入职了一个AI测试女孩，啥都要带真的服气！

上周刚带完入职满 30 天的 AI 测试新人，才发现新人上手慢，很多时候不是能力问题，而是被 AI 测试行话拦住了路。
让她整理 Badcase 池，她盯着表格问要按什么维度归因；说和算法、开发对齐 Badcase，她小声问是不是要截图打印出来；开会提到版本要做模型灰度回归，她偷偷查手机是什么意思。

😰这才意识到 AI 测试岗行话对新人的隐形门槛：
老人总觉得这些是基础常识，下意识省略解释；
新人怕露怯不敢追问，信息没对齐，最后评出来的东西完全跑偏。
为了帮她尽快跟上节奏，我整理了 AI 测试岗高频行话，从基础概念到岗位要求都有，AI 测试新人快收好，别再因为听不懂行话拖慢成长

✨AI 测试岗必懂行话
Badcase 池：存放模型答错、幻觉、拒答、工具调用失败等问题的清单，方便归因和排优先级
评测用例：描述输入 Prompt、上下文、预期输出、校验点和风险标签的文档
回归评测：模型、Prompt、检索或工具链更新后，重新验证老场景有没有被改坏
模型灰度：先给部分流量放新模型/新 Prompt，指标稳定后再全量上线
冒烟评测：版本提测后快速校验核心问答、检索、工具调用主流程能否跑通
Trace 链路校验：核查一次请求从 Prompt、检索、模型到工具调用的完整日志链路
人工验收：业务或标注同学对模型输出做最终事实性、可用性验证
推理压测：模拟高并发请求，验证模型服务吞吐、延迟和稳定性上限
边界输入：超长文本、空输入、多语言、对抗样本等易触发问题的数据点
Badcase 闭环：问题从发现—归因—修复—复评—关闭的完整流程
对齐口径：和算法、产品、标注确认评测标准、通过线和问题细节
限流降级：高并发或模型服务异常时，系统能否限流、熔断、降级兜底
黄金集：人工精标的评测样本集，用于版本回归和效果对比
LLM-as-judge：用大模型按统一标准辅助打分，需校验评委一致性

AI 测试相关岗位核心要求
功能测试：会写评测用例、提交 Badcase 单，跟进闭环，细心严谨
自动化测试：熟练脚本编写，搭建自动化评测与回归流水线
性能测试：开展推理压测、并发测试，定位模型服务性能瓶颈
AI 测试工程师：掌握 LLM、RAG、Agent 基础概念，可完成效果、安全与 RAG 评测
B 端测试：熟悉企业 AI 业务流程，重点校验知识库准确性、权限逻辑、工具调用数据一致性
C 端测试：站在普通用户视角，注重问答体验、幻觉率、兼容性与安全合规
#AI测试 #大模型测试 #RAG评测 #Prompt测试 #Agent测试 #软件测试 #自动化测试 #转行AI测试