李 雨亭

敏捷协作：独立负责 HelloRide app 和政府数据大屏功能&接口测试，参与需求评审、测试设计、用例执行到上线发布的全周期流程，平均每周输出 2–3 份测试计划与测试报告，并在每日站会中主动同步测试进度与风险，支持业务在海外市场准时高质量上线。

用例编写&缺陷管理：累计编写 500+测试用例，漏测率 0%，通过 Charles/F12 抓包分析接口数据，结合日志平台排查问题根因；利用 Mock 数据、数据库（Sql/Redis）等多种手段实现测试场景搭建&数据一致性验证，发现并推动修复累计 50+ 缺陷。

自动化测试&测试工具：针对高频回归场景，编写核心业务链路的端到端自动化脚本及接口测试脚本 50+，覆盖登录、扫码骑行、支付等关键路径，发现回归 bug5+；同时编写接口测试提效工具与业务流程自动化，减少重复性人工操作，测试效率提升 50%

用例设计&用例评审：根据需求文档或业务需求编写功能&接口测试用例（覆盖三棵树、UR 等品牌微信小程序会员中心、CRM 营销中台等场景）。主持参与用例评审会，协调产品、研发团队对齐测试标准。

测试执行&缺陷管理：使用 Apipost、Charles、Jemeter 等工具进行相关测试，累计提交 Bug20+，并通过飞书管理缺陷生命周期，协助开发使用 SQL Server 和 Kibana 日志平台 分析定位 Bug 出现的原因。

自动化测试：基于 Pytest+requests+Allure 编写接口自动化测试脚本，累计编写 30 +接口测试脚本，提升回归测试效率；参与测试接口开发，通过封装鉴权、工具类及接口调用方法向下游提供可直接调用的 API。

性能测试: 使用 Jmeter 进行单业务场景下的性能测试，记录响应时间、吞吐量、错误率等重要指标，提交性能测试报告。

Java 代码开发：基于 Java 反射机制实现用户解题方法的动态调用，支持多种算法题型的统一执行；设计通用参数转换器，自动适配不同题目输入输出格式，提升核心代码复用率 80%。使用 Git 进行版本管理，独立完成 2000+ 题目相关代码的提交与迭代。

AI 自动化流程：引入 AI 大模型根据题目描述自动读取并生成边界测试用例与题解代码，累计生成 1000+高质量测试用例与代码，提高题目覆盖度与代码验证效率。

Python 脚本编写：使用 Python 编写自动化脚本，利用 pandas 从 Excel 中自动提取测试用例并生成报告，使用 subprocess 模块与线程池技术优化测试执行，构建从编译、执行到错误报告的全流程自动化流水线，减少 70%手动测试工作量。

项目背景：针对 HelloRide app（ios&Android&鸿蒙）迭代需求进行系统测试，涵盖骑行卡、支付、申诉、多语言配置等多个核心模块；政府平台的昆仑出海数据大屏系统测试，涵盖车辆热力图，车辆状态、订单统计等多个模块测试。

多场景测试执行：参与核心业务的功能测试与接口测试，覆盖 Redis 缓存一致性、埋点数据、push 推送等复杂场景，确保各环节功能正常。

全流程测试保障：独立执行冒烟测试、功能测试、回归测试，累计编写并执行 500 + 测试用例，通过等价类划分、边界值分析等方法确保测试覆盖全面，平均代码覆盖率保持 90%+，实现版本发布漏测率 0%；发布后完成多版本兼容性回归及核心场景验证，保障用户端体验稳定。

缺陷管理与质量把控：独立完成 Bug 复现、日志记录及修复建议输出，累计发现有效 Bug50+，其中包括 5+历史逻辑漏洞（如骑行卡核销、用户申诉），10+界面优化 Bug 被产品/开发采纳；

测试计划与测试沉淀: 明确测试范围、方法及结果，记录遗留问题并跟踪闭环，辅助产品完成功能验收；搭建团队知识库，沉淀测试方法、功能迭代更新、业务流程操作等资料，被多名同事采纳使用。

AI 测试工具：利用 AI 编写测试用例，提高用例覆盖完整度测试提效；利用自研 Agent 平台，编写接口测试 Agent 生成接口测试报告分析，利用提示词工程和知识检索增强辅助接口测试字段正确性与一致性验证。

项目背景：面向三棵树开放平台搭建完整接口自动化测试方案，覆盖会员管理、订单处理、积分系统、门店与员工管理等核心业务接口，在日常回归与联调中，用自动化测试替代大量人工冒烟验证，有效缩短回归周期并提升发布质量稳定性。

搭建基于 Pytest 的自动化测试框架：基于 Pytest 设计分层框架，封装用例执行、环境管理、HTTP 请求、响应断言、日志记录等模块，提升代码复用率和可维护性，支持一键化执行接口回归。

数据驱动管理测试数据：使用 pytest 中 parametrize 抽取测试用例中请求头、请求参数、预期结果等信息，提供工具支持使用 excel/json/yaml 等多种格式提取测试用例，支持非开发同事按模板维护用例，降低协作门槛。

封装核心工具模块：封装 requests 模块，统一处理 HTTP 请求，鉴权(如 Token)，超时重试等逻辑；封装 logger 日志模块，记录请求/响应详情，提升问题定位效率。

测试报告生成：支持生成 pytest-html 与 Allure 测试报告，从接口覆盖、通过率、失败原因等维度直观展示质量状况。

项目背景：针对客户经理在企业信贷尽调中存在重复、冗余的人工材料审核的痛点，开发一套基于 Coze 平台的尽调报告生成 Agent，涵盖材料完整性验证、财务报表、征信报告、诉讼分析等方面的尽调报告。

图像对比与接口封装：运用 Clip 模型进行针对性训练，实现对调研情况图片的精准相似对比。通过严谨的实验与分析，设定合理特定阈值，最终达成 100% 的准确率。利用 FastAPI 框架将该功能封装为易于调用的接口，并成功集成至 Coze 平台以供调用。

Coze 工作流搭建：根据不同的尽调需求和业务逻辑，设计并构建多样化的工作流。通过智能 Agent 对用户意图的准确识别，灵活且智能地调用相应模块报告的工作流，确保尽调报告生成过程的自动化与智能化，有效提高了报告生成的效率与质量。

Coze 智能体搭建：通过 Coze 平台搭建智能 Agent。LLM 通过用户意图识别，灵活调用工作流，从而生成尽调报告。