北京软件测试经理
软件测试经理是负责组织和管理软件测试团队的专业人员。他们负责制定和执行软件测试策略,确保软件产品在发布前通过了严格的测试,保证其质量和稳定性。软件测试经理需要与开发团队合作,制定测试计划,指导测试团队进行测试工作,并监督测试进度和质量。他们也负责评估测试需求、资源分配和团队发展。此外,软件测试经理还需要关注测试工具和方法的更新,以提高测试效率和质量。他们在项目中扮演重要角色,确保软件的质量达到用户和企业的期望。软件测试经理需要具备扎实的软件测试知识和管理技能,以及良好的沟通能力和团队协作能力。
薪酬概览
平均月薪
¥7900
中位数 ¥8000 | 区间 ¥6300 - ¥9600
数据来源:谈职全网11份招聘数据;更新时间:2026年7月13日
月薪分布
72.7% 人群薪酬落在 0-8k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
6月新增岗位
11
对比上月:岗位新增1
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 3-5年 | 2 | 20% |
| 不限经验 | 8 | 80% |
热招职位
1.负责自研产品软件及测试系统的功能和性能测试;
2.根据需求编写部分软件的基础测试用例,并执行软件的测试;
3.根据产品的测试用例,执行软件测试;
4.协助测试人员搭建测试环境,参与开发部分自动化测试脚本
5.参与一些测试文档的整理等。
岗位职责
负责自动驾驶运营基础服务(Routing、Dispatch、PUDO、Operation Map 等)的测试开发工作,保障系统高质量交付。
设计和开发自动化测试框架,覆盖接口测试、回归测试、稳定性测试及性能测试。
建设持续集成(CI/CD)测试能力,提高研发效率和测试覆盖率。
建设线上质量监控体系,分析线上问题,推动问题定位和质量改进。
与研发、产品、算法团队协作,制定测试策略,保障复杂业务场景的稳定运行。
任职要求
1,基本要求
本科及以上学历,计算机、软件工程或相关专业。
熟悉至少一种编程语言(Python/C++/Go)。
扎实的数据结构、算法及计算机基础。
熟悉 Linux 开发环境。
2,加分项
熟悉自动化测试框架(pytest、Playwright、Selenium 等)。
熟悉 HTTP/gRPC、数据库、消息队列等基础组件。
熟悉 Docker、Kubernetes、CI/CD。
1.负责海外平台自动化测试的技术架构设计及实现,以满足平台性能和稳定性的诉求;
2.参与海外产品需求分析,制定测试计划并从测试的角度提供优化意见,预先评估项目风险,确保测试活动的顺利开展;
3.负责海外测试标准制定,设计测试用例、编写自动化测试脚本,提高测试效率和质量;
4.对线下和线上问题进行跟踪、分析和报告,推动问题及时解决,并优化测试用例;
5.负责测试体系能力度量体系构建,引入度量体系改进测试设计和执行等过程;
6.通过总结、对外交流、技术钻研和培训,持续改进测试过程和测试方法。
1、负责人工智能相关产品的数据和算法等场景测试,并基于算法和工程团队现有质量问题给出合理化的建议和解决方案,推动落地实现算法质量提高;
2、协同算法团队和工程团队进行全面的质量把控和风险监控;
3、参与数据和算法的质量系统建设,完善算法全链路质量保证能力,提交算法落地和工程效率。
1. 负责芯片ATE测试方案的制定,优化测试覆盖率、良率和测试成本,支持大规模量产;
2. 开发和优化ATE测试程序,确保测试稳定性和效率,并推动测试平台的改进;
3. 进行芯片特性分析,优化测试参数,支持量产爬坡及产品性能验证;
4. 结合DFT技术进行芯片调试和故障定位,提升测试可测性和良率;
5. 分析量产测试数据,持续优化测试流程,提升测试稳定性和产品一致性;
6. 协助制定和执行可靠性测试方案,支持筛选、回测及失效分析,确保芯片质量。
1)负责智驾功能实车测试开发,包括软件部署、问题数据记录、场景验证等环节,编写测试报告,高优聚类问题等。
2)负责智驾功能量化和评价,为智驾功能的上线和准出负责。
3)负责路测问题分析和定位,沟通拆解到相应算法模块责任人。
4)负责路测车辆协调与管理,包括:车辆关联件升级、车辆故障排查、车辆使用日志统计等。
1、构建终端电子产品显示测试架构,负责显示触控特性测试需求分析、测试方案设计,测试策略制定,对验证质量负责;
2、承担显示触控系统级验证测试工作,负责特性需求分析,测试方案设计,质量评估,进行显示特性功能验证、性能验证、可靠性验证、效果验证,并对显示问题进行初步问题定位;
3、负责显示触控自动化测试方案设计与执行,白盒化精准测试;
4、显示触控驱动芯片测试,规格及显示特性验证;
