理想汽车软件质量实习生

团队介绍：字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。 当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。 课题介绍： 随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。 本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。 课题挑战： 1、公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取； 2、跨端、跨仓、多技术栈的代码链路分析； 3、海量缺陷数据的特征分析和提取； 4、支持大规模应用的Agent系统工程； 课题价值： 1、保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率； 2、实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。

团队介绍：字节跳动质量技术团队，我们聚焦质量领域前沿创新，打造稳定、高效、领先的质量技术，深度赋能抖音、今日头条、豆包、电商等亿级用户产品。 当前，我们通过AI来检测代码、架构、产品的缺陷、风险和效果，用AI重构质量保障模式，提升研发效能。聚焦智能缺陷检测、GUI agent、AI评测等前沿方向，希望通过质量技术的突破，用AI改变测试行业。欢迎加入，与我们一起，定义和构建下一代质量技术，推动行业前进。 课题介绍： 随着大模型技术在软件开发领域的广泛应用，代码开发效率显著提升，AI生成代码的质量不确定性，都为软件测试带来了全新挑战。传统静态分析方法在复杂业务逻辑校验、功能一致性验证等场景存在明显局限，而动态GUI测试与API测试则面临执行开销高、测试覆盖度不足等问题。 本课题旨在构建一种基于LLM的智能缺陷检测系统。通过对需求文档和技术方案的语义理解，结合跨端、跨仓的代码调用关系的刻画，产出业务逻辑与代码实现的精准对齐，在此基础上，构建具备对各类缺陷特征有充分感知的缺陷检测智能体，高效、精准的识别业务逻辑、架构性能、程序安全等复杂缺陷。 课题挑战： 1、公司多样化业务场景下，对多模态需求的语义理解和功能逻辑提取； 2、跨端、跨仓、多技术栈的代码链路分析； 3、海量缺陷数据的特征分析和提取； 4、支持大规模应用的Agent系统工程； 课题价值： 1、保证软件质量的要求下，构建一种以静态检测技术为主的软件测试模式，优化测试资源的配置和效率； 2、实现软件缺陷的早期发现，降低缺陷识别和修复的成本，显著提升研发效能。

1. 软件可靠性方法论建设：构建软件可靠性设计与评估的完整框架，覆盖软件可靠性建模、软件 FMEA、代码质量分析、软件测试可靠性； 2. AI 规则定义：将软件可靠性分析方法拆解为 AI 规则，定义软件 DFMEA 中软件失效模式（逻辑错误、时序错误、资源泄漏、并发冲突等）的 AI 识别逻辑； 3. AI 代码审查规则建设：定义 AI 静态代码扫描规则，覆盖安全漏洞、编码规范、性能瓶颈、可靠性风险等多维度； 4. AI 测试用例生成：定义 AI 测试用例生成规则，覆盖单元测试、集成测试、系统测试的自动化生成逻辑； 5. 软件质量工具链建设：搭建软件质量工具链（含静态分析、动态分析、模糊测试、混沌工程），嵌入 CI/CD 流水线实现质量左移； 6. 软件质量赋能：针对安克 IoT 产品软件缺陷 100% 转化为硬件客诉的特点，建立嵌入式软件可靠性专项方法论，赋能各 BG 研发团队，推动软件质量能力在各 BG 落地。

-负责换电站软件问题的初步分析及解耦，与相关研发团队分析问题根本原因并解决问题，负责输出问题解决进展及问题状态 -及时识别换电站软件相关高风险问题（如高严重度问题、批量问题、可能引发舆情问题）并根据情况上升报警；支持进行重大问题评估，负责问题的调查、风险评估及方案确认 -负责对接云端和车端软件问题；与车端/云端软件对接，车端/云端发现的问题有逃逸流出时需做市场风险评估 -按需参与软件相关FMEA分析和LLR经验总结工作 -持续优化软件相关问题的分析体系及流程，提高问题解决效率