霍格沃兹测试开发学社
三、一张图看懂：你的哪些日常正在被模型吃掉别急，我们用工程视角把测试员的日常工作拆开看。下面是一张简化版的传统测试活动流，标注了当前 AI 插件的实际介入位置。虚线箭头指向的五个环节，现在都有成熟的 AI 插件方案。它们覆盖了从用例生成到回归推荐的全链路。只有两个环节目前还比较依赖人：需求分析和测试策略设计。这不是说需求分析和策略设计不会被 AI 触及，而是它们对业务上下文、风险判断的依赖更重，现阶段的模型还做不到可靠。但其他环节，模型已经能处理得很好，甚至更好。核心在于，虚线框住的那些工作，有一个共同特点：它们处理的是“给定清晰输入，产出规范输出”的任务。而这正是大模型最擅长的事——语义到语义、语义到代码、语义到数据的转换。一个测试员如果 80% 的精力都耗在这些环节，基本就是在和机器正面竞争。竞争结果，不言而喻。四、活下来的那批人，到底做对了什么我身边没有被优化的测开，没有一个是靠“更会写用例”活下来的。他们做的事情，本质上是角色转换：从测试活动的执行者，变成了测试系统的设计者。具体有三件事做得不一样。第一，他们把测试资产当产品来做。用例库不是堆积的 Excel，而是有结构的语料。他们会给历史用例打标签、建向量索引、定义相似度标准。这样当 AI 生成用例时，能精确召回团队沉淀下来的领域知识。产出的不是通用模板，而是带着团队经验的、可用的用例。第二，他们重新定义了“完成”。以前测完了，报告一发就算结束。现在他们在每个测试活动结束后会做一件事：把人工修正的结果回流。比如 AI 生成的用例 review 后被改了哪些地方，为什么改，这些信息会写回提示词示例或知识库里。这让他们自己的测试系统有了迭代能力，越用越准。第三，他们抢着去填“AI 还做不好”的坑。需求评审时能不能发现逻辑漏洞？探索性测试时能不能找到意料之外的用户路径？质量度量体系怎么设计才能反映真实风险？这些事，模型现在还糊弄不来，却是高级测开核心的护城河。未来测试开发的核心竞争力，不是“会用什么工具”，而是“能把哪些知识塞进工具里”。本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
