兄弟们，作为一个老测试，如何在AI时代继续做好质量保障，这是每一个测试人都在探索的问题。当然了，未来测试工程师的角色归属如何演变，这也是行业一直在探索的事情。有的公司把测试角色取缔掉了，让开发做测试；有的公司保守一点，还保留少量测试；还有公司在观望中。但是我觉得，不管谁来做，质量保障的角色和测试思维一定不会消失，所以还在做测试的老板们，也不要过于忧虑，做好自己，做好转型。我自己也在随着时代的大趋势，不断的探索和尝试，最近我也有些心得，抛砖引玉，不喜勿喷。 随着AI Coding的全面普及，代码越写越快，越写越多，测试工具，测试手段还没有随之快速的进化，测试压力激增，效率进化不匹配。我司的尝试是需求分级+研发自测。但研发自测的质量又如何把控？通过我的观察和实践，我的观点是“流程是重中之重，工具是锦上添花”。各种测试工具，skill使用起来好不好用，能不能用，是否提效，能不能串联起来交付全流程？不要把目光盯着这些东西。虽然好的工具确实能带来效率的提升，但是工具开发，落地，验证，推广，这不是一朝一夕能完成的。但是好的流程+简单的工具是不需要太多成本就能落地的。我要讲的流程就是“测试左移”，这不是一个新概念，但在AI的加持下，测试左移会更加高效，更加有效（这也是我自己实践验证过的）。需求阶段+知识库，评估逻辑漏洞，需求风险。设计阶段+知识库，评估设计漏洞，资损风险。开发阶段+知识库，评估覆盖情况，代码缺陷。测试阶段+知识库，资损风险评估，自动化用例生成执行，代码审查，测试数据生成，执行结果分析。需求交付的每一步都做好质量检查，把问题发现的前置，我发现我能够发现的缺陷和问题，以及测试的效率的比之前高了一倍不止。大家也发现了，上面说的各个流程，都依赖知识库，是的。知识库是核心中的核心，一个能够团队共建的、能进行版本管理维护的、结构化的、AI化的知识库是很重要且必要的。比如业务知识库，资金安全知识库，测试用例知识库等等。注意再强调一下，我说的知识库不是一个文档库，不是Rag，而是一个能通过AI协助沉淀保鲜的，支持团队共建的知识库。以上就是我最近的一些时间思考，抛砖引玉，欢迎交流。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
