免费POC, 零成本试错
AI知识库

AI知识库

学习大模型的前沿技术与行业落地应用


收藏

DeepSeek Harness上线后,我整理了10道可能出现在测试开发面试里的题

发布日期:2026-08-20 08:06:23 浏览次数: 1944
作者:霍格沃兹软件测试开发

微信搜一搜,关注“霍格沃兹软件测试开发”

推荐语

DeepSeek Harness上线即破15万星,10道测试开发面试题+考察点+参考思路,助你面试轻松通关!
核心内容:
1. 10道测试开发面试题整理(含概念题、架构题等类型)
2. 各题核心考察点解析(技术敏感度、运行原理、架构理解等)
3. 参考回答思路及直接复用建议(提供解题框架,可背诵)

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家


上周给团队做模拟面试,我问了一道题:"怎么测一个会自己改自己的系统?"现场安静了三秒。这道题不是凭空编的。2026年8月13日晚,DeepSeek 发布了首款开源 Agent 产品 DeepSeek Harness(简称 dsh),MIT 许可证,上线约 42 小时破 10 万星,目前已超 15 万星。更关键的是,它的终极目标是 Self-Evolving Agent Harness——Agent 在运行中自己编写、安装插件。当测试对象开始"自进化",面试题迟早跟上。我整理了 10 道题,每题附考察点和参考回答思路,可以直接背诵复用。

概念题

Q1:用一分钟介绍一下 DeepSeek Harness?

考察点:技术敏感度,是否跟进行业动态。

参考回答思路:它是 DeepSeek 在 2026 年 8 月 13 日发布的首款开源 Agent 产品,MIT 许可证。设计理念是"一切皆插件":Model Adapter、Tool Registry、Session Log、Agent Loop 全部可插拔、可替换、可检查,底层由 Cordis 插件治理框架驱动。它标志着 DeepSeek 从"造模型"走向"造 Agent 产品"。加分项:补一句官方明确警告当前是 developer preview,会有破坏性变更——说明你真的读过 README。

Q2:什么是 Agent Loop?

考察点:对 Agent 运行原理的理解,而不是背名词。

参考回答思路:Agent 循环就是"思考—调用工具—观察结果—再思考"的迭代过程,直到满足终止条件。它和聊天机器人最本质的区别在于:模型不只给答案,还会采取行动,并根据反馈修正自己。

# 简化示意:Agent Loop 的骨架(非 dsh 源码)
while not done and step < MAX_STEPS:
    action = llm.decide(context)           # 思考:模型决定下一步动作
    observation = execute_tool(action)     # 行动:执行工具调用
    context.append(observation)            # 观察:结果写回上下文
    done = action.type == "final_answer"   # 终止:模型判断任务完成

绝大多数 Agent 异常——打转、跑偏、成本失控——都能追溯到这个循环出了问题,这也是它成为面试高频点的原因。

Q3:怎么理解"一切皆插件"?

考察点:架构理解,以及能否看出设计对测试的意义。

参考回答思路:在 dsh 里,模型适配、工具注册、会话日志、Agent Loop 这些核心部件都被当作可插拔组件,统一由 Cordis 框架治理,对应论文提出"时空可组合性"。对测试的红利有两层:其一,凡是可插拔的,就能单独替换、单独验证,天然适合组件级测试和故障注入;其二,"可检查"意味着内部状态可观测,正好缓解 Agent 测试最头疼的黑盒问题。

Q4:Revertible Effects 为什么重要?

考察点:关键机制的理解,能否和质量挂钩。

参考回答思路:它要求对上下文的每次修改都留下一个"反向方法",卸载时按相反顺序撤销,媒体称之为给 AGI 自进化发的"后悔药"。重要性在于:当 Agent 开始自己写插件、改自己,犯错是常态,"能回滚"就是最后一道安全兜底。再往前说一步会更出彩:回滚本身也要测——反向方法是否完备、撤销顺序是否正确、连续多次修改后能否干净还原。

人工智能技术学习交流群

伙伴们,对AI测试、大模型评测、质量保障感兴趣吗?我们建了一个 「人工智能测试开发交流群」,专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索,都欢迎扫码加入,一起抱团成长!期待与你交流!👇

图片

实践题

Q5:AI 输出是非确定性的,怎么测?

