霍格沃兹测试开发学社
五、AI 可以优化 10 倍，但优秀工程师可能优化 100 倍Charlie Marsh 在这场关于 Ruff、uv 和 AI 编程的对谈里，还提到一个特别值得技术人警惕的观点：AI 很擅长局部优化，但不一定擅长系统级优化。你让 AI 优化一段代码，它可能会做这些事情：减少重复计算合并几个变量替换一个数据结构优化一段循环删除一些明显冗余逻辑这些当然有价值。但真正厉害的性能优化，往往不是改几行代码，而是重新思考：这个数据为什么要这样存？这个流程为什么要每次全量跑？能不能做增量计算？能不能做懒加载？能不能改变缓存策略？能不能换一种系统设计？这个问题理论上最快应该是什么样？这就是 AI 编程时代很容易出现的错觉：AI 帮你把一坨代码优化了 10 倍，你以为很厉害。 但真正懂系统的人，可能一开始就会把方案设计成快 100 倍。所以技术人不能只满足于“AI 给了我一个答案”。你要继续追问：它为什么这样写？有没有更底层的瓶颈？有没有更简单的设计？有没有更可靠的验证方式？这段代码真的应该存在吗？AI 能加速执行，但不能替代第一性原理思考。六、对测试开发来说，这其实是一次机会很多测试从业者担心：AI 会不会让测试岗位消失？我的判断正好相反。AI 编程越普及，测试开发越重要。因为未来企业面对的不是“代码不够多”，而是：AI 生成的代码太多PR 来得太快人工 Review 跟不上回归测试压力变大线上风险更隐蔽质量门禁必须前移以前测试更多是在开发之后做验证。但 AI 时代，测试不能只在最后兜底。测试要进入整个研发链路：这里面每一个环节，都需要测试开发能力。不是简单点点点，而是要建设完整的质量体系。七、AI 时代，测试开发要补哪些能力？未来的测试开发，不只是写几个自动化脚本。更关键的是能做质量基础设施。1. 自动化测试能力包括：接口自动化Web 自动化App 自动化单元测试辅助回归测试体系测试数据构造Mock 与 StubCI/CD 集成AI 代码生成速度越快，自动化回归就越重要。否则开发侧一天生成十几个 PR，测试侧还靠手工慢慢点，肯定跟不上。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
