大家好，我是狂师。
过去一个多月，我干了一件事，开发了一个免费开源的测试开发刷题学习网站。刷题的部分是我把测试开发的面试题梳理了一遍，整理出 10 个专题共 200 题，学习路线、实战教程、工具导航也都补充了进来。
👉 https://ai.testfather.cn/
今天就把这套「AI 测试面试题大全」和这个网站，分享给大家。
一、为什么要做这件事
起因很简单。今年九月初，我在知识星球里开了一个面试题连载，把大模型测试方向的面试题一道道拆开讲，题目全部来自真实面经。
发着发着发现两个问题。
一是散。面经帖在牛客、脉脉、各个群里到处都是，今天爬到一道 RAG 评测，明天刷到一道自动化框架，东一榔头西一棒子，攒了半年也攒不成体系。
二是浅。多数面经只有题目，顶多附一段好心人回忆的答案，背完还是不知道面试官想听什么。同样是「性能测试怎么做」，校招生答三个指标就能过，社招五年经验答三个指标直接挂，这中间的差距，面经帖里没人告诉你。
所以这 200 题，我给自己定了个整理标准，每道题都要能回答四个问题，面试官为什么问这道题，答到什么程度算过线，什么答案能拉开区分度，什么细节是加分项。
按这个标准，整理了10个专栏，一个专题 20 题。
二、面试刷题库长什么样
先看全貌。题库覆盖了测试开发求职的十个方向。
| 专题 | 题量 | 覆盖内容 |
|---|---|---|
| 大模型测试 | 20 | 评测集建设、指标方法、幻觉安全、工程落地 |
| 软件测试必备 | 20 | 流程用例、缺陷管理、技术基本功 |
| 自动化测试 | 20 | 认知策略、Web 自动化、框架工程化、接口与移动端 |
| 性能测试 | 20 | 指标认知、方案执行、监控定位、专项报告 |
| 安全测试 | 20 | 认知体系、漏洞攻防、工具进阶 |
| AI 测试提效 | 20 | 认知选型、落地实践、风险工程化 |
| 研发效能度量 | 20 | 效能指标、度量实践、改进落地 |
| 测试平台开发 | 20 | 规划架构、核心功能设计、工程运营 |
| 测试管理 | 20 | 角色与团队、过程与项目、价值与转型 |
| 测试流程与协作 | 20 | 流程环节深挖、跨角色协作、情境题 |
每个专题内部再按子方向分组，比如大模型测试 20 题分成认知体系、评测集、指标方法、幻觉安全、性能稳定、工程落地六组，刷完一组，这块的面试就能接得住了。
三、拆开一道题看看长啥样
光说结构虚，挑一道举例，比如：「RAG 系统的评测怎么做」。
这题现在的出镜率极高，因为知识库问答是企业落地最多的大模型应用，面试官拿它一问，你是真评过还是只看过文章。
题库里这题是这样展开的。
先一句话定调，RAG 等于检索加生成，评测必须分层做，混在一起评就没办法归因，不知道该修检索还是修生成。
然后分层展开。检索层看上下文召回率、精确率、MRR、NDCG，其中排序质量有个很实用的判断，标准片段排在第 8 位基本等于没召回。生成层看忠实度、答案相关性、引用正确性。最后端到端评整体正确率，错了做归因，没召回就调切分和索引，召回了没用上就调 prompt 和排序，生成本身错就换模型或加约束，三类归因对应三条修复路径。
真正让这道题和面经答案拉开差距的，是题库里附的考察重点。
| 维度 | 这道题的判定标准 |
|---|---|
| 企业动机 | RAG 评测能力是当下招聘硬通货，会分层会归因的，实战深度立判 |
| 过线标准 | 能分层，并说出一侧的具体指标和测法 |
| 区分度 | 会讲归因的是实战派，只讲「评答案准不准」的等于没分层 |
| 加分项 | 句子级溯源、引用正确性，说明评过真实产品 |
这四个维度，就是每道题标配的「面试官视角」。刷题的时候不光知道自己答没答对，还知道这道题在面试现场是几斤几两。
