QA 履歷範本與寫法 2026 — 5 個必備區塊、STAR 故事範本與 AI / ATS 篩選怎麼過
從 Header 到 Experience 的 QA 履歷 5 個必備區塊,附 STAR 故事範本與完整 markdown 範例。2026 年履歷多半先過 AI / ATS 才輪到人看,我把關鍵字怎麼放、AI 測試經驗怎麼寫、7 個反模式和海內外差異整理成一份能直接照著改的清單。
本文原刊於 qa.9niche.com,2026-08 併入 9niche.com 懶人包。2026-11-13 補上 AI / ATS 篩選與 AI 測試經驗兩節、FAQ 與資料來源。
前言
收到 100 份 QA 履歷、80 份長一樣:「跑 regression、寫 test case、用 Selenium」。剩下 20 份才有人讀。2026 年更麻煩:這 100 份很多先被 AI / ATS 篩過一輪,長一樣的那 80 份可能連人都沒看到。
這篇給你進那 20% 的完整方法 — 不是模板美感、是內容結構,再加上 AI 篩履歷之後該調整的寫法、QA 履歷怎麼放 AI 測試經驗。
一份好 QA 履歷的 5 個必備區塊
順序就是 recruiter 眼動的順序。一頁紙、頂部 1/3 決定他是不是繼續看下去。
區塊 1: Header — 6 秒鐘印象
只需要:
姓名(中英)
職稱:Senior QA Engineer / SDET
所在地:Taipei (open to hybrid / remote)
Email | LinkedIn | GitHub | Portfolio
一句話定位 ← 最重要
爛例子:「具備測試經驗的工程師」
好例子:
- 「7 年自動化 QA、專精 Playwright 框架建置、E2E 從 0 到 200 case」
- 「跨 Web + Mobile QA、3 次主導測試平台從 0 到 1」
- 「Cryptocurrency exchange QA Lead,建立 5 人 team、上線 0 P0 incident 18 個月」
3 個元素:年資 + 專長 + 量化成就。
區塊 2: Summary — 3-4 句
不是塞滿 keyword、是講你能解決什麼問題。
爛例子:
具備 5 年 QA 經驗,熟悉自動化測試、Selenium、Appium、API 測試...
(後面 30 個 keyword)
好例子:
QA 工程師、7 年資歷,從手動測試起步、現專注於 web/mobile 自動化框架建置。
主導過 3 次從 0 建立 E2E 平台(Selenium → Playwright → Detox),
平均把 release confidence 從 60% 拉到 95%,
最近一次讓上線 P0 bug 從每月 5 個降到 0.5 個。
下一步想往 Test Platform / Tooling 方向走。
結構:定位 → 過去做過什麼 → 想往哪走。
區塊 3: Skills — 分組、有層次
爛例子:
Skills: Selenium, Appium, Playwright, Jest, Mocha, JUnit, Pytest,
Postman, JMeter, Locust, Cypress, TestRail, Jira, Git, Docker, ...
