摘要腾讯技术岗目前采用 4—17 级专业职级体系。不同职级之间不仅有薪资差异对工程能力、复杂问题处理能力和技术影响范围的要求也不同。对于测试开发岗位2026 年腾讯公开招聘中已经出现模型训练、部署、推理、评测以及 Agent CLI 测试等要求。本文整理腾讯技术职级与薪资结构并结合当前岗位要求梳理测试开发社招及 AI 测试方向的面试重点。腾讯测试开发社招现在需要准备什么除了 Python、接口自动化、测试平台、性能测试还要不要准备 RAG、大模型评测和 Agent 测试可以先从腾讯技术岗位的职级和能力结构看起。腾讯 2019 年将原有的“6 级 18 等”专业职级体系调整为4—17 级共 14 个专业职级。2024 年起专业职级不再在企业微信中公开展示但职级体系仍用于员工职业发展和能力评价。一、腾讯技术职级与薪资参考下面按照技术研发岗位公开报薪样本平均值整理。金额为人民币税前万元折算月薪按照年度工资计算年度总包还可能包含奖金和年度股权激励。公开报薪样本更适合观察不同职级的收入量级不能直接作为腾讯统一薪资标准。例如样本中 6 级高于 7 级、8 级高于 9 级原因可能来自业务线、城市、岗位、入职年份、绩效以及股票授予差异。因此不同职级的样本收入差不等于一个员工晋升后的实际涨幅。二、腾讯不同技术职级分别看什么能力职级提升对应的不只是工作年限。对于软件开发、测试开发等技术岗位可以从任务执行、独立负责、复杂工程问题、技术影响范围四个阶段理解。4—5级稳定完成工程任务这一阶段主要建立工程基础。测试开发岗位通常需要具备测试分析与测试设计接口测试LinuxSQLPython 或 Java基础自动化测试常见问题定位。能力重点能够独立完成明确的测试和开发任务。6—8级独立负责业务或模块到了这一阶段要求开始从“完成任务”转向“负责结果”。一个业务模块交过来需要能够自己完成需求分析 → 风险识别 → 测试方案 → 自动化 → 问题定位 → 上线保障。测试开发的能力也会从单点工具使用逐渐扩展到业务质量 自动化 测试开发 工程效率。9—11级解决复杂工程问题9 级以上对技术方案和复杂问题处理能力的要求进一步提高。评价重点不再只是会不会 Selenium、Pytest、JMeter而是为什么采用这个技术方案大规模用例如何稳定运行测试数据如何治理自动化平台如何持续维护性能瓶颈如何定位如何衡量质量平台的投入产出如何推动跨团队质量问题解决。2022 年腾讯人才评估体系调整后9—11 级的晋升评审权限也逐步下放至部门和业务线。对于测试开发岗位这一阶段通常会更多涉及测试平台、质量基础设施、稳定性、性能工程、效能工具和复杂系统质量保障。12级及以上专业深度与技术影响范围腾讯 2025 年 ESG 报告继续采用专业通道 管理通道的双通道职业发展体系。专业通道覆盖技术、产品/项目、设计、市场、专业五大职业族群并进一步划分为多个专业发展子通道管理通道则包括基层、中层和高级管理岗位。因此技术人员并不需要通过“带团队”才能继续提升专业职级。高阶专业岗位主要看两件事能够解决多复杂的问题以及解决方案能够影响多大的业务范围。三、腾讯薪资怎么看固定工资、奖金和股票分开算2024 年 7 月腾讯调整薪酬结构将原本年底发放的固定“服务奖”平均融入 12 个月月薪。腾讯当时说明服务奖本质属于固定薪酬的一部分调整后年终奖金更多回归业绩激励。所以现在看腾讯 Offer不能继续简单按照月薪 × 13 年终奖计算全年收入。更适合拆成三个部分收入组成看什么固定现金每月稳定工资绩效奖金奖金目标与绩效规则股票授予金额与年度归属级别越高股票和浮动收入对总包的影响通常越值得关注。比较 Offer 时可以直接确认固定现金是多少、奖金怎么算、股票几年归属。四、腾讯测试开发岗位正在加入 AI 质量保障对于测试开发人员2026 年更值得关注的是测试对象正在发生变化。腾讯技术工程事业群在2026 年 9 月 20 日更新的“基模生产平台 QA”岗位中已经直接列出了模型训练流程测试模型部署测试模型推理测试模型评估自动化平台和测试工具建设Agent CLI 端到端测试复杂平台质量保障。