标题：使用Python和AI进行QA自动化
地点：旧金山，加利福尼亚
混合模式 – 每周3天现场办公
我们正在寻找一位经验丰富的QA自动化专家，具备Python技能和实际的AI/ML经验，以推动我们产品组合的质量。您将负责测试策略，领导QA工程师团队，构建可扩展的自动化框架，并引入AI辅助测试以提高覆盖率、速度和缺陷检测。此角色结合了技术领导力、动手自动化以及与产品、工程和数据科学的跨职能协作。
主要职责
策略与领导力
- 定义并拥有端到端的质量策略、测试方法和发布准备标准，覆盖各个小组。
- 领导、指导并发展QA工程师团队；建立职业发展路径、技能矩阵和持续改进的文化。
- 推动左移测试实践，确保在PR、CI/CD和设计评审中设立质量门槛。
自动化与框架
- 架构和维护基于Python的自动化框架（例如，PyTest、Selenium、Playwright、Robot Framework）用于UI、API、集成和端到端测试。
- 使用Behave/Cucumber等工具实施数据驱动和行为驱动测试（BDD）。
- 标准化测试设计模式（页面对象、剧本、夹具、测试数据服务）并加强代码质量（代码检查、类型提示、评审）。
AI支持的质量
- 集成AI辅助测试（例如，智能测试用例生成、不稳定测试检测、失败聚类、日志中的异常检测）。
- 与数据科学/ML团队合作验证ML模型，包括数据集完整性、偏差检查、模型漂移监控以及推理服务的功能/非功能验证。
- 评估并在适当时采用AI驱动的测试平台（例如，Mabl、Testim）或使用scikit-learn/PyTorch/TensorFlow构建内部工具进行优先级排序和缺陷预测。
CI/CD与DevOps质量
- 将测试嵌入CI/CD管道（GitHub Actions/Jenkins/Azure DevOps/GitLab CI），实现并行化、分片和缓存。
- 定义并监控质量门槛（代码覆盖率、变异测试、静态分析、性能阈值）。
- 使用Docker/Kubernetes、服务模拟、测试数据服务和合成数据生成编排环境管理。
质量运营
- 建立指标和报告（DRE、逃逸率、MTTR、不稳定率、覆盖率、缺陷老化）并使用仪表板（Grafana/PowerBI）。
- 领导根本原因分析并推动纠正/预防措施（CAPA）。
- 与产品和工程团队合作进行发布计划、风险评估和签署。
所需技能与经验
- Python：高级熟练度；构建稳健的测试框架、工具、解析器和CLI工具；强大的面向对象编程和熟悉并发（asyncio）、类型、打包。
- 自动化：熟练使用PyTest、Selenium/Playwright、Requests、Robot Framework；API测试（REST/GraphQL）、契约测试（Pact）和服务虚拟化/模拟。
- AI/ML知识：了解ML生命周期（数据准备、模型训练/评估、漂移监控）和AI辅助测试概念（优先级、不稳定测试检测、异常检测）。能够使用pandas、NumPy、scikit-learn进行分析。
- CI/CD与DevOps：有将测试集成到管道中的经验、容器化测试、环境编排和测试并行化。
- 性能与可靠性：接触过负载/压力测试（JMeter/Locust/k6）和可靠性检查（弹性、混沌测试基础）。
- 云与工具：熟悉AWS/GCP/Azure、Docker/K8s；版本控制（Git）、问题跟踪（Jira/Azure Boards）。
- 领导力：有领导QA团队、设定标准、指导和跨多个版本交付的经验。