讀的人睡著了。
好例子(分組,下面 5 組照抄改):
自動化(精通)
- Playwright (TypeScript) — 主導 3 個專案、框架自建
- Cypress、Selenium WebDriver — 5 年實戰
- Page Object Model 架構設計
API 測試(精通)
- pytest + requests + jsonschema
- Postman collection、Newman CI 整合
- Contract testing (Pact)
CI / Tooling(熟悉)
- GitHub Actions、GitLab CI 設計與 maintain
- Docker、Kubernetes 基礎
- Allure、JUnit XML 報告整合
程式語言
- Python、TypeScript(日常用)
- Go(看得懂、能改)
工具
- TestRail、Xray、Jira、Linear
- Sentry、Datadog、Grafana
標「精通 / 熟悉 / 接觸過」,HR 不會問細節、面試官會專挑「精通」那塊問。
區塊 4: Experience — 重點中的重點
用 STAR 結構寫每段經歷:
Situation: 背景
Task: 你的任務
Action: 你做了什麼
Result: 結果(量化)
爛例子:
ABC 公司 · QA Engineer · 2022-2024
- 撰寫 test case
- 跑回歸測試
- 用 Selenium 寫自動化
- 跟 dev 溝通 bug
讀完不知道你做得好不好、規模多大、解決什麼。
好例子:
ABC 公司(電商平台,月訂單 50 萬)· Senior QA Engineer · 2022-2024
[Situation] 加入時 QA 5 人、E2E 自動化覆蓋率 15%、上線 P0 bug 平均 3 個/月
[Action]
- 主導 Selenium → Playwright 遷移,3 個月完成 120 個 case 改寫
- 設計 Page Object Model + fixture,新人寫 case 時間從 1 天 → 2 hr
- 加 GitHub Actions PR 留言整合,dev 不用點 CI 就看結果
- Spec review 流程 pilot,pilot team P0 從 3/月 → 0.5/月
[Result]
- E2E 自動化覆蓋率 15% → 65%
- 跑 E2E 時間 1 hr → 12 分鐘(shard + cache)
- 上線 P0 bug 從 3/月 → 0.8/月
- Mentor 2 個 Junior,其中 1 個升 Mid
讀完 30 秒、知道你 own 過什麼、規模多大、結果如何。
Action 動詞清單(取代 worked on / responsible for)
Led, Architected, Designed, Built, Migrated, Refactored,
Reduced, Improved, Doubled, Cut, Eliminated, Automated,
Mentored, Coached, Hired, Onboarded,
Partnered, Aligned, Influenced, Advocated, Proposed
這些都比「worked on」有力 10 倍。
數字化的 5 個面向
每段經歷至少 3 個數字。沒數字 = 不可信。
區塊 5: Projects / Other — 差異化彈藥
如果你有:
- Side project / Open source
- Blog / Conference talk
- 證照(ISTQB、AWS)
- Volunteer 經驗
- 多語能力
放上去。新人特別要 — 沒工作經歷時這是唯一差異化。
範例(下一節):
Side Projects
TestKit (open source, 200+ stars on GitHub)
Python library that wraps Playwright into a Lego-style API for QA teams.
- Tech: Python, Playwright, pytest
- Result: 用於 3 個外部公司、被 5 個 conference talk 引用
個人技術 blog(yourname.dev)
QA 知識庫,月閱讀 5,000+,含 20 篇實戰文章。
完整 markdown 範本(直接 copy 改)
# 王小明 (Mark Wang)
**Senior QA Engineer** · Taipei · open to hybrid / remote
[email protected] · [LinkedIn](https://linkedin.com/in/...) · [GitHub](https://github.com/...) · [Blog](https://...)