岗位同时要求扎实的编码能力以及独立开发测试工具的能力。这类岗位的测试对象已经从传统 Web、App、接口系统继续扩展到模型平台、LLM 应用和 Agent 系统。传统测试能力没有消失。接口、数据库、Linux、网络、缓存、消息队列、自动化和性能测试仍然属于测试开发基本能力。在这套基础上又增加了一层AI 系统质量保障。五、腾讯测试开发社招主要准备哪些内容社招测试开发和校招最大的差别之一是面试会花更多时间验证你实际做过什么以及为什么这么做。技术知识仍然会问但项目经验、工程方案和问题处理通常会被连续追问。可以按照五个方向准备能力方向重点项目与质量测试策略、质量风险、线上问题测试开发自动化、测试工具、测试平台系统能力Linux、网络、DB、Redis、MQ性能稳定性压测、监控、故障定位AI 测试RAG、LLM、Agent、模型评测六、腾讯测试开发社招项目面试题以下问题按照当前测试开发岗位能力要求整理不是腾讯官方题库。① 介绍一个你主导过的测试开发项目回答不要停留在“项目使用了 Python、Pytest、Jenkins。”更适合按照项目背景 → 质量问题 → 你的职责 → 技术方案 → 难点 → 结果展开。常见追问为什么要做这个项目哪部分是你独立设计的最大的技术问题是什么方案还有什么缺陷如果重新设计一次会改哪里② 一个新业务上线怎么设计测试策略可以从以下几个方向拆业务风险 → 核心链路 → 接口与数据 → 异常场景 → 性能 → 安全 → 自动化 → 上线监控社招面试更关注的是能不能从业务风险推导测试方案。③ 线上接口突然大量超时怎么排查可以按照调用链定位客户端 → 网络 → 网关 → 应用 → Redis → MySQL → RPC → 下游服务再结合CPU、内存、线程池、连接池、慢 SQL、GC、缓存命中率和下游 RT 分析。七、自动化与测试平台面试题④ 如何设计一套接口自动化测试框架至少要考虑用例管理 → 数据驱动 → 请求封装 → 环境管理 → 断言 → 执行 → 日志 → 报告 → CI/CD高级岗位还可能继续问如何并发执行如何隔离测试数据如何降低用例耦合如何治理失败用例如何做 Mock如何做失败归因。⑤ 自动化覆盖率是不是越高越好不是。自动化价值更适合综合考虑业务风险 × 执行频率 × 场景稳定性 × 自动化成本高频、稳定、核心回归场景通常更值得自动化。低频、高变化、高维护成本的场景不一定适合追求自动化覆盖率。⑥ 测试平台做出来以后怎么证明有价值可以从几个指标回答回归时间自动化覆盖缺陷发现阶段人工投入用例执行次数线上漏测故障恢复时间平台使用率。社招测开需要的不只是“做过平台”还要能够说明平台解决了什么工程问题。八、后端与系统工程面试题这部分通常围绕测试工作中的真实技术场景展开。可以重点准备⑦ Redis 缓存穿透、击穿、雪崩分别是什么⑧ Kafka 出现消费积压怎么定位⑨ 如何测试消息重复、丢失和乱序⑩ 一条 SQL 突然变慢怎么排查⑪ MySQL 索引什么时候可能不生效⑫ 分布式系统的数据一致性怎么测试⑬ TCP 三次握手解决什么问题⑭ HTTP、HTTPS、Cookie、Session、Token 有什么区别测试开发岗位回答这些问题时可以再多走一步这个机制如何设计测试场景验证。九、性能与稳定性面试题⑮ 一个接口从 100ms 变成 2s怎么定位先确定时间花在哪里客户端 ↓ 网络 ↓ 网关 ↓ 应用 ↓ 缓存 / 数据库 ↓ RPC ↓ 下游服务再结合 Trace、日志和监控定位具体瓶颈。⑯ 如何设计一次容量压测完整的压测至少包括目标 → 流量模型 → 用户模型 → 测试数据 → 环境 → 监控 → 瓶颈 → 容量结论QPS、TPS、RT、P95、P99 这些指标也需要理解具体应用场景。十、AI 测试已经需要单独准备腾讯当前的基模生产平台 QA 已经明确涉及模型训练、部署、推理、评估以及 Agent CLI 测试。准备 AI 测试面试时不需要只背大模型名词。测试开发更应该理解AI 系统怎么运行以及每一层应该怎么测。