200 题，每一题都是这个配置。
四、怎么刷题才有效
题库页上我写了一句话，这里再强调一遍，别光背答案。
只背下来的答案，自己没有真正理解，面试官稍加追问就BBQ了。正确的刷法是，看到题目先别看思路，自己对着空气口述一遍答案，讲不下去的地方就是你的缺口，然后再对照题库里的分层思路，看自己漏了哪一层。
每道题的思路都是按面试现场的表达结构组织的，先定调，再分层展开，最后收个尾。你口述出来的版本和它对不上的地方，要么是知识缺口，要么是表达结构问题，前者补知识，后者照着框架练几遍就顺了。
刷的顺序也有讲究。社招求职，先刷「软件测试必备」保底，再按目标岗位主攻一到两个方向，做 AI 方向就把「大模型测试」和「AI 测试提效」刷透，这两个专题眼下最值钱。校招打基础，软件测试必备加自动化测试是主力，其余专题过一遍留个印象，面试遇到至少有框架可讲。
五、网站打开就能刷，完全免费
这些内容现在全部放在网站上，不用注册，不用登录，不用下载任何东西。
👉 https://ai.testfather.cn/
打开就是学习路线首页，顶部导航点「面试题库」进题库，左侧栏十个专题随时切换，每道题独立成页，手机电脑都能看，通勤路上也能刷。
面试题库只是这个网站的一部分。整个站点是一套完整的测试开发学习体系，刷完题，接下来每一步学什么、怎么落地，站里也都铺好了。
先说学习路线。
13 个阶段，从零基础的岗位认知一路修到面试拿 offer。功能测试转测开、后端开发转测开、校招零基础，三条定制路径各自标好了重点阶段，不同背景不用从头读到尾，转行的跳过免修段直接主攻就行。每章末尾有自查清单，清单全答得上来，这一章才算过关。
9 月我写过一篇路线介绍，13 个阶段逐段拆解放在那篇里，这里不再重复展开，感兴趣的翻历史文章。
路线管学什么，教程管怎么落地。实战教程板块收录了 AI 测试实战系列全部 22 篇，围绕一个真实电商项目 shop-lab 展开，从需求拆解、用例设计，到接口自动化、UI 自动化，再把一条完整的业务链路串起来跑通。每篇对应一个 Agent Skill，接口文档解析、测试数据构造、失败自动诊断、报告生成，全是从环境搭建到跑通的真实操作，照着敲就能复现。
所有的 自研Skill 在「AI测开进化圈」星球中可以直接获取。
日常干活还差一个工具箱。资源导航板块收了 140 个测试工具，按 AI 编程、接口、UI 自动化、性能、安全五大类分好，每个工具独立一页，介绍、官网、开源地址齐全，GitHub 仓库和 star 数都实时核验过，标注了核验时间。另有 66 份推荐书单，九大分类，每份带永久网盘链接。
最近要面试的无脑先刷题库，时间充裕的从路线第一章走起，实战和工具导航留着日常慢慢用。
六、GitHub 同步开源
网站的全部内容，同步开源在 GitHub 仓库里。
👉 https://github.com/zhoujinjian/ai-testing-guide
仓库 8 月底建起来，内容用 CC BY-NC-SA 协议发布，个人学习、博客署名转载随意，注明出处就行。
每道题都是一个独立的 Markdown 文件，你觉得哪道题的思路还能补案例、哪个方向还缺专题，直接提 Issue 或 PR，我都会看。一个人整理 200 题，肯定有覆盖不到的地方，各位道友面完试回来，把被问住的新题贡献出来，这个题库就能一直长下去。
写在最后
最后说句实在的。
面试题刷多少道，从来都只是手段。200 题真正想帮你做到的，是把每个方向的考点框架装进脑子里，面试官不管怎么换着法子问，你都能顺着框架一层层往下讲。
网站免费，开源，长期更新。金九银十赶不上的，还有明年的金三银四，题库就在那里，什么时候开始刷都不晚。
觉得有用的话，去 GitHub 给个 Star ⭐，这是持续更新的最大动力。