王杨
AI测试工程师 · 质量工程与测试开发
测试与质量工程经验覆盖 AI、金融科技、数据平台、企业管理系统和消费金融；近期以兼职方式完成临床标本库自动化全栈 AI Coding 实践，持续拓展复杂系统质量与交付能力。
📄 下载PDF1
传统测试基座
自动化、复杂业务建模、数据治理、性能测试均具备扎实经验
2
AI转型与Coding
AI测试设计、Agent执行、Human-in-the-loop、全栈AI Coding与复杂集成验证
3
能落地能表达
既能一线解决问题，也能知识整理、培训、团队协作
工作经历
倒序时间线商汤科技 AI研究院
2025-12 – 至今AI质量工程师 / AI驱动测试工程师
- AI驱动测试设计：通过数字测试资产库 + Agent，通常在 30–60分钟完成 Case 设计与冒烟执行
- AI工具链落地：接口测试任务结构化后交由 Claude Code / Codex / OpenClaw 执行，当前约 85% 的接口功能测试通过AI工具完成
- Human-in-the-loop：保留人工对输入质量、结果可信度、日志追溯的审核环节
- 角色转型：持续优化测试文档库与Case模板，推动测试工程师向AI测试流程设计者演进
- AI性能测试：覆盖HTTP接口与WebSocket实时语音场景，关注首包首块、实时率、容量、GPU负载
- 压测执行：Locust设计压测方案，分析单副本/六副本并发梯度下的吞吐、延迟、P95及容量上限
九坤私募基金管理系统
2023-08 – 2024-06高级测试工程师
- 业务建模：将复杂基金业务按实体/字段/规则关系拆解，建立测试模型，超越页面级验证
- Mock数据体系：针对保密数据不可用约束，设计完整Mock数据，提升复杂场景可执行性与复用性
- 脚本重构：Robot Framework脚本参数化 + BDD风格改造，提升维护性
- 数据治理：推动上下游统一字段定义与取值口径，降低联调与问题定位沟通成本
小米 CRM / RMS / Dynamics 365
2022-08 – 2023-08高级测试工程师
- 海外业务测试：覆盖商品分发、门店管理、销售报表、人员配置等，适配多国差异链路（如报税/出港/免申报额度）
- 低代码平台测试：快速理解Dynamics 365实体/字段/引用设计思想，转化为可执行测试方案
- 自动化从0到1：搭建接口自动化能力，输出UI自动化Demo/PoC
- 长链路梳理：针对基于猜测编写的需求节点，校准测试Case方向
天眼查 OpenAPI / 专业版
2021-02 – 2022-08高级测试开发工程师 / 测试组长
- 数据产品测试：面向多实体类型数据产品，梳理测试边界与异常分类，满足客户对数据准确性的高敏感要求
- 巡检报警体系：建立自动巡检、数据准备、飞书报警（含容错）套件，提升异常定位效率
- 异常治理：形成以"异常根因分类 + 数据质量治理"为核心的数据产品测试思路
自动化测试讲师（码同学）
2020-01 – 2021-03全职讲师
- 课程交付：15个月任职期间累计覆盖 300+ 学员，完成 17周 课程设计与授课
- 课程迭代：3次改版，引入pytest / httprunner / airtest等新内容
- 内容输出：完成RF、Airtest、Git等录播课并投放平台；抖音直播同时在线 300+
马上消费金融
2016-11 – 2019-08测试工程师 → 测试组长
- 高频交付：支撑平均每周 2次 发版，覆盖公众号、小程序、H5等多渠道业务
- 团队管理：建立测试需求池、AB角色机制、资源协调，提升测试体系吞吐能力与协作稳定性
- 风险分层：在高频变化与资源有限环境下，完成优先级管理，保障关键模块质量
重点项目
AI 测试工程化实践案例 A：AI 测试资产与 Agent 执行
进行中问题 实验性 AI 项目周期极短，没有接口文档，传统测试模型直接崩断
行动 把测试意图结构化成 Agent 可读资产，建立 Human-in-the-loop 质量门禁，每次复盘沉淀 Prompt 和约束规则
结果 陌生 AI 需求响应从一天压缩到两三个小时；团队同类需求启动成本显著降低
案例 B：临床标本库自动化端到端交付
兼职 · 2026年7月至今问题 既有业务系统、本地绑定、三类设备与人工物理操作共同改变事实，需求和协议在现场持续明确
行动 使用 AI Coding 推进 Vue / FastAPI / SQLite、上下游适配、Mock、自动回归、设备终态和异常恢复
证据 扫码器现场记录；2026-08-24 离线快照后端 1051 passed、7 skipped，前端 92 passed 并完成生产构建
案例 C：ASR 实时转写精度 Benchmark
已完成问题 ASR 转写精度长期依赖人工听译，标准随人变，模型升级后无法做客观回归对比
行动 复现 Hugging Face 论文框架，制备中/日/英三语数据集，建立独立清洗规则，引入 LLM 做二次审查与偏差分级
结果 新 ASR 模型上线当天跑出客观精度报告；人工复核从全量听译压缩到按偏差等级优先审查
技能栈
当前主力
PythonPytestPlaywrightLLM Prompt工程AI辅助测试集成LocustJenkinsWebSocket测试GitLab CI
历史积累
JavaTestNGRobot FrameworkSeleniumAppiumJMeterMySQLRedisDocker自动巡检系统
上次更新: 2026/05/06, 13:38:33