5、建立显示体验的测试评价体系,探索和创新研究为终端电子产品规划输入有价值的机会点,建立以人为中心的产品测试方法,协助提升显示效果竞争力和用户体验;
6、负责显示触控测试技术演进规划和落地,与业界TOP技术交流和合作,提升测试能力,提高测试效率和测试质量,持续构建TOP1的显示测试竞争力。
1. 大学本科及以上学历,计算机或通讯专业 ;
2. 3年以上软件测试经验,1年以上车载导航测试经验 ;
3. 精通软件测试理论、方法和流程 ;
4. 熟悉C/C++/Java等至少一种编程语言,有Shell或PHP/Perl/Python等使用经验者优先 ;
5. 自驱力强并拥有良好的团队协作和沟通能力,能承受一定的压力 ;
6. 具备AI意识,且熟练使用AI工具者及有良好的英文沟通能力优先。
1. 洞察半导体、消费电子、新能源等目标行业的检测需求与前沿技术,特别是光学成像与智能算法,制定未来3-5年产品与技术发展路线图,识别并开拓新机会领域;
2.负责产品定义,深度挖掘客户核心痛点,主导高性能智能光学检测系统(含硬件、光学、核心算法与软件)的需求分析与规格定义,聚焦检出率、速度、稳定性等关键技术指标;
3.规划下一代产品,重点围绕更高精度成像、先进光学方案、智能(AI)检测算法、3D检测、系统稳定性提升等核心领域,推动技术落地与竞争力构建。
4.主导产品开发全过程,联动软件、硬件、光学成像和算法研发,以及测试、供应链等团队,确保产品高质量交付。
1.负责元宝的稳定运行,支持开源Deepseek等模型服务训练与部署的多个环节;
2.优化模型的部署流程,包括持续集成、持续部署( CI / CD )和自动化工具;
3.负责集群管理和服务治理,设计容灾方案并实施演练,保障系统高可用和稳定性;
4.负责资源成本管理与规划,优化计算和存储资源,提升机器学习任务的执行效率;
5.分析 AI 硬件应用中的质量性能表现,提供系统技术支持能力,推动改进识别和落地;
6.关注业界前沿技术动态,探索复杂业务系统运维自动化和智能化的技术和方向。
【课题说明】 在即时配送网络中,骑手定价是平衡运力供给与用户体验的核心动作。传统的定价策略往往难以精确量化价格变动对运力弹性的真实因果效应,且受限于预算约束与复杂的非凸优化目标,难以实现全局最优。本课题聚焦于“因果推断”与“运筹优化”在骑手定价业务中的前沿应用,旨在通过构建高鲁棒性的因果弹性模型,精准衡量定价干预效果,并结合大规模运筹优化技术,在给定预算下生成最优调价方案,最大化用户体验。课题将重点突破观测数据中的隐混淆与溢出效应、携带效应下的推断难题以及非凸场景下的求解效率,并探索LLM在因果建模中的增强作用。【建议研究方向】1. 复杂环境下的因果效应估计与弹性建模:针对骑手定价场景中存在的隐混淆变量(Hidden Confounders)、溢出效应(Spillover Effects)以及携带效应(Carryover Effects)等挑战,研究基于表示学习、工具变量或双重鲁棒(DR)的因果推断算法。探索无偏RCT数据与大规模观测数据的融合训练机制,解决特定Logit先验依赖问题,提升弹性模型在小样本和复杂混淆环境下的泛化能力与准确性。
2. LLM增强因果推断(LLM4Causal): 高价值特征挖掘与标签挖掘(Label Mining) ,针对业务数据中标签稀疏或含噪的问题,利用 LLM 的语义理解能力进行 Label Mining,推断缺失的转化标签或修正错误标签。因果去偏与反事实数据生成,研究利用 LLM 生成反事实样本或辅助识别未观测混淆变量,设计新的因果去偏机制。探索将LLM在因果推理和特征理解上的“大模型”能力,通过模型蒸馏(Model Distillation)技术迁移至轻量级的 Uplift 模型或深度因果网络(如 Dragonnet)中,提升模型能力。
3. 大规模非凸运筹优化求解:基于因果模型输出的弹性预估,研究在预算约束下的复杂定价组合优化问题。重点攻克非凸优化(Non-convex Optimization)目标函数的求解难题,大规模分组背包等NP-Hard问题的近似算法或高效启发式求解策略,以及基于强化学习的序贯决策问题,确保定价策略在工业级时延要求下的实时产出与效果最优。
1、负责业务报表、可视化看板的设计与开发工作,精准呈现业务数据,为业务数据分析、决策制定提供可靠的数据支撑。
2、持续优化现有BI报表与可视化看板,结合业务迭代需求,及时调整数据维度、统一指标口径,优化报表交互体验,推动自助分析功能落地实施。
3、承担BI平台日常运维工作,排查平台运行隐患,优化报表查询性能,提升平台整体稳定性与响应速度,保障业务数据应用顺畅。
4、建立健全数据校验机制与规则,定期开展报表数据监控工作,重点核查数据的准确性、完整性及及时性,快速定位并解决数据异常、指标口径不一致、报表报错等相关问题,保障数据质量。




