然后我说咱们公司还是挺牛逼的，如果让我来，我还是会来的，游戏测试的缺点主要就是以后会远离互联网的测试。但总体而言，到现在这个节点了，我还是会来的。

数据驱动自动化测试全解析：配置、参数化与脚本编写指南数据驱动测试是自动化测试的核心方法，它将测试数据与测试逻辑分离，大幅提升测试效率。以下是我为你整理的详细教程，涵盖主流数据格式、参数调用方法和脚本编写技巧，并分析各自的优缺点。一、数据文件配置方案对比1. CSV (逗号分隔值) username,password,expected_result testuser1,pass123,success testuser2,wrongpass,failure 优点：简单轻量，支持批量导入导出，几乎所有编程语言都支持解析。缺点：不支持复杂数据结构，缺乏类型支持，难以表示层级关系。适用场景：简单表格数据...

面试太难了，大家如果也面这个岗最好做好准备，会问你的特别细节，比如说问你数据驱动文件怎么调里边儿具体的参数的，怎么做参数提取并断言的。问了一下，是做中台测试里边儿负责测试中台的测试。因此对技术要求，能力这方面都有很大的要求。然后我问了一下中台，因为远离业务是不是绩效会比较少？他说更多的是看你的专业能力以及对业务做的支撑……真的有点儿太坑了。第二天的更新：居然过了，真是那句话，想要你的，不管你答的再烂都会要你，不想要你的，不管你答的再好，你都不会过当时面试官问我数据驱动测试具体是怎么写的，我真是一句话都说不出来。他让我写个具体怎么导入读取数据，然后怎么跟response的响应做判别的我压根儿就写不出来  明天HR面试了要

一、RAG链（Retrieval-Augmented Generation Chain）是什么？RAG链是检索增强生成（RAG）系统的核心流程，指将“检索”与“生成”串联成完整链路，让大语言模型（LLM）在回答问题时，先从外部知识库中检索相关信息，再结合检索结果生成回答。核心逻辑：用户提问 → 检索相关知识 → LLM基于知识生成回答，避免LLM“胡编乱造”（幻觉问题），同时让模型能处理最新、专属领域的信息。与传统RAG的区别：“链”强调各组件的协同与流程自动化，比如通过工具（如LangChain）将分块、向量化、检索、LLM调用等步骤串联成闭环。二、LangChain是什么？LangChai...

一、RAG知识库：从概念到应用1. 什么是RAG？为什么需要知识库？概念：RAG（Retrieval-Augmented Generation）即检索增强生成，通过外部知识库检索相关信息，辅助大模型生成更准确、实时的回答，解决大模型“幻觉”（生成错误信息）和“记忆有限”的问题。为什么需要？ 例：当大模型被问“2025年北京冬奥会的新增项目”时，若知识库未更新，模型可能生成错误答案；而RAG通过检索最新知识库，能准确返回信息。作用：让大模型具备“外部记忆”，支持动态更新知识（如产品手册、法律条文、行业报告等）。2. 知识库类型与实例文本知识库（最常用）： 例：企业内部FAQ文档、医学指南、代码文...

说实话，感觉面试官也懒得问，我也懒得回答，因为刚刚一个最有希望的公司流程上又给我挂了。草草20多分钟就面完了，主要就是以前的实习讲了讲，然后出了道测试的场景题，结合场景提问了我一下数据库事务呀，然后锁呀，一些八股文。然后问了一下我对大模型的理解，然后写了道力扣。感觉能过才怪。