有一种可能是：大模型足够强大后，它写出的代码质量足够好，不需要那么多测试活动了。这是我在日常中观察到的现象，一些比价复杂的模块，如果是研发自己实现，问题会很多，但使用大模型开发后，bug 比我想象中少很多很多。

测试的岗位可以没有，但短期内测试这项工作内容不可能消失，那么由谁来做呢？靠开发自测吗？

这份精神永不过时！

挺好的，不同观点的碰撞很精彩！社区需要这样犀利的输出。

飞哥对自己好点吧，花有重开日，人无再少年啊，趁着年华未晚，该好好体验人生了。

不建议。

以下问题不妨说说你的高见，不然很容易让人感觉是在说教，毕竟这些大道理很廉价。

而是有了 AI 之后，你突破了自己什么~
干什么？
如何跟 AI 进行配合？
过程中又发现了什么？
如何提问，衍生出什么点子。
如何评估哪些点子是合适的？
后来如何现实世界论证？
迭代了多少次？

为什么要找工作了？

随着时间推移，AI 会发展成为极其易用极其强大的工具，个体间的差异变得无足轻重。所以不必焦虑，你接触不接触，可能最终的效果都是一样的。

咋跟杀猪盘似的

找到新工作了吗

仅仅是这些吗？想想它真正地解决了哪些测试地痛点吗？还差得太远。

说到本质了。天下熙熙，皆为利来。

请教下你现在 AI 主要用在哪方面，为公司带来了什么量化价值?

黑哥深谙职场心理学，说得太深刻了，醍醐灌顶！

行业萧条了，慢慢散场了。

但是按你这描述，你期待的这一天到来时，你将何以自处？

我反而觉得 AI 目前在测试领域的赋能反而比较滞后，相对于前后端代码生成

自动化生成可以展开讲讲吗？

这些技能已经是上古时代的了，现在都在 AI 叙事

大佬太强了，总是能换到工作

可以分享下思路么？

不知所云的文章

凉凉

写测试用例其实是一个深入理解需求的思考过程，往往能在这个阶段发现一些需求上的问题。当然，用 AI 生成一些边界值、等价类等通用测试用例倒是能节省点时间。