产品研发之众生相：测试工程师

产品研发之众生相：测试工程师

01

角色定义

笔者从事产品研发几十年，写代码也有几十年，在印象里面，自己写的代码几乎没有一次是写完就跑起来的，总要测试修改以后才能慢慢完善。

任何软件都需要测试。与消费级软件相比，工业软件复杂性高、对可靠性要求高，一旦出现故障，可能导致生产停滞、设备损坏甚至人员伤亡。所以，工业软件测试尤为重要。

测试工作，一部分是由研发人员完成的，还有重要的一部分，是由测试工程师专门执行的。

由于工控产品许多带有硬件，所以测试工程师又分为硬件测试工程师和软件测试工程师。

02

术业有专攻

说到测试，不得不说一下V-模型（V-Model）。V-模型是软件开发中一种将验证（Verification）和确认（Validation） 活动与开发阶段一一对应，形成 “V” 形结构的模型，强调在开发的每个阶段都进行相应的测试，保证最后产品的质量。

V-模型

单元测试：对应 “编码” 阶段，对最小的可测试单元（如函数、类）进行测试，验证其是否符合详细设计。

集成测试：对应 “架构设计” 和 “概要设计” 阶段，将已测试的单元按模块组合，测试模块间接口是否正确，验证是否符合概要设计。

系统测试：对应 “需求分析” 阶段，将软件作为整体与硬件、外设等集成，测试是否满足《需求规格说明书》中的功能、性能等需求。

验收测试：由用户或客户执行，验证软件是否符合实际业务需求，是否可交付使用（包括 α 测试：内部验收；β 测试：用户实际环境测试）。

V-模型由来已久，是早期软件开发的标准模型。后来软件开发流程演变，进入敏捷开发时代，V-模型被人诟病，最重要的原因是“反射弧“太长，从用户需求到验收测试，中间可能已经间隔大半年一年，找到的问题物是人非，如果要改需求，就必须推倒重来，或者等下一个版本，根本无法适应现代软件开发的快速迭代，快速改变适应的需求。

其实V-模型的核心思想是研发的所有阶段都需要有相应的验证，并没有规定一定要按部就班，顺序进行。

现代敏捷开发，是一种迭代式、增量式的开发方法，通过快速响应需求变化、团队协作和持续交付有价值的软件，来应对复杂多变的业务环境。敏捷开发把瀑布式的顺序开发切成许多小片瀑布，每一个小片（迭代，冲刺）都是一个小V-模型，麻雀虽小五脏俱全，包括了需求，设计，实现到单元测试，集成测试和系统测试。最后的产品是由一个一个小V-模型叠加出来的。

敏捷开发中的V-模型

测试左移（Shift-Left)

敏捷开发的测试是基于测试左移（Shift-Left)。测试左移的基本思路，是缺陷在研发的越早期被发现，修复成本越低。一个缺陷，如果是在程序员自己的单元测试被发现，它被修复可能只需要几分钟。到了集成测试，可能需要一天到几天，因为系统集成了，你首先要找到真正引起缺陷的子系统，然后再继续分析，无论是复现，分析，修复和验证，时间都要长。到了系统测试，修复缺陷可能需要几天到数周。最昂贵的是产品出厂在现场发生故障，不仅仅损失巨大，而且现场环境非常复杂，复现极为困难。

传统测试方法，功能测试会放在独立的系统测试组，大多数缺陷在研发后期阶段被发现，成本高昂。

传统测试方法

测试左移，是让测试尽量在研发前期介入，缺陷早发现，早定位，早修复。节约成本，及时响应。所以在敏捷开发时代，许多团队不仅仅做单元测试，也会执行集成测试和功能测试，保证在一个迭代中完成的产品功能基本可用。

测试左移

在敏捷开发中，单元测试往往由开发工程师自己完成，而集成测试即可以是开发工程师的工作，也可以由测试工程师完成。我们在实践中，鼓励敏捷团队所有的研发工程师，既可以写代码，也可以作测试，初衷是让团队均衡发展。有的团队这样实践了，有的团队还是分出来了研发工程师和测试工程师，分别负责单元测试和集成测试。

大型研发项目有多个团队协同开发，不同的团队有不同的测试分工并不奇怪，因为业务不同，人员的技术水平不同，每个团队都会在实践中尝试找到自己的最佳解，不可拘泥书本教条。