> 7 年自動化 QA、專精 Playwright + pytest 框架建置。
> 過去 3 個專案均把上線 P0 bug 降 80% 以上、團隊 release cycle 從 4 週縮到 1 週。
---
Summary
QA 工程師、7 年資歷。從手動測試起步、現專注於 web / mobile 自動化框架建置與 CI/CD 整合。 主導過 3 次從 0 建立 E2E 平台。過去 18 個月所在團隊上線 0 P0 incident。 下一步想往 Test Platform Engineering 方向發展。
Skills
自動化(精通)
- Playwright (TypeScript)、Cypress、Selenium WebDriver
- Page Object Model 架構設計、Fixture / Test data 設計
- Visual regression (Percy)
API 測試(精通)
- pytest + requests + jsonschema
- Postman、Newman、Pact contract testing
CI / Tooling(熟悉)
- GitHub Actions、GitLab CI、CircleCI
- Docker、Kubernetes、AWS basics
- Allure、JUnit XML、PR comment 整合
程式語言
- Python(精通)、TypeScript(精通)、Go(看得懂)
Domain
- E-commerce、Fintech(cryptocurrency exchange)、SaaS
Experience
ABC 加密貨幣交易所 · Senior QA Engineer · 2022-04 ~ 至今
月活 50 萬、平均日交易量 $2B USD
Context: 加入時 QA team 3 人、E2E 覆蓋率 8%、上線 P0 bug 5/月。
Actions:
- 主導 Selenium → Playwright 遷移、3 個月完成 200 case 改寫
- 設計 contract testing 平台、解決微服務 API 不一致
- 建立 release readiness gate(quality gate)整合 CI
- 導入 Claude Code 產生測試草稿 + review checklist,新功能 E2E 從撰寫到 merge 2 天 → 半天
- Mentor 3 個 Junior、其中 2 個升 Mid
Results:
- E2E 覆蓋率 8% → 72%
- 上線 P0 bug 5/月 → 0.5/月
- 跑 E2E 時間 90min → 14min(shard + cache)
- Release cycle 4 週 → 1 週
XYZ SaaS · QA Engineer · 2020-08 ~ 2022-04
Web SaaS、5,000 enterprise 客戶
Context: 純手動 QA team 4 人、零自動化。
Actions:
- 主導從 0 建立 Cypress E2E 框架、6 個月內 80 case
- 推動 spec review 流程上線,pilot 3 個 team
- 設計 bug triage SOP,平均 bug close time 從 8 天 → 2 天
Results:
- 自動化覆蓋率 0 → 45%
- Bug close time 8 天 → 2 天
- 新人 onboarding 時間 4 週 → 1 週(建立 onboarding playbook)
DEF 雜貨 · Junior QA · 2018-05 ~ 2020-08
電商、月活 10 萬
Actions / Results:
- 寫 350+ test cases、設計 regression suite
- 學 Selenium WebDriver、建第一個 E2E 框架(35 case)
- 跨團隊 bug bash 推手、每季 1 次、平均找 25-30 bug
Projects
TestKit (open source, 200 GitHub stars)
Python wrapper library for Playwright, designed for QA teams. github.com/mark/testkit
個人技術 blog(yourname.dev, 5,000+ monthly readers)
QA 實戰知識庫,20 篇文章。
"Testing LLM Features in Production" Talk
TBC Conf 2026、150 attendees。 Slides
Education
國立交通大學 · 資訊工程學系 · 2014-2018
其他
- ISTQB Certified Tester Advanced Level
- ISTQB CT-GenAI(Testing with Generative AI)
- 中文(母語)、英文(流暢)、日文(N3)
海內外履歷差異
