2026 QA 面試的 AI 題 — 12 題 + 答題框架（面試官想聽什麼）
2026 QA 面試新增一整類「你怎麼用 AI」的問題。這篇整理 12 個高頻 AI 面試題、每題附面試官真正想聽的點與答題框架，從「你用過哪些 AI 工具」到「AI 生的 test 怎麼信任」。
💡 本文原刊於 qa.9niche.com，2026-08 併入 9niche.com 懶人包，內容照原文完整搬遷。
目錄
1. 前言
2026 的 QA 面試多了一整類問題：你怎麼用 AI。答得好是加分、答不好直接被貼「沒跟上」標籤。這篇給你 12 個高頻題 + 每題面試官真正想聽什麼。
想先搞懂大環境怎麼變？看 AI 時代 QA 還有未來嗎。傳統題庫看 QA 面試 50 題。
2. 面試官在篩什麼
核心：面試官不是要「最會用 AI 的」、是要「能駕馭 AI、判斷力還在自己手上」的人。
3. 12 題 + 答題框架
A. 工具與經驗（暖身）
Q1. 你平常用哪些 AI 工具、各拿來做什麼？
- 想聽：具體場景、不是工具名清單
- 框架：「Claude 跑 spec review / Cursor 寫 e2e / CodeRabbit 做 PR 第一層」— 工具配場景
- 雷：只報工具名、說不出怎麼用 → LLM 工具對比
Q2. 用 AI 後、你的工作流有什麼改變？
- 想聽：可量化的效率 + 把時間移去哪
- 框架：「省下的重複工作時間、移到探索性測試跟 spec review」
Q3. 沒用過公司指定的 AI 工具怎麼辦？
- 想聽：學習能力、遷移能力
- 框架：「我用過 X、原理相通、預估幾天上手」
B. 駕馭與驗證（核心）
Q4. AI 生的 test 你怎麼信任？
- 想聽：你知道 AI test 會「綠卻沒測到」
- 框架：改壞 code 測試該紅、斷言驗結果、預期值對規格 → 完整方法
Q5. AI 生的 test case 你會怎麼篩？
- 想聽：AI 偏 happy path、你補邊界/異常
- 框架：「AI 出 10 個、我刪重複、補 domain 規則與邊界」
Q6. 怎麼用 AI 評估一個 PR 的風險？
- 想聽：blast radius 概念
- 框架：丟 diff 問影響範圍 + 缺的 test、人工定重測 scope → AI 加速 PR review
Q7. AI 給的答案你怎麼判斷對不對？
- 想聽：你不全信、有驗證習慣
- 框架：「對規格、對既有行為、跑一次驗證、不確定就交叉問」
C. 判斷與邊界（拉開差距）
Q8. 哪些事你絕對不交給 AI？
- 想聽：安全、domain 規則預期值、go/no-go 判斷
- 框架：「機械的交 AI、擔責任的留自己」
Q9. 公司不准把 code 丟雲端 AI、你怎麼用？
- 想聽：本地 LLM / 企業版 / 只 mock 邊界
- 框架：「Ollama 跑本地、或企業版合約保證不訓練」
Q10. AI 會不會取代 QA？
- 想聽：你站在「用 AI」那邊
- 框架：「取代不變的 QA、取代不了懂系統跟業務的 — 我屬於後者、舉例…」
D. 情境題（壓力測試）
Q11. 給你一個 AI 生的 100 行測試檔、5 分鐘 review、你看什麼？
- 想聽：有 checklist、不是亂看
- 框架：先看斷言驗不驗結果 → mock 有沒有蓋掉被測對象 → 覆蓋缺口
Q12. 你怎麼說服反對 AI 的同事/主管？
- 想聽：用數據與透明、不是硬推
- 框架：「先做出省時數據、透明化用法、retro 分享」
4. 答題萬用結構
任何 AI 題、套這三段就穩：怎麼用 → 怎麼驗 → 邊界在哪。展現你駕馭 AI、而非被 AI 駕馭。
5. 面試前 checklist
6. 給 QA 的 5 句
- 面試官篩的是「駕馭 AI」、不是「依賴 AI」
- 每題都帶具體場景、別報工具名清單
- 強調你怎麼驗證 AI 產出
- 講清楚哪些不交給 AI
- AI 取代論、站在用 AI 那邊並舉例
7. 最後
AI 面試題不難、難在沒準備會慌。把「怎麼用 → 怎麼驗 → 邊界在哪」這套內化、再配幾個自己的真實例子、你會比八成候選人都穩。傳統基本功照樣練、AI 題只是新加的一道篩子 — 兩邊都過、offer 自然來。
延伸閱讀：
相關連結
AI 時代 QA 工作真實分析。哪些任務 LLM 已經做得比人好、哪些 10 年內不會被取代、QA 該怎麼重新定位、薪資版面變化、給焦慮中的人一份地圖。
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。
給 QA 工程師的 LLM 工具完整對比。Claude vs ChatGPT vs Gemini vs Copilot vs Cursor 在 spec review / test case / code / debug 各場景實測、月費 vs 產出對比、安全紅線、組合配置建議。
相關懶人包
2026 QA 趨勢實戰：我看到的 5 個轉變（AI、Shift-Left、Observability）
從手動 QA 到 AI 輔助、從測試金字塔到測試獎盃。這篇分享我這 10+ 年看 QA 從「測完才知道」到「shift-left + AI」的真實觀察。
AI / LLM 功能 Spec Review — 幻覺 / 評估 / 成本 / 法遵 8 個必問
AI 功能 spec review 完整指南。LLM 不確定性處理、評估指標、Prompt versioning、成本控制、安全護欄、法遵（EU AI Act / GDPR）、Fallback、人工 review 流程。
AI Agent 系統測試 — 自主執行 / 工具呼叫 / 多步推理的 QA 策略
測試 AI Agent 完整方法。Tool calling 驗證、Trajectory 評估、Failure mode 分類、無限迴圈防止、成本上限、安全 sandbox、Multi-agent 協作測試。
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。