深圳助理测试工程师
助理测试工程师是参与软件测试过程的一员。他们的主要任务是根据测试计划和需求,执行测试用例并记录问题和缺陷。助理测试工程师必须熟悉测试工具和技术,能够在不同的测试环境中进行测试,并能准确地分析和报告测试结果。他们需要与开发人员、产品经理和其他团队成员紧密合作,确保软件的质量和稳定性,并及时提供解决方案和建议。助理测试工程师还需要具备良好的沟通能力和团队合作精神,以便在软件开发过程中高效地交流和合作。通过持续学习和不断提升技能,助理测试工程师将逐渐成长为一名独立的测试专家。
薪酬概览
平均月薪
¥7100
中位数 ¥6500 | 区间 ¥6100 - ¥8200
数据来源:谈职全网73份招聘数据;更新时间:2026年7月13日
月薪分布
78.1% 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
100
对比上月:岗位新增48
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 |
|---|---|---|
| 应届 | 50 | 53.8% |
| 1-3年 | 11 | 11.8% |
| 不限经验 | 32 | 34.4% |
热招职位
1、负责逆变器、电池PACK、便携一体机的功能、性能、可靠性测试。
2、根据相关规范和标准要求等设计测试方案、测试用例
3、准确地定位并跟踪测试问题,及时与研发、第三方沟通。提交测试问题并推动问题及时解决和闭环。
4、记录测试数据,编写测试报告,提出改善建议。
1.整机/EE/作动器测试策略制定:根据产品需求和设计文档,制定整机、电子电气系统及作动器子系统的测试策略、测试方案和测试用例,覆盖 EVT/DVT/PVT 各阶段验证目标;
2.硬件测试执行与问题定位:负责 PCB/PCBA 板级测试、电源系统测试、信号完整性测试、EMC/EMI 预测试、环境可靠性测试(高低温、振动、跌落等)的执行与结果分析;
3.作动器电气性能测试:负责关节模组/电机驱动器的电气特性测试,包括但不限于:电机驱动 PWM 波形质量、FOC 控制环响应特性、母线电流/电压纹波、制动电阻能耗回馈、堵转电流保护、过温保护策略验证、驱动板 MOSFET/IGBT 开关特性与死区时间校验;
4.作动器力矩/力传感器标定与测试:设计并执行力矩传感器、关节编码器、力传感器的精度标定方案,验证零漂、线性度、迟滞、重复性等指标,搭建多轴联合标定测试台架;
5.整机系统级验证:负责机器人整机的功能验证、性能测试、联调测试,包括传感器系统、运动控制系统、通信系统(CAN/EtherCAT/RS485 等)的集成验证;验证多关节协同运动时的通信时序、总线负载率及实时性;
6.作动器可靠性与寿命测试:制定并执行关节模组的耐久性测试方案(含反复运动寿命、负载循环、冲击/振动叠加工况),监测电气参数衰退趋势,建立作动器寿命预测模型与失效判据;
7.测试自动化与台架开发:搭建和维护硬件测试自动化平台,设计作动器专用测试台架(含动态负载模拟、惯量匹配、力矩加载装置),开发自动化测试脚本与数据采集系统,提升测试效率和覆盖率;
8.质量问题闭环管理:对测试过程中发现的缺陷进行分析定位(硬件/固件/结构/作动器供应商),推动研发团队修复并验证闭环,输出测试报告与质量评审结论;
9.DFT/DFM 协同:参与产品设计评审,从可测试性(DFT)和可制造性(DFM)角度提供测试建议,尤其关注作动器模组的产线测试方案(EOL 测试)与故障注入验证;
10.AI应用及落地:主动探索并运用各类AI工具优化日常工作流程,积极推动AI在业务场景中的落地实践,持续提升个人及团队的工作效率与产出质量。
职位描述
1. 制定符合汽车标准的安全测试流程,搭建测试环境,开发测试用例和工具
2. 完成整车、零部件、自动驾驶系统的合规测试和渗透测试,发现漏洞并修复
3. 研究最新的汽车安全威胁和攻击手法,更新安全防护措施
职位要求
1. 本科及以上学历,计算机、信息安全等相关专业优先
2. 熟悉二进制、移动App、物联网、无线通信等领域的常见漏洞和原理,对操作系统安全机制有一定了解
3. 熟练掌握渗透测试方法,包括代码审计、流量抓包、逆向工程等,有整车攻防经验优先
岗位职责
1. 负责云安全产品测试工作,包括:IAM、WAF、容器安全、堡垒机、安全审计、API安全网关
2. 根据需求设计测试方案和测试用例:功能测试、接口测试、自动化测试、安全测试
3. 负责云产品安全验证:身份认证测试、权限控制测试、认证绕过测试、数据访问控制测试
4. 搭建自动化测试平台:API自动化测试、回归测试、性能压测、安全基线验证
5. 参与漏洞验证、安全评估及渗透测试工作
6. 推动研发团队修复缺陷并完成闭环验证
任职要求
1. 本科及以上学历:信息安全、网络安全、计算机相关专业
2. 熟悉软件测试流程:测试计划、用例设计、缺陷管理