| 維度 | 台灣 | 美國 | 歐洲 |
|---|---|---|---|
| 長度 | 1-2 頁 | 1 頁(Junior/Mid)、2 頁(Senior+) | 1-2 頁 |
| 照片 | 看公司 | ❌ 絕對不放 | 看國家(德/法可以、英/荷不放) |
| 學歷 | 重要 | 放最下面 | 完整 |
| Gap | 要解釋 | 越短越好 | 要寫清楚 |
| 軟性 | 講團隊合作 | 講 ownership、impact | 講 process / 流程 |
| Cover letter | 不太需要 | 看職位 | 必備 |
7 大反模式
| 反模式 | 為什麼爛 | 解法 |
|---|---|---|
| Worked on | 沒講你做什麼 | 用 Led / Built / Reduced |
| 沒數字 | 不可信 | 每段至少 3 個數字 |
| 列 30 skill | 看起來沒重點 | 分組 + 標精通度 |
| 抄 JD | 沒個人特色 | 寫 STAR 故事 |
| 「認真負責」 | 沒人會否認自己 | 用「做了什麼證明」 |
| 時間錯亂 | 信任降 | 嚴格倒序 |
| 超過 2 頁 | 沒人看完 | 砍細節、留亮點 |
2026 版:履歷先過 AI / ATS,才輪到人看
2026 年投履歷,第一個讀者常常不是人。Greenhouse 2025 年 11 月公布的調查裡,53% 的美國 recruiter 說篩選這一步是 AI 或 ATS 在做;iHire 2025 年的調查,美國雇主招募時用 AI 的比例從 2024 年的 14.7% 跳到 25.9%。外商、用 Greenhouse / Workday 這類海外 ATS 的公司,流程都是先比對關鍵字跟職缺,過了才丟給人。
所以履歷要同時寫給兩種讀者:
- 關鍵字照 JD 的寫法:JD 寫「Playwright」「API 測試」「CI/CD」,你就用一模一樣的詞,別自創縮寫。同一個技能中英各寫一次(「自動化測試 / Test Automation」)
- 格式越樸素越安全:單欄、標準標題(Experience / Skills / Education)、能選取文字的 PDF 或 docx。雙欄、表格排版、圖片裡的字、技能進度條,解析器常讀成亂碼
- 一職一版:Summary 跟 Skills 前 3 行照每個職缺調,Experience 不用重寫
- 別塞白字關鍵字、別放 prompt injection:同一份 Greenhouse 調查,41% 求職者說試過「hack」AI 篩選,但 61% 的美國 hiring manager 有用軟體偵測 AI 濫用。被抓到就是直接出局
過了機器那關,後面還是人。關鍵字讓你被撈到,STAR + 數字才讓你被約面試,前面 5 個區塊一個都不能省。
小提示
- 投之前把 PDF 全選複製貼到記事本,貼出來是亂碼或順序錯亂,ATS 讀到的也是那樣
- 關鍵字只放你真的做過的,面試官會照著 Skills 一條一條問
QA 履歷怎麼放 AI 測試經驗
2026 年的 QA 職缺,JD 裡「AI 輔助測試」越來越常見。問題是大部分人只寫一行「熟悉 ChatGPT」,等於沒寫。面試官想看的不是你用了 AI,是你怎麼驗證 AI 的產出。
1. 用 AI 做測試(大多數人該寫的)
爛:熟悉 ChatGPT、Copilot 等 AI 工具
好:用 Claude Code 從 spec 產生 Playwright 測試草稿,
建 review checklist 擋掉只驗 200 不驗內容的假斷言,
新功能 E2E 從撰寫到 merge 由 2 天縮到半天
2. 測 AI 功能(加分很大)
產品裡有 LLM 功能(客服 bot、摘要、推薦)的話,做過的事直接寫進 Experience:
- 設計 eval 資料集,量回答正確率、幻覺、該拒答時有沒有拒答
- prompt injection/越獄測試
- 換模型或改 prompt 前後的 regression 比對
Skills 區多開一組「AI 測試」就好,不要把 AI 撒在每一行。證照方面,ISTQB 2025 年推出 CT-GenAI(Testing with Generative AI),跟既有的 CT-AI 一樣是 CTFL 之上的專家級模組。考了就放「其他」,沒考不用為了履歷硬考 — 作品集裡一個能跑的例子比證照有說服力。
小提示
- AI 經驗一定要配一個「你怎麼檢查它」的動作,不然讀起來像 AI 在做事、你在旁邊看
- 沒在公司用過就拿 side project 寫,一樣有效
寫履歷的流程(4 步)
Step 1: Brain dump
列出所有做過的事、不管大小。一張紙 50+ 條。
Step 2: STAR 化
每件套 STAR、補數字。沒數字的丟掉、能補就補。
Step 3: 砍 70%
只留最強的 30%。履歷的價值在「什麼沒寫」、不是「什麼寫了」。
Step 4: Reviewer
- 同事(懂技術的)— 看內容對嗎
- HR / Recruiter — 看格式 / keyword
