基础:耐心、细心、耐受重复工作、破坏性思维、逆向思维、持续学习能力

核心能力/性格：
1. 强思辨+逻辑拆解能力：大模型不是传统程序，错误是模糊、幻觉类，不是必现bug；要能区分：是prompt问题、模型能力问题、还是Agent编排/工具调用问题，不是只抓现象。
​如何判断一个bug是模型问题还是agent问题可以看前几天的作品，给大家详细的拆解了。

2. 对语言、推理、任务链路的敏感度：能识别隐性错误（比如看似通顺，但事实错误、逻辑漏洞、价值观偏差、Agent多轮任务中途跑偏）。传统测试看功能是否报错，大模型测评要判断输出质量。agent测试一定要注意思维链，就是工具调用、skills的调用是否准确。
​
3. 归纳抽象能力：大量case跑完，不能只一条条记bug，要归类失败模式、提炼测评维度，设计测试集，而不是单纯手工点点。
​
4. 共情/用户视角：要站在真实使用者角度，评估体验，不是只站在“找茬”角度；很多模型问题是场景化体验问题，不是硬故障。
​
5. 接受不确定性的心态：模型结果不稳定，同样输入每次回答不一样，不会像普通代码bug稳定复现。这点很多传统测试的人会不适应。
#AI测试开发 #AI测试工程师 #软件测试 #大模型 #自学软件测试 #人工智能就业 #AI测试 #vibecoding大赏 #Agent测试工程师 #AI人工智能