我觉得领导说得没错，这才是真正的 AI。现有的 AI 都是噱头，它可以成为很好的辅助工具，但是真没提效多少，该干的活基本还是得靠人

AI 也是空中楼阁

这个不太行，像番茄小说在创作栏那里都提供 AI 功能扩写，其实好看的网络小说都是带着作者的个人风格，AI 写的其实吸引不了别人

【回家后，就小红书抖音一顿搜】看来我要去这两个平台经营下推广

测试技术救唔到裁员

可以的

别小看五斤，类似肥胖也不是几个月的成果，大部分人都是每年胖几斤，然后回头看就增重十几斤了。每年减肥 5 斤，既不用那么痛苦，也是慢慢形成好的习惯，欲速者不达。单车佬太危险了，我还是游泳比较好

最难忍的是，深圳连早餐那种茶叶蛋，也是预制菜。。。。。。。

我经常会去广州吃，推荐不了，现在的茶餐厅变换太大，有些以前是好吃的，现在口味就变了。得随缘 ，深圳有些店都玩预制了

平静的生活

【原来牛市这么能挣钱啊！】是这样的，股市好赚时有人会把赚钱归结于是自己的技术，类似于早入行的测试把高工资归结于自己的技术一样。其实都是时机好而已

社区里的年终总结要么顺风顺水，要么逆风翻盘，有种大家都很好的错觉。
时运不济的人其实是没心情写年终的，去年失业的的确很多，只是很多都潜水了

你这一年做的事都是让自己更健康和更有价值

所以我觉得做技术最失败的就是在中年时被人留个 RIP

如果未来再被裁一次呢？ 你怎么打算？

chatGPT

gpt 回答：

1. 技术学习曲线和培训成本

• 需要学习新技术：如果软件测试团队本身并未接触过 AI 技术，引入 AI 相关的工作将要求团队成员花费大量时间学习 AI 的基础知识、工具和模型。这可能会占用大量时间和精力，尤其是在没有相关背景的情况下，学习过程的效率较低。
• 培训和知识积累的成本：为了有效实施 AI 测试，可能需要组织外部培训、购买相关书籍或课程，甚至聘请专门的 AI 专家协助团队。这些都将增加额外的时间和成本，且如果团队没有深入的技术理解，培训效果可能有限。

2. 工作负担加重

• 多重任务负担：在软件测试团队已经有很多其他业务测试任务的情况下，引入 AI 技术意味着需要在现有工作负担基础上分配更多时间和精力。由于测试工作的复杂性和多样性，测试团队很可能会感到压力增大，导致效率下降，甚至影响现有的业务测试质量。
• AI 任务和其他测试任务的冲突：AI 技术的探索和实现本身是一项持续性工作，需要进行持续的调研、实验和反馈优化，这可能与正常的项目进度冲突。团队成员可能被迫在正常的测试任务和 AI 任务之间进行取舍，从而影响两者的工作进度。

3. 难以衡量和定位 AI 的实际价值

• 无法立即看到成果：AI 驱动的测试工具和流程通常需要经过一段时间的训练和优化才能见效，而且可能需要大量的实验和反馈，才能找到有效的测试策略。这使得团队很难在短期内看到 AI 带来的显著回报，可能会觉得投入的时间和精力并没有得到及时的回报。
• 初期效果可能有限：AI 在初期阶段可能无法发挥预期的效果，尤其是缺乏足够的数据、模型调优和团队技术熟练度的情况下。因此，测试人员可能会感到 AI 项目并没有显著改善工作负担，反而增加了不必要的工作量。

4. AI 与业务测试之间的矛盾

• 缺乏足够的 AI 专业知识：软件测试团队本身如果缺乏 AI 相关的专业知识，可能会陷入 “用 AI 解决问题” 的盲目状态，而忽视了 AI 实际应用中可能出现的困难和局限。这可能导致团队过早地投入时间和资源，而没有合理评估其可行性和实际价值。
• AI 工作与现有业务测试冲突：AI 在测试中的应用通常要求团队进行较多的试验、模型训练、调整等工作，这些都需要时间，而现有的业务测试工作（如功能测试、回归测试等）也不能停顿。两者的时间需求和优先级可能产生冲突，导致团队无法兼顾，工作压力增大。

5. 缺乏清晰的目标和规划

• 没有明确的目标和需求：如果没有清晰的目标和规划，AI 相关的工作可能会变得 “无目的地探索”。很多测试人员可能会投入到 AI 学习和探索中，但没有明确知道最终目标是什么，或者 AI 能为测试流程带来哪些实际好处。这可能导致工作没有效果，甚至浪费大量的时间和精力。
• 短期与长期目标的冲突：AI 技术的引入是一个长期投入的过程，而软件测试团队可能更关注短期内的任务完成。如果 AI 项目的时间投入过长，团队可能会感到不平衡，影响正常的测试任务进度。

6. AI 项目的技术复杂性

• 工具和框架的选择困难：AI 在软件测试中的应用依赖于多种工具和框架，而这些工具和框架的选择需要技术背景和经验。如果没有 AI 专业背景，测试团队可能很难选择合适的工具，导致技术堆栈的混乱和效率低下。
• 模型和数据的需求：AI 测试模型的准确性依赖于高质量的数据，并且需要持续优化。团队可能会面临数据收集、标注、清洗和处理的难题，尤其是在缺乏数据科学背景的情况下，数据问题可能成为阻碍 AI 项目成功的瓶颈。

总结：

从实际角度来看，引入 AI 进行软件测试的确可能导致工作量的增加，尤其是当团队本身没有 AI 技术背景，且需要同时承担其他业务测试时，工作负担可能变得更重。AI 项目的学习曲线和技术门槛、培训成本、与现有测试任务的冲突，都会使得团队的压力增大。此外，缺乏明确的目标、数据支持和技术经验，也可能导致 AI 项目的效果不如预期，甚至浪费时间。

然而，AI 在软件测试中的潜力仍然巨大，但要避免变成 “无用功”，最好的方法是：

• 逐步引入：在团队中逐步引入 AI 测试工具，而不是一次性大规模投入，可以先从小规模、低复杂度的试点项目开始。
• 明确目标：设定清晰的目标，明确 AI 在测试中应解决的问题，而不是盲目追求技术。
• 跨部门协作：如果团队内部缺乏 AI 技术，可以考虑与数据科学团队或外部专家合作，弥补技术上的不足。
• 合理分配资源：避免让 AI 探索占用过多的测试资源，确保在没有 AI 技术背景的情况下，不会影响现有的业务测试任务。

在没有足够的 AI 技术积累的情况下，完全依赖 AI 进行软件测试可能并不现实，因此将其作为一种长期、逐步引入的优化手段，配合现有的测试流程，可能是更为可行的方式。

其实我都觉得几奇怪，明明之前的 UI 自动化都几成熟，虽然麻烦且作用不大，但系 UI 自动化本来就没期待能发现多少 bug，现在想引入 AI 是想解决什么问题呢？

公司不是要玩 AI，是想玩你们

对，感觉互联网人都应该以他为戒。。。。。那时候说没就没了

及时做手术才没事，否则还是挺麻烦的。关键是切除了甲状腺后，得吃一辈子激素药，大半年不能出力，很多海鲜也要忌口，还是挺不好的

好吧 只能羡慕了，我也在找副业

结节有两方面的原因，
一方面是生活压力大、生活不规律、情绪不稳定
另一方面是医疗仪器精度提高，能查出以前扫描不出的结节
注意甲状腺结节是否良性

你该不会之前在飞书团队吧