- 朋友(不懂技術)— 看 30 秒能不能看懂你
3 個都通過、再丟。
Tools
| 工具 | 用途 |
|---|---|
| Notion / Google Docs | 寫 |
| Markdown + Pandoc | 程式人最愛、版控 |
| Resume.io / Standard Resume | 模板(選單欄版型,ATS 比較讀得懂) |
| ChatGPT / Claude | 拿 JD 對照抓漏掉的關鍵字、潤英文;事實和數字一律自己填 |
| Grammarly | 英文校稿 |
| Interviewing.io | 順便練面試 |
| LinkedIn Optimization | Resume 對照 LinkedIn |
LinkedIn vs 履歷
履歷: PDF、給特定職位
LinkedIn: 公開、給 recruiter 找你
→ Headline 用「Senior QA Engineer | Playwright | E2E Automation」
→ Summary 用第一人稱、更 conversational
→ Experience 跟履歷一致、但可以稍微詳細
→ Skills 直接填、會被搜尋
→ Posts 跟業界互動、提高曝光
給 QA 求職的 5 句
- 30 秒看不出價值的履歷 = 不會被看
- 數字 > 形容詞 × 10 倍
- STAR 是格式、不是公式
- 砍 70% 比寫 100% 難、但更值錢
- 履歷是 marketing、不是 documentation
最後
QA 履歷最大的問題不是技能不夠、是不會講自己的故事。同樣的工作經歷、寫得好的拿 offer、寫得爛的卡 ATS。從今天起把每個專案套 STAR、加 3 個數字,3 個月後你的履歷會變「被獵頭主動找」的等級。
資料來源
- UNLEASH — Greenhouse AI in Hiring 2025 調查(2025-11-20)
- UNLEASH — iHire 2025 State of Online Recruiting(2025-09-05)
- ATSQA — ISTQB Testing with Generative AI(CT-GenAI)認證說明
以上於 2026-11-13 查閱。調查數字以美國、歐洲樣本為主,台灣公司的比例沒有可靠的公開數據。
- 1 QA 履歷照 recruiter 眼動順序排 5 區塊:Header、Summary、Skills、Experience、Projects
- 2 Experience 每段用 STAR 寫、至少 3 個數字,動詞用 Led / Built / Reduced 取代 worked on
- 3 2026 年履歷常先過 AI / ATS:關鍵字照 JD 寫法、單欄樸素格式、一職一版
- 4 AI 測試經驗要寫「怎麼驗證 AI 產出」,測過 LLM 功能就放進 Experience
QA 工程師面試的 50 個高頻題目。分概念題、實戰題、行為題、技術題。附回答框架與爛答案 vs 好答案對比。
2026 QA 面試多了一整類「你怎麼用 AI」的題目。整理 12 個高頻 AI 面試題,每題附面試官真正想確認的能力與可直接套用的答題框架,含 AI 生成測試怎麼取信於人。
給 QA 的作品集完整指南。履歷寫「會 Playwright」沒人信、附連結才有人約面試。4 種作品類型、每種的最小可行版本、GitHub 整理法、面試怎麼講,附避雷清單。
被裁員、職位縮編、或感覺快被 AI 淘汰時,QA 怎麼快速重新定位?這篇給一份 30 天行動計畫:止血、補關鍵缺口、重寫履歷、鎖定還在徵的職位、面試怎麼把 AI 焦慮翻成優勢。
給沒實戰經驗想入 QA 的人。履歷怎麼寫沒工作經歷、Portfolio 怎麼當經驗講、面試怎麼救「沒做過」、起薪該談多少、第一份工作該選什麼。
Self-healing Tests with LLM — AI 自動修壞掉的 Selector
Self-healing test 完整指南。LLM 自動修壞掉的 selector、Mabl / Functionize 比較、自建方案、CI 整合、何時該用 / 不該用、與傳統 selector 策略對比。
SQL for QA — 從 SELECT 到 JOIN、抓 bug 必備 30 個 query 範本
給 QA 的 SQL 完整指南。為什麼 QA 要會 SQL、SELECT/WHERE/JOIN 基本、debug 用 query 範本、效能注意事項、安全紅線(千萬別在 prod 跑 DELETE)。
測試斷言怎麼寫才對 — assertion 設計完全指南
assert 的本質、AAA 模式、一個測試該有幾個斷言、soft 與 hard assertion 的取捨、斷言太弱太多或斷到實作細節的反模式,以及 Playwright web-first assertion 與 pytest assert 的對照。
一般聲明
本站提供之資訊僅供參考,不保證其完整性與正確性。使用者應自行判斷資訊之適用性。