3. 掌握至少一种脚本语言:Python(优先)、Shell、Go
4. 熟悉 Linux 操作系统及常用命令
1、负责产品的质量把控和测试验收工作,包括功能测试、接口测试、性能测试等;
2、参与产品研发需求评审,提前介入产品测试工作,与开发达成需求理解一致;
3、搭建自动化测试平台,编写自动化测试用例,提升产品测试自动化覆盖率,保证产品质量。
1、负责DataOps、ModelOps和数据应用系统的功能、性能、兼容性等测试;
2、负责系统自动化测试建设,使用AI大模型技术构建基于AI技术的自动化测试体系,包括但不限于利用大模型(如LLM)自动生成测试用例、测试脚本与测试数据,设计并实现基于AI的缺陷预测模型,提升缺陷发现效率;
3、负责项目质量管控:质量流程、质量指标、质量复盘等。
软件测试工程(高科技)的工作重点是测试多种类型/类别的软件,包括出售给外部顾客的终端用户应用程序和操作系统/实用软件(提供平台供终端用户应用程序运行)。工作包括:1•开发和指导综合测试计划、质量监督计划、程序和进度表的准备和执行。2•规划和开展软件测试(包括使用编程语言编写用于应用程序/软件代码的代码),进行测试结果分析,并在测试过程中追踪/报告风险级别.3•对系统变更造成潜在影响的软件和组件进行回归测试与随机测试.4•诊断软件/硬件/数据界面问题,保证系统的集成
1、负责检测能力建设搭建,检测要求落地执行;
2、负责检测方案和方法的制定、实施和评估;
3、负责检测资源协调沟通,跟进检测进度和异常失效闭环;;
4、负责检测数据收集分析(售后、来料、产线及可靠性)和检测方法优化;
5、参与七新评审,参与行业技术交流和前沿产品检测技术;
6、培训考核技术员和检测员检测标准和方法,监督标准执行有效性;
1. 本科及以上学历,计算机/电子/自动化/机器人工程等相关专业;
2. 2年以上的复杂的软件工程/嵌入式/分布式系统/多模型交互等领域的测试经验(其一或以上);
3. 具备一定的编程能力(Python/C++/Java),具备良好的编码风格参与编写自动化框架/运控脚本/测试平台开发等;
4. 熟悉使用SIL/HIL其中之一的技术,对仿真软件(MuJoCo/Isaac系列/Gazebo等)具备一定的项目实践经验,可进行部分场景模型的修改及完善,并对仿真结果进行分析及问题的排查;
5. 有良好的组织协调能力、沟通表达能力、主动学习能力,自驱力强。
加分项:
1. 有主导负责多模态(语音/具身/导航/视觉等)/机器人学/传统控制/深度控制/强化学习/slam原理等领域的经验者加分;
2. 有大模型技术(Prompt/RAG/微调等)在测试领域经验中实践并应用的经验者更佳。
1、测试体系构建:建立毫米波雷达全生命周期测试标准(研发验证、产线测试、场景实测),覆盖射频性能、感知算法、环境适应性等维度。
2、设计自动化测试工具链(如点云数据比对、多传感器同步采集),提升测试效率。
3、场景化测试验证:针对无人机低空物流场景(如城市峡谷、强电磁干扰、雨雾天气),制定毫米波雷达的极限工况测试方案。主导外场实测,验证雷达在真实飞行中的探测精度、抗干扰能力及失效模式。
4、问题闭环管理:分析测试数据(如虚警率、漏检率、测距误差),定位硬件/算法缺陷并推动研发团队优化。建立雷达性能基线库,支撑量产一致性管控与供应商质量评估。
5、合规性测试:负责毫米波雷达频段辐射、EMC等法规测试,协助完成型号核准认证。
6、跨职能协同:与算法、硬件、飞控团队协作,设计"感知-控制"联调测试用例,确保系统级功能达标。
7、主动探索并运用各类AI工具优化日常工作流程,积极推动AI在业务场景中的落地实践,持续提升个人及团队的工作效率与产出质量;
1.负责超大规模通用大模型服务的 SRE 体系建设,保障 AI 平台在高并发、高吞吐、复杂异构资源环境下的稳定性、可用性与服务质量;
2.负责 AI Infra 监控、可观测性、告警治理与自动化运维平台建设,构建覆盖 GPU、网络、存储、推理链路与模型服务全生命周期的智能运维体系;
3.负责线上故障快速定位、应急响应与稳定性治理,建立标准化应急预案、故障复盘与根因分析机制,持续提升系统韧性与业务连续性;
4.参与大模型训练与推理平台的部署、调优与自动化能力建设,推动 LLMOps / MLOps 工程化体系落地,提升平台交付效率与稳定性;
5.深入分析系统瓶颈与容量热点,通过数据驱动方式识别稳定性风险与性能短板,持续推动架构优化与平台演进;
6.负责 GPU / CPU / 网络 / 存储等资源利用率治理,推进模型推理加速、弹性调度与成本优化,持续提升资源效率与 ROI;
7.跟踪业界 AI 硬件与 Infra 技术演进(GPU、网络、存储、推理框架等),结合业务场景推动基础设施选型、架构升级与技术创新;
8.探索 AI Native SRE、智能 OnCall、AIOps、Agentic 运维等前沿方向,推动运维体系向智能化、自愈化与自治化演进。



