• AI 测试:大家对齐下 at October 21, 2026

    你们解决了执行慢的问题?每次交互都要截图给大模型做识别,下发指令

  • AI 测试:大家对齐下 at October 20, 2026

    目前推进落地的模式:从需求到上线全链路中,需求澄清、研发方案与计划环节保留 AI 和人沟通对齐;测试、BUG 修复、上线等后续环节,都要由 AI 直接落地执行。测试集在探索由产品在输出需求时同步产出,核心思路是尽量减少人介入。

  • AI 测试:大家对齐下 at October 20, 2026

    个人体感:

    1. 短链路或者单系统 AI 自动化测试效果还行,跨系统/终端就很费劲了,还是要人工操作确认
    2. 新功能 AI 自动化验证想想就行,能跑起来的不是特定场景,就是一些简单需求,主要是做自动化回归
    3. AI 执行幻觉很头疼,自动化回归需要确定性,我们是让 AI 自动规划执行 > 记录 UI 和接口操作链路 > 生成 UI/接口自动化代码 > AI 运行自动化代码并自行维护,目前来看效果还行,起码写自动化的效率提升很多
  • AI 测试:大家对齐下 at October 20, 2026

    还是用于辅助的比较多,比如造数据,验证某些数据落地,一些基本的可复用的功能都可以让 AI 进行测试了

    但是核心的功能尤其涉及到钱相关的还是手动验证的,因为不放心,毕竟出问题了,AI 背不了锅,而且测试作为最后一关,流程后已经没有能兜底的了,所以未来因为 AI 冲击测试人员可能会减少,但是功能测试还是永远会有的

  • 发生了什么事?

  • 干过他们短剧的外包 QA,当天我就走了。

  • AI 测试:大家对齐下 at October 20, 2026

    我做移动端的 QA,团队内部还有一部分古法测试。但 AI 能覆盖大约 40~70% 的基于需求和 API 文档可想到的验收场景,其他探索性测试、性能感知等也不是不能持续集成推进,但 ROI 不高通常不考虑。

  • 正岗测试不干业务测试的活儿,所以把他们转研发序列也是对的。

  • 管理员提醒:经核实,该信息一两个月来在互联网上广泛流传,文章所指事情也非近日发生,文字内容真实性请大家自行判断。

  • AI 测试:大家对齐下 at October 17, 2026

    我也说下我从前同事交流里了解到的情况,样本有限,供大家参考。

    1. 大厂测开/效能岗:最痛苦,也最容易制造 “5-10%” 的假象。
      这部分人很多是在用 AI 去构造理想环境,跑出类似 “人只花 5-10% 时间复查” 的数据。这个数字在特定演示场景里可能是真的,但很难推到常态回归。原因不复杂:这类岗位离线上业务结果比较远,做对做错影响都不直接;以前一部分压力稀释给外包,现在外包削减后,压力就集中到 PPT 和 “需要数据证明有用” 上。大厂业务部门反而谨慎,AI 不能背锅,领导很怕这一点。指标可以下,但真让高风险业务全交 AI 测试是另一回事,比如电商业务,一个优惠券或者营销场景的测试如果没人把控,真出事影响的不只是功能,还可能影响季度营收,最后是领导背责的。社区里如有某东 某多 某猫的员工,应该能明白我说的,业务测试这块是不能给 AI 瞎搞。

    2. 游戏公司:很多场景确实用不上,或者 ROI 不划算。
      游戏测试偏体力活,测试策略、上线时间、bug 分类都随项目情况变,甚至一款游戏能不能走到上线都不确定。测试不可能把有限时间大量投到收益不大的 AI 测试探索上。不是绝对不能用,是很多场景不值得优先用。

    3. 中小厂:测试不可或缺
      中小厂没有大厂那种外包支援,测试不多,整个公司可能最多 10 个、最少 2 个,很多业务都要经手测试。社区里觉得 “大厂让测试转研发,所以测试岗位要消失”,这个推论很荒谬。大厂有外包和平台分工,中小厂没有这层缓冲。反过来,大厂的外包业务测试,确实容易给测开一种 “效能很有用” 的错觉,因为真正兜底的业务测试压力被外包稀释了。

    4. 实业公司:设备测试离不开人,AI 没有 “手”。
      AI 再强,也不能伸只手出来点击设备、接线、确认现场状态。物理世界的最后一步仍然要人。当然日志分析、仿真、视觉检测这些可以辅助,但现场执行和最终确认离不开测试人员。

    所以我的体感是:AI 测试现在能达到什么地步,不是按 “技术先不先进” 排的,而是按容错率、责任链、外包结构和物理边界排的。5-10% 这个数字,我听到的版本基本都对应特定演示环境或短链路场景,不是常态回归。大家可以对齐下各自的实际场景

  • AI 测试:大家对齐下 at October 17, 2026

    其实你自己都怀疑并且回答了答案了:业务上下文、用例完善、执行卡点、测试数据、环境稳定性、准确度、模型幻觉——是任何团队把 AI 测试从 demo 推到日常流程时都会撞上的东西,
    就跟以前的自动化一样,有 KPI 的地方,汇报天然会向 “已完成” 倾斜,实际上能达到的程度大家都心知肚明。对测试团队来说,真正危险的不是 AI 本身,而是管理层用 demo 级指标做资源决策,最后大家做的事情只会更多更累,不仅要用古法测试去减少风险,还要维护革新的体面。

    我部门现在是有 AI 工具使用,但是也只是辅助,而且需要严格控制敏感信息,毕竟做实事的部门,真的出现 bug 了,都是跟钱关联的,这锅谁都背不起

  • 大哥,本人是从事医疗软件行业的测试,想转金融测试,好转么,该怎么去准备

  • 了解 VictoriaMetrics 的时候,发现了 Categraf,似乎完美适配我的需求,明天部署看看🤓 感谢

  • 最先淘汰最熟悉他的人

  • 34 岁被裁,再找测试就已经没有自研的机会了,只剩下外包公司,转别的岗一听没有相关经验也不要

  • 都是自己的笔记本电脑不给接入内网,行方会提供内网办公电脑。
    所以你可以自己用笔记本电脑通过手机上网查资料,使用 ai 等等,然后把需要的内容敲到内网。

  • 不是是否必要的问题,而是看能做的工作有哪些,面对经济大环境、AI 对岗位冲击、1kw 大学生入场,从中选个抗冲击强的吧

  • 我倒是认为先卷死开发,现阶段,可以让 AI 开发,让 AI 测试倒是还不大行

  • 有多少面试邀约?

  • 转别的,人会要你,就可以试试

  • 别气馁,可以把经验转换成项目。
    有兴趣可以看看我目前正在开发的 质量管理项目。
    https://zhuanlan.zhihu.com/p/2016611162939209697

  • 转售后了

  • 披露的关键信息太少了,年龄在是否找测试工作的决策中,相对不重要,我提几个重要考虑因素:

    1. 有没有经济压力
    2. 另一半怎么看待你的这个情况,不光要看他/她怎么说,还要仔细观察生活中的细节
    3. 自己的意向 人生就是取舍,拾取一样必然舍弃一样。任何选择,都会伴随着阳面和阴面。
  • 这行业纯夕阳行业了,机会成本也是成本