13 面试准备

测开面试不要把自己讲成「会很多工具的人」。工具只是入口，面试官真正想知道的是你能不能保障质量。

为什么重要

能力和表达是两回事。很多实际能力不错的候选人，因为表达没有主线、项目讲不出深度、追问两轮就崩，倒在面试上。这一章解决表达问题：一条能力叙事主线 + 分类题库 + 追问应对。

简历与面试的叙事主线【必须掌握】

简历和面试表达按这条线组织：

• 我负责过什么系统或模块的质量保障。
• 我如何分析需求并设计测试点。
• 我做了哪些自动化能力，覆盖了哪些接口或流程。
• 自动化怎么接入 CI/CD，失败后如何通知和定位。
• 我发现过什么问题，怎么定位，最后怎么修复或推动修复。
• 我做过哪些效率提升：报告聚合、测试数据构造、覆盖率统计、用例筛选。
• 我如何使用 AI 辅助测试，且如何保证 AI 输出被人工和自动化校验。

注意主线里没有「我用过什么工具」——工具都在「做了什么」里面带出来。

项目表达的 STAR 变体

讲项目用「背景 → 任务 → 方案 → 难点 → 结果 → 复盘」六段式：

1. 背景：什么系统、什么质量问题。
2. 任务：我负责的范围（说清边界，不揽全组的活）。
3. 方案：为什么这么设计（至少一个「为什么不用 X」的取舍）。
4. 难点：真实踩过的坑（这是面试官最想听的）。
5. 结果：量化数据（用例数、稳定性、回归时长、发现缺陷数）。
6. 复盘：如果重来会改进什么（体现反思能力）。

不同背景的叙事侧重

后端转测开，强调：

• 更懂接口设计和后端实现，能从代码和日志定位问题。
• 更懂数据库、缓存、消息队列和分布式链路，能测到功能表面以外的风险。
• 能开发测试工具或平台，工作不止于执行用例。

功能测试转测开，强调：

• 更懂业务流程和测试思维，更知道哪些场景容易漏测。
• 自动化承接已有人工经验：把高频、稳定、可重复的部分沉淀成脚本和平台。
• 用例设计能力 + 业务纵深，是 AI 替代不了的判断力来源。

校招，强调：

• 体系化学习路径（能说出各阶段在解决什么问题）。
• 项目的完成度和真实踩坑（不求规模，求真实）。
• 学习能力和对质量工作的认同（面试官在筛「愿不愿意跟 bug 死磕」的人）。

分类题库【必须掌握】

按四个方向准备，每类都要能「答出框架 + 举出实例」：

方向一：测试理论与场景设计

• 如何设计登录、购物车、电梯、水杯、文件上传的测试用例？（六维框架，见第 05 章）
• 微信红包怎么测？（并发、金额边界、幂等、对账）
• 线上 bug 漏测了，如何复盘？（定级 → 定位漏测原因分类：用例缺失 / 环境差异 / 数据场景 / 流程问题 → 改进措施 → 沉淀自动化用例）
• 一条用例的「优先级」怎么定？
• 冒烟测试和回归测试的区别与执行时机？

方向二：自动化与框架

• 接口自动化框架怎么设计？（六大件，见第 06 章）
• pytest 和 unittest 有什么区别？JUnit 和 Mockito 怎么配合？
• Selenium、Playwright、Cypress 的区别是什么？
• UI 自动化不稳定怎么办？（定位策略、等待机制、数据隔离、重试治理）
• 用例之间怎么解耦？测试数据怎么管理？
• 怎么判断失败是脚本问题还是产品 bug？

方向三：性能与排障

• JMeter 压测报告怎么看？P95 和 P99 分别代表什么？
• 接口偶发超时怎么排查？（分层排查：客户端 → 网络 → 网关 → 应用 → 依赖，见第 08 章）
• 一次完整压测怎么设计？瓶颈怎么定位？
• 数据库慢查询怎么排查和优化？

方向四：AI 测试

• AI 生成的测试用例怎么验证质量？（审查清单 + 破坏性验证，见第 10 章）
• 如何测试一个 RAG 问答系统？（检索 / 生成 / 忠实度 / 引用，见第 11 章）
• 如何测试 Agent 工具调用？
• 大模型输出不稳定，断言怎么写？
• Prompt 改版后怎么保证质量不回退？（评测集回归 + 门禁）

追问应对【必须掌握】

面试官的追问套路是「往下挖三层」，每层都有应对策略：

• 第一层「你做了什么」：事实陈述，量化数据。
• 第二层「为什么这么做」：取舍对比（为什么选 Playwright 不选 Selenium、为什么用 fixture 不用全局变量）。没想过的取舍当场对比分析，展示思考过程而不是背答案。
• 第三层「如果变了怎么办」（并发翻倍 / 页面重构 / 模型降级）：这是考知识边界。策略：明确说出已知部分和不确定部分，再给出排查思路。宁可说「这个我没实际处理过，但我会从 X 入手」，不要不懂装懂——面试官对「诚实的边界感」评价远高于「什么都会」。

高频压力题

• 「你的自动化发现过真实的 bug 吗？举个例子。」——答不上这道题，前面讲的全白讲。平时做项目时就要留心积累。
• 「自动化用例维护成本高，值不值得？」——考价值观：讲 ROI 思维（核心链路自动化、低价值手工 / 探索）、金字塔分层。
• 「测试左移你落地过什么？」——哪怕小团队的回答（需求评审提可测性问题）也好过背概念。

学习建议与常见误区

• 准备一份自己的「项目故事卡」：每个项目一页，六段式各写 3-5 条要点 + 关键数据。面试前过一遍，比裸聊稳定得多。
• 模拟面试练表达：让 AI 扮演面试官对你的项目简历追问三层（提示词：你是资深测开面试官，针对我的项目经历逐层深挖，每轮回答后追问为什么），练的就是被追问时的结构化表达。
• 误区一：背题库。 题库是提纲不是台词。听出问题背后的考点（用例设计能力？排障思路？工程取舍？）再组织回答。
• 误区二：贬低前团队 / 前同事。 「他们代码太烂了所以我做自动化」这类表述是红线。讲「当时的问题和我的贡献」就够。
• 误区三：不懂装懂。 面试官问 AI 评测细节你答不上时硬编，两轮追问后信任归零。诚实 + 排查思路永远是对的。
• 误区四：只准备技术不准备反问。 「你有什么想问我们的」环节问出质量（团队自动化现状、质量度量方式、测开在发布流程中的角色），既是信息收集也是印象分。

自查清单

1. 不看笔记，用六段式在 3 分钟内讲完你的核心项目。
2. 四个方向的题库，每个方向随机抽 3 题，能先给框架再给实例。
3. 「自动化发现过什么真实 bug」的故事，你有几个？
4. 被追问到知识边界时，你的标准话术是什么？
5. 反问环节的 3 个问题准备好了吗？

推荐资源

• 本路线 第 05-11 章各章自查清单：面试前把全部清单过一遍，查漏补缺。
• docs/interview：本仓库规划中的分类题库与参考回答（持续建设中，欢迎贡献你遇到的真实面试题）。
• 牛客网面经板块搜「测试开发」：真实面试题的主要来源。
• AI 测试开发导航 · 面试刷题：测开高频面试题在线练习。
• AI 测试开发导航 · 面试测评：面试前能力自测，定位薄弱环节。
• AI 测试开发导航 · 简历模板：测试开发简历模板与写作参考。