⑰ RAG 是什么RAG 系统怎么测试典型 RAG 链路用户问题 ↓ Query 处理 ↓ Retriever ↓ 召回 ↓ Reranker ↓ 上下文 ↓ LLM ↓ 回答测试也可以分层。检索层Recall、Precision、Hit Rate、MRR、NDCG。生成层正确性、相关性、完整性、Faithfulness、幻觉。系统层延迟、并发、稳定性、Token 成本、安全和权限。⑱ Embedding 模型换了以后怎么判断效果更好不能只通过几个问题人工体验。可以建立固定测试集对比RecallKMRRNDCGTop-K 命中率最终问答正确率。这样才能判断模型升级到底改善了什么。⑲ 为什么 RAG 会使用混合召回向量检索更擅长语义匹配。关键词检索对错误码、型号、ID、专有名词和精确字段更敏感。因此实际系统经常采用Vector Search Keyword Search → Merge → Rerank测试时还需要验证召回、融合、去重和排序。十一、Agent 测试怎么问⑳ 一个 AI Agent 应该怎么测试Agent 和普通聊天机器人不同它不仅输出文本还可能自主选择和调用工具。完整链路可能包括用户任务 ↓ 任务理解 ↓ 规划 ↓ Tool / MCP 选择 ↓ 工具执行 ↓ Observation ↓ 再次决策 ↓ 任务完成Agent 测试至少需要验证工具选择是否正确参数是否正确调用是否成功失败后能否恢复是否出现死循环是否重复调用是否越权多轮上下文是否丢失最终任务是否真正完成。十二、LLM 输出不固定自动化断言怎么做㉑ 大模型每次回答不一样怎么自动化测试传统接口测试经常采用assert actual expected大模型输出通常不能完全依赖 Exact Match。可以组合结构校验 规则判断 关键词 语义相似度 事实校验 LLM Judge 人工抽检不同场景采用不同评估方法。例如 JSON 输出可以重点做 Schema 校验知识问答可以重点检查事实正确性和 Faithfulness开放式生成则更适合综合评分。㉒ LLM-as-a-Judge 能不能直接作为测试结果不能单独作为绝对标准。Judge 的结果可能受到Judge 模型能力Prompt输出顺序回答长度参考答案模型偏好影响。工程上更适合组合确定性规则 传统指标 LLM Judge 人工评测十三、大模型升级以后怎么做回归测试㉓ 模型从旧版本升级到新版本怎么验证可以建立固定 Benchmark对比指标测试内容任务成功率任务是否完成正确率结果是否正确幻觉率是否出现无依据内容Tool Success Rate工具调用成功率延迟P50 / P95 / P99Token调用成本安全注入、越权、敏感信息Bad Case历史问题是否回归模型升级的结论应该能够回答哪些能力提升了哪些能力发生了退化。十四、算法和编码仍然是测试开发基本功AI 测试能力增加以后Python、Java、数据结构和算法并没有变得不重要。测试开发依然属于工程技术岗位。社招可以重点准备数组与字符串哈希表链表栈与队列二叉树二分查找滑动窗口DFS / BFS时间复杂度和空间复杂度。对于测试开发来说代码能力直接决定了能不能把测试思路真正工程化。十五、2026 年测试开发能力结构从腾讯当前公开 QA 岗位可以看到测试开发的能力边界正在继续扩展。过去比较典型的路线是测试基础 → 自动化测试 → 测试开发 → 测试平台现在部分 AI 业务已经继续延伸到测试基础 → 编程开发 → 自动化 → 测试平台 → 系统工程 → AI 系统测试其中 AI 测试主要包括大模型评测、RAG 测试、Agent 测试、Tool / MCP 调用测试以及模型应用的性能、安全和稳定性。腾讯当前公开招聘已经把模型生产流程和 Agent 产品列入 QA 工作内容这类能力正在从“了解 AI”逐渐进入实际的软件质量保障工作。对于准备腾讯以及其他大厂测试开发社招的人来说可以按照五个方向检查自己的能力测试基础、编程开发、自动化与平台、系统工程、AI 测试。这五部分连起来基本就是当前测试开发岗位比较完整的一套能力结构。