霍格沃兹测试开发学社
1. 需求拆解能力：别只会等别人告诉你怎么做AI 可以帮你写代码，但它不能替你判断需求值不值得做。比如老师让你做一个“校园二手交易平台”。很多同学第一反应是：登录注册发布商品搜索商品下单购买评论留言这当然没错，但还不够。你应该继续追问：校园二手交易最容易出什么问题？如何防止虚假商品？如何处理交易纠纷？是否需要实名认证？是否需要举报机制？商品下架后订单怎么办？卖家爽约怎么办？聊天记录是否要保留？这些问题，才是工程思维的开始。不会拆需求的人，只能让 AI 写零散代码。会拆需求的人，才能让 AI 参与完整交付。2. Prompt 表达能力：你问得越清楚，AI 才越像队友很多同学用 AI 写代码，效果不好，不是 AI 不行，而是问题问得太随意。比如：帮我写一个登录功能这句话太粗糙了。更好的问法应该是：请使用 Spring Boot + MyBatis Plus 实现一个登录接口。要求：1. 用户使用手机号和密码登录2. 密码使用 BCrypt 校验3. 登录成功后返回 JWT Token4. 连续输错 5 次后锁定账号 10 分钟5. 返回统一响应结构6. 补充接口参数校验7. 给出对应的单元测试用例你会发现，AI 不是不能干活。问题是你得会“派活”。未来很多技术岗位，会越来越像带一个 AI 实习生。你要告诉它目标、边界、规范、约束、验收标准。这本质上不是简单聊天，而是一种工程表达能力。3. 代码审查能力：AI 写得快，不代表写得对AI 生成代码最大的误区是：看起来很完整，跑起来也能过，但不一定可靠。比如：SQL 是否有注入风险？接口是否缺少权限校验？异常分支有没有处理？并发场景下会不会超卖？Token 是否有过期机制？日志里是否打印了敏感信息？生成代码是否符合项目规范？测试用例是否只覆盖了正常流程？这就是为什么 AI 时代，测试能力、质量意识、工程规范反而更重要。因为 AI 会把“代码产量”拉得很高。但代码一多，问题也会变多。未来团队真正需要的，不是只会复制 AI 代码的人。而是能判断 AI 代码质量的人。
发布于 北京
1
评论
赞
未登录
友善发言
评论
加载中
