我做了三年测试开发，测试面试过上百个号称“AI测试工程师”的工程候选人，最后发现这个岗位九成时间在干的测试事，跟AI半毛钱关系都没有。工程真正上手那天，测试leader扔给我一个训练好的工程模型，说“你测测”，测试我盯着那个黑盒子，工程连它输入什么格式都不知道。测试

所谓的工程AI测试，本质上是测试测一堆概率。传统测试有明确预期，工程输入1+1，测试输出必须等于2。工程模型不是测试，你给同一张图片加个噪点，它可能从“猫”变成“狗”。你没法写死断言，只能定阈值——准确率要过95%，召回率不能低于90%。可阈值谁定的？产品拍脑袋，算法工程师说“业界标准”，最后全成了扯皮素材。

我踩过最深的坑是数据测试。你以为在测模型，其实在测Excel。标注样本够不够？类别分布均不均匀？训练集和验证集有没有泄漏？有一次我们模型准确率突然从98%掉到70%，查了三天，发现是数据预处理脚本把RGB通道顺序搞反了。这活儿跟AI有关系吗？分明是传统软件测试的活，但背锅的是“AI测试工程师”。

更坑的是，模型迭代根本没法自动化回归。传统项目改个代码，跑一遍CI就知道挂没挂。模型换了个训练参数，你肉眼没法判断好坏——得人工抽看case。我见过最狠的团队，每周让测试妹子看两千张标注图，看到最后她跟我说“现在看谁都觉得像猫”。这岗位干一年，视力没下降算你基因好。

你以为懂点Python、调过几个开源框架就能混？面试官最爱问“你怎么评估一个推荐系统的好坏”，等你真进去了，发现线上A/B测试跑两周，数据波动大到连统计显著性都算不出来。你提议用t检验，算法说“业务方等不了”，产品说“老板要看涨跌”，最后结论是“感觉这个版本还行”。

转行做AI测试这一年半，我最大的收获是学会了写周报。怎么把“调了一天参”包装成“探索超参数对模型鲁棒性影响”，怎么把“看漏了十个坏case”描述成“发现边界样本分布偏移”。这技能倒是很AI——毕竟，连我的周报都开始用生成式模型写了。