考察点:AI 测试的核心方法论,近期最高频的新题型。

参考回答思路:放弃"断言精确值",转向"断言性质"。四个常用手段:一是多次运行看分布,用统计通过率代替单次成败;二是结构断言,只校验格式、必填字段、关键词;三是 golden set 对比,用精选的代表性用例当基线;四是 LLM-as-Judge 辅助打分,但裁判模型本身要先校准。

# 简化示意:对非确定性输出做统计断言
def test_agent_answer(run_agent, judge, runs=10, threshold=0.8):
    passed = sum(
        1 for _ in range(runs)
        if judge(run_agent("如何对 Python 列表排序?"))
    )
    assert passed / runs >= threshold, "多次运行通过率不达标"

Q6:AI 生成了一批测试用例,你如何评估它们?

考察点:对 AI 产物的质量验收能力。

参考回答思路:分三层漏斗。第一层"能不能跑":语法合法、可真实执行;第二层"对不对":断言是否真的针对业务规则,而不是只调了接口、没做任何校验;第三层"有没有价值":看覆盖增量、变异测试的杀伤率、能否发现新缺陷。一定要警惕"用例数量多=质量好"的错觉,AI 特别擅长生成看似正确、实际永远通过的废用例。

Q7:给 dsh 这样的插件系统设计回归测试,你怎么做?

考察点:测试设计能力,能否把概念落地。

参考回答思路:三层。第一层,插件契约测试:每个插件的输入输出格式与约束边界;第二层,组合兼容矩阵:插件版本两两组合后的行为;第三层,装载与卸载后的集成冒烟。特别要提 Reactive Coeffects 机制——组件声明所需能力,能力出现或消失时系统自动重算依赖,"重算"本身就值得专门设计用例:卸载插件 A 后,依赖它的插件 B 是优雅降级还是直接崩溃?

Q8:dsh 已知有稳定性短板,你会怎么测?

考察点:面对真实产品短板的测试策略。

参考回答思路:社区实测的短板是响应偏慢、复杂长任务稳定性不足、偶发循环打转、API 成本随任务长度放大。我的做法:把时间预算和轮次预算纳入测试约束;对"打转"设行为特征检测——连续出现相同或相似的工具调用就告警;建立任务长度与 token 成本的曲线,把成本当回归指标盯。另外官方警告会有破坏性变更,每次升级本身就是一次回归风险,需要锁定版本做基线。

开放题

Q9:Agent 自进化会带来哪些新的质量风险?

考察点:风险意识与辩证思维。

参考回答思路:至少三层。一是行为漂移:Agent 装了自己写的插件后,旧用例上的行为变了,回归基线失效;二是错误传染:一个错误插件被后续任务复用,错误被放大且难以定位源头;三是审计困难:系统状态是运行时历史的中间产物,缺陷复现成本陡增。应对手段是版本快照、行为基线、回滚验证三件套。最后补一句辩证观点会更稳:也有人质疑软件自进化可能是伪命题,只会带来更大混乱——我认为这种谨慎是合理的,越要自进化,越离不开可回滚与可审计。

Q10:如果让你从零搭建 Agent 产品的评估体系,怎么设计?

考察点:体系化设计能力,压轴综合题。

参考回答思路:四步。第一步,建 golden set:收集代表性任务和预期性质,宁精勿滥;第二步,建可复现的执行环境:沙箱隔离、环境快照,保证每次评估条件一致;第三步,多维评分:任务完成率、步骤数、token 成本、安全性(有无越权操作);第四步,看板与门禁:指标回退即阻断发布。核心观点一句话:对非确定性系统,评估环境的可复现性优先于一切,否则任何结论都不可信。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