海康威视测试一面面经（10.10）

《面试题目》

1. 自我介绍。
2. 研究生毕设方向是什么？
3. 在毕设上投入的比例大概多少？
4. 测试和测试开发你选哪个？
5. 开发技能比较熟的是哪些？
6. 做测开和做测试的竞争力在哪？
7. 如何校准 AI 的生成效果？
8. 如何让同事了解你负责的部分及 AI 辅助的部分？
9. 家是哪里的？

反问环节（面试官的回答）

10. 岗位涉及的业务是什么？（主要是嵌入式、开发板的测试工作，硬件涉及不多，主要还是黑盒测试）
11. 理想的候选人需要具备哪些能力？（重复性、细心、耐心、短期学习的能力、基础技术）
12. 面试结果什么时候出？（一周以内）

《参考解析》

「测试和测试开发你选哪个」是这场面试的分水岭。这题没有标准答案，但答案必须和岗位本身一致，而且要说得出理由。两者的差别在职责：纯测试更偏执行与质量把关——设计用例、执行回归、提交与跟踪缺陷、做兼容性与稳定性验证，价值在于覆盖面和发现问题的敏锐度；测试开发更偏工程——写自动化框架与工具、做持续集成、搭测试平台与数据构造能力、把重复的验证工作自动化，价值在于把质量成本降下来。答的时候要给出自己的取舍依据（性格、已有技能、长期方向），然后把它落到对方岗位需要的点上。这位同学的经历说明了一个很实际的教训：面试官听出了他不想做纯测试，后续问题就转成闲聊了——如果岗位本身以黑盒测试为主，而你表现出明显的排斥，匹配度判断会直接受影响。所以要么调整表达（说清你会怎么把开发能力用在这个岗上），要么认真考虑这个岗是否适合自己。

测试岗的竞争力怎么体现。不要笼统说「我细心」。可验证的说法有三类：一是覆盖面——你设计用例时会用哪些方法（等价类、边界值、判定表、场景法、错误推测），能不能针对一个真实功能（比如一个定时任务、一次固件升级）列出别人没想到的异常路径（断电、弱网、重复点击、时钟跳变、并发写同一份数据）。二是效率——你会用什么手段减少重复劳动（接口自动化、脚本批量造数据、日志分析、把回归用例分层，冒烟用自动化、探索性用手工）。三是产出——发现过的典型缺陷是什么、如何定位到根因（看日志、抓包、复现最小步骤）、有没有阻止过一次线上事故。有开发能力的人在测试岗上的优势恰好是第三类：能读代码、能写脚本、能看明白接口与协议，定位问题时比黑盒更靠前。

如何校准 AI 的生成效果。这是当下测试岗的高频新题，答成一个闭环最加分：第一步先有基线——准备一批有标准答案的样本（比如过去真实的用例集、缺陷单、需求文档），记录人工处理的质量与耗时，作为对比的起点。第二步定义指标——不同任务指标不同：生成测试用例看覆盖率和可用率（生成的用例里有多少能被直接采纳、漏掉了哪些已知缺陷）；生成缺陷报告看准确率和描述完整度；生成代码看编译通过率、测试通过率和人工修改行数。第三步人工抽检加回归——按比例抽样评审，把发现的问题反馈回去调整提示词或流程，改动后跑同一套样本确认没有退化（防回归比追涨更重要）。第四步上线要灰度——先在真实流程里旁路运行，与人工结果比对，不直接接入关键路径；同时留好人工兜底和「模型不确定就转人工」的开关。最后要讲清一件事：AI 的效果评估和人的绩效评估一样，需要固定的评测集和可复现的流程，靠感觉说「挺好用」不算校准。

如何让同事了解你负责的部分与 AI 辅助的部分。这题考的是协作与透明度，答法要具体：文档化——把自己负责的模块写成别人能上手的说明（边界、依赖、常见问题、如何本地验证），而不是只在自己脑子里；用例与脚本沉淀到共享仓库，命名和目录遵循团队约定，让同事能直接复用；定期同步——在站会或评审里讲清进展、风险、需要谁配合，AI 辅助的部分要说明哪些是生成的、哪些是人工核过的、验证方式是什么，绝不让同事误以为某段产出经过完整校验；关键改动留痕，提交信息与评审说明写清动机与验证手段。核心原则是「AI 参与的产出，验证责任仍在我」，把这句话说出来比任何技巧都有说服力。

毕设方向与投入比例、家庭所在地。前两题是了解你的时间分配与研究方向，如实回答即可，但可以主动搭一句与岗位的联系（比如毕设里做过实验平台搭建、数据处理、硬件联调，这些都能对应到测试工作）。「家是哪里的」通常与稳定性、能否接受工作地有关，如实回答并说明自己的意愿即可，不必揣测意图去迎合。

从面试官的回答里能读到的信息。反过来问到的三点很实用：业务是嵌入式与开发板的黑盒测试，硬件涉及不多——意味着要能接受软硬件结合的测试环境（串口、抓包、固件刷写、外设模拟），并且要有耐心做重复性验证；理想候选人的关键词是重复性、细心、耐心、短期学习能力和基础技术——说明这个岗位更看重稳定输出而不是炫技；结果一周以内出——面完可以按这个节奏跟进，不必当天反复催。如果确实想做测开，最直接的行动是在官网把测开岗位也投出来，别只在一个岗位上耗着。