传音测试开发一面：等价类划分、接口自动化与AI测试

《面试题目》

1. 请先做一下自我介绍。
2. 请深入讲解等价类划分，并举个例子。
3. 你提了一个 bug，开发说这不是 bug，或者无法复现，你会怎么处理？
4. OCR 算法测试里，字符准确率和字符召回率分别是什么意思？
5. 接口自动化里 token 怎么处理？
6. 你硕士读的是控制工程，为什么选择做测试？
7. 你怎么理解测试岗位，测试的核心价值是什么？
8. 怎样才能保证项目高质量交付？
9. 你简历上写了很多 AI 相关内容，有没有写过工具去解决实际工作中的问题？
10. Agent、Skill 是什么？
11. 你怎么看 AI 和测试未来的发展？
12. AI 会取代人吗？哪些会被取代，哪些不会被取代？

---

《参考解析》

测试基础：等价类划分要能当场举例

等价类划分是把输入域拆成「同一类里任取一个值，程序行为应当相同」的集合，再为每类挑代表值，用最少的用例覆盖最多的情况。常见切法是有效等价类加无效等价类：比如某字段要求填 18–60 的整数，有效类取 30 一个代表值就够，无效类则要分别覆盖小于 18、大于 60、非数字、空值——无效类往往一个值只能测出一种错误，所以不能只挑一个。面试官常接着问它和边界值分析的关系：等价类负责「选哪些值」，边界值负责「选在哪选」，因为绝大多数缺陷恰好落在区间端点和临界条件上，两者通常配合使用，划分依据一律来自需求规格而不是自己的直觉。

缺陷争议与无法复现：靠证据推进，不靠嘴硬

开发说「不是 bug」时，第一步是回到期望行为本身：翻需求文档、原型或产品口径，确认双方对正确的定义是否一致——相当一部分争议其实是需求没写清。如果确实是缺陷却复现不了，就把复现门槛降下来：最小化操作步骤、固定账号数据与环境版本、把偶现的并发或时序条件写清楚，再补上录屏、日志、接口抓包和请求参数，让开发能按你给的路径走一遍。仍复现不了也不要直接关单，挂成「无法复现」并保留观察记录，同时看线上监控与用户反馈有没有同样特征，避免把一个真实问题静默掉。最后一步是升级机制：把证据同步给测试负责人或产品，由他们拍板优先级，沟通对事不对人。

指标与自动化：准确率召回率、token 管理

字符准确率的分母是「模型一共输出了多少字符」，召回率的分母是「真值里一共有多少字符」，两者分子都是识别正确的字符数——所以准确率低通常是识别出了一堆本不存在的字（过检、乱码），召回率低则是漏字漏行。OCR 场景里这两个指标不能只看一个：票据金额、证件号这类字段宁可漏也不能错，阈值要往准确率倾斜；而全文检索、内容归档更怕漏，就更看重召回。另外工程上还常用字符错误率 CER，用编辑距离除以真值长度，把小任务上更细的错误区分开。接口自动化的 token 处理要点是别硬编码：登录接口拿到 token 后存进全局上下文或夹具，后续请求统一注入请求头；多角色用例用 token 池隔离；遇到 401 先走刷新逻辑换新 token 再重放，并注意并发下只允许一次刷新、其余请求等待结果，避免刷新风暴。断言里也不要对比 token 明文，那会让用例随环境失效。

岗位认知与 AI：想清楚自己在筛什么

「为什么不做本专业」和「测试的核心价值是什么」是同一类问题，面试官在确认你对岗位的理解不是「测试就是点点点」。可以答：质量是设计和流程决定的，测试的核心产出是一份可信的发布判断——通过需求评审左移、分层用例与自动化回归压低成本，把线上事故的代价换到发版之前，而不是等出问题再补。高质量交付则是一条链路：需求澄清、用例评审、分层测试、CI 门禁、缺陷闭环与复盘，加上灰度发布和监控回滚预案。Agent 与 Skill 的区别可以从抽象层次讲：Skill 是把某类任务的流程和知识打包好的能力单元，Agent 是能自己规划步骤、调用工具并检查结果的执行者。至于「AI 会不会取代人」，被压缩的是规则明确、重复度高的部分——用例批量生成、回归执行、日志归类；需求歧义下的风险取舍、复杂场景设计和跨团队推动仍要人来做，测试岗位更可能被重构成「会设计自动化、也能验证 AI 输出」的角色。