The posting
- AI 赋能的测试方案设计: 在AI协助下,负责某一个领域的深度技术研究,根据第一性原理设计测试用例及自动化方案;跟进行业前沿动向,主导专利申请、行业标准制定及学术成果输出。
- AI增强型测试工站开发:面向实际测试需求,搭建“AI 编排 + 确定性执行 + 数据闭环 + 知识沉淀”的智能测试系统。
- AI 驱动的测试工具链与脚本开发: 践行“人类掌舵,智能体执行”的工程理念。熟练利用 Cursor 等 AI 原生开发工具和 LLM 能力,开发、维护自动化测试框架、数据分析脚本及实验室设备控制程序。重点负责拆解复杂的测试需求,通过精准的 Prompt 和环境配置,引导 AI Agent 完成代码的生成、审查与重构。
1. 学历与专业基础 - 教育背景: 本科及以上学历,测控、光学、电子、机械、计算机、汽车工程或相关理工科专业。 - 学科底蕴: 在统计学、几何、光学、热学或机械任一领域基础扎实,能结合物理模型解决复杂的测控难题。 2. AI 协同开发与架构能力 - AI 驱动的工程构建: 精通 Cursor、Codex 等 AI 原生开发工具的进阶使用。不仅能引导 LLM 快速生成测试脚本与仪器控制代码,更具备深厚的 Code Review、代码重构及底层 Debug 能力,确保 AI 生成代码在实际硬件环境中的工程鲁棒性。 - Prompt 调优与 Agent 落地: 熟练掌握结构化 Prompt 编写与上下文(Context)管理技巧。能够将复杂的测试业务流拆解为明确的机器指令,引导 AI Agent 完成特定领域的逻辑推演与自动化执行。 - AI 融合架构思维: 深刻理解“大模型的概率性”与“物理测试的确定性”之间的边界。能在系统设计中引入 AI 编排,同时构建坚实的数据与逻辑兜底策略,主导并制定根本性的智能测试架构方案。 3. 职业素养与工作方式 - 超级个体与独立交付: 拒绝“等靠要”,具备极强的自驱力与跨界学习能力。善用 AI 作为“第二大脑”进行跨学科知识检索与外延,将个人效能极致放大,能够作为“技术特种兵”独立完成高标准交付。 - 第一性原理与终局思维: 具备大局观,能穿透表象快速识别核心技术矛盾。面对未知领域的挑战,善于将 AI 作为破局工具,基于第一性原理快速理清脉络并敲定最优解。 4. 加分项 - AI 实战落地: 有将 Agent 工具链、大模型知识库(LLM Wiki)或自动化代码审查成功引入团队工程实践,并实现显著提效的真实案例。 - 行业经验: 具备自动驾驶、智能硬件、汽车电子或光电行业经验,主导过中大型自动化工站、数据闭环系统的架构设计与落地。



