“我做过一个 AI 测试项目，主要是调用大模型自动生成用例。”
这句话刚说完，面试官大概率会接着问：生成后你怎么知道它对不对？什么情况下它不能执行？你自己实际发现过什么问题？
对校招生来说，这不是故意为难，而是在确认项目是不是你真正做过、想过的。
项目小不怕，最怕没有质量闭环
你完全可以用校园报修、图书借阅、课程咨询、二手交易做项目场景。重要的是不要只做一个聊天窗口，而是让它具备一个可验证的工作流。
比如“校园报修助手”：它识别学生描述，调用 Mock 的报修接口，低置信度转人工。你要考虑的不是模型有多酷，而是：
设备编号不完整时，能不能乱创建工单；
同一个请求重复提交，会不会生成两张单；
身份不属于本校区，能不能查看其他区域的报修记录；
你用什么样本证明它不会在这些地方失控。
面试时按这个顺序讲
先讲场景和用户，不要先报技术名词。再讲你预判的风险、你设计的测试方法、你实际发现的一个问题和修复后的回归方式。
一个简洁但有分量的表达可以是：
我做了校园报修助手的测试闭环。正常样本验证意图识别；边界样本覆盖设备编号缺失和重复提交；异常样本验证跨校区越权。后面发现接口重试会创建重复工单，我给 Mock 接口加了幂等键，并把这个案例固化成回归测试。
简历可以这样写
基于 Python + 接口 Mock 构建校园报修智能助手测试项目；设计正常/边界/异常三类 32 条样本，验证工具调用、重复提交与人工转接；定位并修复重复创建工单问题，沉淀回归脚本与测试报告。
它不夸张，也比“熟悉 AI 测试”更容易拿到下一轮追问的机会。
