“熟练使用 ChatGPT、Cursor、Claude，能够生成测试用例和自动化脚本。”
如果你在测试工程师简历上这样写，几乎一定会被追问两分钟后失分：生成的用例你怎么验收？脚本不稳定怎么办？AI 把边界条件漏掉了，你如何发现？
工具会用不是坏事，但它已经很难构成能力差异。真正能让面试官停下来看的，是你有没有把 AI 用进一个可验证的质量闭环。
面试官真正想听的不是工具名
从面试视角看，“会用 AI”没有边界。它既可能代表你会让模型写几条用例，也可能代表你做过评测、回归、观测和上线决策。简历写得越空，面试官越倾向按前一种理解。
把下面一句：
使用 AI 自动生成接口测试用例，提高测试效率。
改成：
针对售后退款工作流梳理 46 条高风险样本；将“证据冲突、重复提交、无权限退款”写成自动化放行规则，在线上灰度前拦截 2 类工具调用顺序回归，并用 Trace 回放定位到策略版本切换。
后者不必吹“提升 300%”。它讲清楚了业务、风险、动作和证据，面试官也能顺着问下去。
一个可迁移的简历公式
用这四格重写所有 AI 相关项目：
业务问题 → 真实约束 → 你的质量动作 → 可以核验的结果。
例如：
业务问题：客服 Agent 会对不同订单规则给出不一致承诺；
真实约束：退款属于写操作，金额超过阈值必须转人工；
我的动作：按 P0/P1/P2 建评测集，校验工具顺序和人工交接；
结果证据：新版本回归发现 5 条高风险规则冲突，避免在灰度期间外溢。
没有 AI 项目怎么办？
不要为了简历虚构一个“智能客服”。拿你熟悉的订单、审批、报修、权限、消息通知流程，做一个小而完整的质量项目即可：模拟工具接口、准备边界样本、写出放行规则、保留回放日志。面试官更看重你是否理解工程风险，而不是有没有接过一个大模型 Logo。
最后一句提醒：以后简历里少写“我会用什么 AI 工具”，多写“我能替业务关住什么质量风险”。这才是测试工程师转向 AI 测试开发最稳的起点。