测试左移对硬件同样适用，甚至更加重要。和软件相比，硬件设计的修改周期更长，更加昂贵。所以测试如果能够在设计前期介入，会大大节省硬件开发的时间和成本。

敏捷开发并不等于一定是SCRUM，而是研发的一种方法和思路，对软硬件开发都适用。比如硬件在EVT阶段，研发团队就可以尝试把系统bringup带软件功能跑起来，同时做EMC，浪涌等各种测试的摸底，快速打板修改。

自动化测试

产品如何测试？早期的软件研发，一群测试工程师每天重复地使用软件产品，找到问题，通知研发，就是人工测试。现代软件开发转向自动化测试，系统通过工具、脚本或框架自动执行测试用例，验证软件功能和性能。

笔者自己认为，自动化测试的程度反映了软件开发的先进水平度。自动化测试覆盖率不高的软件，其质量通常难以保证。

在产品测试中有一个非常重要的测试叫回归测试。如果你开发了一个功能A，你只需要测试功能A。如果你继续开发了功能B，你就要测试功能A和功能B，因为你不能保证继续开发功能是不是影响了原来的功能。只要产品有变动，理论上需要把所有已经开发好的功能全部测试一遍，这就是回归测试。

刚刚开发产品的时候，功能有限，人工测试还可以应付。但是当产品开发已经迭代到几千，几万个功能的时候，没有自动化回归测试，你的产品缺陷就是按倒葫芦又起瓢，无法保证发布时候的质量。

同样，没有自动化回归测试保证，你如果对代码或者架构进行了重构，那很有可能你重构完的产品变得更不稳定。

在我们的产品研发中要求每个团队的自动化测试率要到95%，结合现代开发支持软件的流水线，代码迁入系统就会自动执行冒烟测试，每天晚上自动执行集成测试，第二天早上看测试结果就可以了。

所以，在现代软件产品研发中，测试工程师也是程序员，是要写测试代码的。

系统测试

系统测试一般会独立于产品研发。系统测试的测试基础是产品经理定义的《需求规格说明书》，将产品作为整体与硬件、外设等集成来测试是否满足功能和性能等需求。

因为测试左移，现在功能测试许多已在集成测试阶段完成，现代系统测试可以更多地关注复杂用例，性能，压力和极限条件的验证。同样，自动化测试也是标配和刚需。

测试闭环

在单元测试中被发现的缺陷，处理最简单，研发工程师自己解决就可以了。到了集成测试和系统测试阶段，缺陷需要被录入系统，流转到研发。研发首先会尝试复现，然后定位到大致负责的子系统或者模块，将缺陷转到相应的小组或者研发工程师，研发工程师分析和修复缺陷后，再转回测试，测试工程师复测通过，关闭缺陷，形成闭环。

在整个缺陷处理流程中，测试工程师的测试步骤和描述非常重要。如果描述的缺陷能够被研发快速复现，问题基本上已经解决了一半。在开发过程中，大家最害怕的就是难以复现的偶发缺陷，明明有问题，因为很难复现，无法定位和修复，缺陷就成了隐藏的定时炸弹。

03

天生我材必有用

测试工程师是产品的带刀护卫和质量保护者。二十多年前笔者刚刚做程序员，还没有敏捷开发，功能全靠系统测试验证。记得我第一次独立开发功能，当我很骄傲地报告给组长说功能完成了，组长笑着问我，“这是你说的还是测试工程师说的？”可见测试工程师在产品开发中的重要性。

优秀的测试工程师是研发的宝贵人才，因为他必须具备以下三种技能：测试技术，工业领域知识和行业标准认知。

测试技术

对硬件测试工程师来说，掌握电子电路、数字电路、模拟电路等基础知识，熟悉各类硬件测试设备的使用，比如示波器、信号发生器、万用表等，是最基本的技能。此外，还有很多特别的测试工具，比如ESD放电测试仪，电磁干扰EMC测试仪，浪涌测试仪等，硬件测试工程师都需要了解和使用。

硬件测试工程师还需要了解硬件产品的设计流程和制造工艺，能够制定合理的测试方案和测试用例。

对软件测试工程师来说，能够写自动化测试已经是马步功夫了。无论是单元测试软件，如JUnit，Google Test，或者是python脚本PyTest，还有UI自动化测试的Selenium，Playwright等，编写自动化测试用例是每天的日常。

