李俊颖

01

我做测试的三个习惯

技术背景让我能和研发对话；产品训练让我先问「为谁解决什么问题」；测试习惯让我把每个结论变成可复现的证据。

01

先拆角色、流程和数据流向，用例既覆盖主流程也覆盖异常分支；五冶项目里把「检索准不准」拆成可量化、可复测的指标。

02

28 项缺陷从发现、修复到回归全部闭环；4.8 万条数据治理有前后对比（72%→97%），结论都能复现。

03

写过 PRD、画过 110+ 页高保真原型，能在需求评审阶段就指出验收风险和边界条件。

测试

测试流程 · 等价类 / 边界值 / 场景法 · 用例设计 · 缺陷提交与跟踪闭环 · 回归验证 · Postman 接口测试（断言 / token 关联）· SQL 数据校验 · UAT 验收 · 测试报告与上线检查清单

产品

需求调研 · PRD · 业务流程梳理 · Figma / Axure 高保真原型 · 验收标准

AI

RAG / LLM 原理 · 检索效果测试（测试集构建 / 指标评估 / badcase 归因）· AI 标注规范 · Prompt · AI 辅助生成用例

技术

Java · Python · C · MySQL / SQL · HTTP / JSON · 能读源码辅助定位缺陷

工具

Postman · Claude Code · Codex · ChatGPT · Gemini · NoCode · ECharts · Jinja2

语言

CET-4，可阅读英文技术文档

02

教育出版、工程 AI、政务审计——行业不同，方法一致：先把需求拆清楚，再把验收做实。

2026.07 — 2026.09

开发测试实习生 · 教育出版

C / B 端

负责知识服务平台 C 端与 B 端管理后台 0→1：梳理业务流程、输出 PRD 与验收标准；参与前端与全栈开发，主导内容管理模块测试验收与缺陷修复闭环。
针对激活码生成与状态流转主流程，用等价类、边界值设计用例，覆盖异常、越权与兼容性场景；用 SQL 比对页面、接口与导出数据一致性。
重构商户后台活动管理流程与页面交互，单项业务处理时长缩短约 30%；组织业务方 UAT 验收，输出测试执行记录与上线检查清单。

0→1 上线处理时长 −30%双端验收

2025.04 — 2026.04

开发测试 · 工程 AI

RAG

牵头地质科研 AI 助手与勘察报告生成系统 0→1：梳理业务场景、输出 PRD 与产品方案，组织多轮需求评审。
抽取真实业务长尾问题构建测试集并确立标准答案，覆盖多义词与跨文档场景；围绕命中率、答案准确率与响应时延组织 3 轮内测，检索准确率 89%、响应 1.2 秒。
用 Jinja2 打通采集—渲染—校验链路，设计字段缺失与多模板批量渲染测试场景，报告格式合规率近 100%，单份节省 20H+、累计 400H/月、人效提升 90%+。
制定 AI 标注规范与双轨标签体系，标注门槛从 3 年经验降到 1 年以内，单人标注效率提升 3 倍。

准确率 89%响应 1.2s人效 +90%标注 ×3

2026.04 — 2026.06

产品测试 · 政务审计

B 端

拆解高校审计多角色协作流程，输出业务结构图与功能清单，把复杂需求转成可量化的系统验收标准。
完成项目管理、审计底稿等 5 大模块、110+ 页高保真原型（核心流程 7 步→3 步）；模拟真实用户习惯开展交互测试，推动体验类缺陷修复。
治理 4.8 万条存量数据，按来源分层抽检 200 条，准确率 72%→97%；推动 28 项功能缺陷全量修复闭环，形成标准化交付模板。

110+ 页原型流程 −4 步数据 97%28 项闭环