资深测试工程师还需要能够搭建自己的测试框架，开发适配产品的自动化测试平台，技术能力要求不亚于资深研发工程师甚至是架构师。

工业领域知识

从某种意义上来说，测试工程师是代表用户试用产品。所以，测试工程师需要了解用户的业务，只有具备跨领域的技术储备，才能理解产品的底层逻辑与行业应用场景。

PLC的测试工程师，需要会写IEC61131-3的控制程序，SCADA的测试工程师，需要会组态控制画面，这是基本功。

然后就是各种运控算法，各种现场IO模块，伺服，变频配置，SCADA报警和各种数据库连接；还有各种通信协议，从工业现场总线（Modbus RTU，Profibus DP等），工业实时以太网（Profinet，EtherCAT等），到北向的各种通信协议（OPC UA，MQTT），不一而足。

到最后，测试工程师对产品的整体了解，往往比研发工程师还要透彻。

行业标准认知

每个行业都有行业的测试标准和规范，比如PLC，硬件有IEC 61131-2，编程语言有IEC 61131-3。测试工程师需要了解标准，根据标准要求开展测试工作，确保测试结果的合规性。

不同行业、不同国家和地区对硬件产品的测试标准也有差异。欧盟的CE认证，美国的FCC标准，中国的CCC标准等，有共同点，也有区别。随着产品的国际化，硬件测试工程师还需要应对不同标准之间的差异和转换，增加了测试工作的复杂性。

软件测试工程师，不仅仅需要了解行业标准，还需要了解网络安全标准，对各种安全防范功能进行测试验证。

测试工程师需要细心，有耐心，不怕繁琐，还要具备问题分析与解决能力。碰到复杂故障（如偶发性数据丢失、设备控制延迟），能够找到快速复现的方法，而且能通过日志分析、断点调试等手段定位根因，帮助研发工程师快速解决问题。

另外，测试工程师的跨团队协作能力也很重要。测试工程师需要打交道的人不少，要时常和开发工程师、产品经理、工程团队现场工程师保持高效沟通。

有一个测试工程师写了一下他一天的工作分配：上午参与需求评审，发现需求文档中边界场景没有覆盖；中午执行功能测试，发现几个缺陷录入Jira；下午跑兼容性测试，分析不同设备的适配问题；傍晚和研发一起参与缺陷复盘，说服研发修复优先级争议；下班以前编写测试报告，同步测试进度与风险点。

这种工作模式要求测试工程师具备50%测试执行、30%需求沟通、20%缺陷追踪的综合能力，协作对象涵盖开发工程师、产品经理、运维团队甚至最终用户。

04

前途无量

笔者在搜狐网看到一篇文章，文中提到 “最近测试圈里流行一句话：‘2025 年最不会失业的职业，就是会写代码的测试工程师’”。可见测试工程师现在需求旺盛。

现在互联网大厂招测试工程师标准很清晰：要么能玩转自动化测试框架，要么懂性能压测，最次也得会写点Python脚本。网上的招聘平台搜"测试开发"，薪资不低，后面还跟着个"急招"。最近拉勾网刚出的报告显示，软件测试岗平均工资比去年又涨了8%。

当然，测试工程师吃香的前提是懂测试技术+领域知识+行业标准的复合型人才。所以，对新入行的测试工程师来说，成长方向很明确，要在以上三个方面下功夫，还需要特别关注方兴未艾的AI辅助测试。

测试工程师长远的职业发展，方向很多。一是成为资深测试工程师或者测试架构师，负责设计搭建测试框架和整体质量保证系统；编程能力较强的测试工程师还可以转研发岗。我原来带的一个徒弟，从测试工程师开始，后来成为研发工程师，架构师，再遇到他的时候已经是一个重要产品的首席架构师了。

测试经理也是发展方向之一。测试经理负责管理测试团队，建立标准测试流程，提高测试效率和质量，属于技术管理岗。

因为对产品熟悉，测试工程师也适合成为产品经理，或者成为销售，技术支持。测试工程师转岗技术型销售，在职场往往很受欢迎，因为他们对产品使用的熟悉程度甚至超过研发。

测试工程师出身的名人，比如毕业于哈佛大学计算机专业的谢家华，1995年进入甲骨文公司做测试工程师，后离职创业。1998年，他以2.65亿美元的价格将自己创办的 Link Exchange 公司卖给了微软。后来又创办在线鞋类零售商Zappos，2009年以12亿美元出售给了亚马逊。

05
结语

工业软件对稳定性，性能的要求很高，出厂时需要被严格测试。测试工程师是工业软件的带刀护卫和质量保障，是最可靠的护城河。

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！