先看一下效果

我输入想要执行高可用测试，它会向我收集测试需要的参数， 比如机器信息，密码，故障类型等：

确定执行后，会有进度检查：

如果我需要执行 cpu 满载故障，这种需要再每个机器上安装工具的故障时， 它会检查每个机器上是否安装了对应工具，如果没有安装，它会在每个机器上执行脚本进行安装：

执行测试的时候，我去查看目标机器， 发现故障注入成功：

当执行成功后， 它会有报告出来，如果执行失败了，比如系统无法容灾，造成了业务验证出了问题，它也会有分析：

搭建测试智能体的意义

• 首先要说的是，搭建这个可以自主执行容灾测试的智能体，并不是只有龙虾这一个选择的。 只不过龙虾可以很简单的集成到企业微信，钉钉，飞书。 所以以后我可以用一部手机就指挥这个智能体完成容灾测试的工作。
• 完全解放人力，以前要做这个事情，需要有两个人配合我，一共三个人， 我要去环境中挨个机器安装故障注入工具，执行故障注入，然后通知其他两人验证。 而现在全部自动化和智能化。
• 大模型自身有很多 K8S 的知识，我又针对它进行了一定程度的调教，积累了一些知识进来。所以这个智能体有了对我们的产品相当的了解，后续即便让一个经验不足的人来测试，问题也不会很大。 我们在测试的时候仍然可以与智能体进行沟通，会得到更多好的方案， 我们再把这些好的方案持久化成 skills，后续产生更大的价值。
• 大模型有足够的分析能力，加上我输入了部分知识在智能体里，那么当测试出问题的时候，它能大概定位到一些问题， 比如：

总来的说，后续会持续优化这个智能体，目标是全自动执行。 关于如何搭建这个智能体的，过程比较复杂，我来回对话了大概有大几十次，才让这个智能体稳定下来。这其中有编写 skills 的，有录入知识的，很难给大家完全重现出来。 我之前写过一个创建 skill 的大概流程，大家可以参考我之前的那个文章。

后面有时间的时候，我再写一个编写和调教智能体，以及编写 skill 的心得。

AI 给我们带来的机遇和挑战

先说一个我认为的结论：目前 AI 的强大是把人的能力放大数倍甚至数十倍，但如果人的能力本身就是 0，那 AI 再怎么放大也是没用的。所以 AI 并没有拉近普通人和专家之间的差距，反而差距更大了。专家 + 智能体的组合的产出量会完爆普通人。

就像我写这个做容灾测试的智能体，做这个事的前提是，没有智能体我也能完成这个事情，只不过我要花费几倍甚至几十倍的时间才能完成。 我只是把自己的经验总结下来，让智能体学会了我工作时的流程和知识。

所以，我未来的发展方向不会再纠结于细节，细节或者代码编写都交给 AI 来完成，而解放出的人力会去研究更深入的解决方案，以及顾忌更多的项目和副业。也正因为有 AI 的辅助，我才能在如此高的工作强度下，还能有时间在星球里写了 200 多篇文章，还能做其他副业，还能在社区写文章，还能有时间在家陪老婆孩子。

AI 的出现确实是机遇，也同样是危机，机遇在它能放大我们的能力，让我们有时间去做以前做不了的事情。我们的战斗力因为 AI 的出现会成倍的向上翻。 而危机也在于两点：

• 我们能否抓住 AI 的红利，就像几十年前，我们的父辈在面临大变革的时候。我们总说那个时候只要有勇气，有拼劲，下海去做生意，差不多都发财了。 但当时有多少人真的抓住机遇了？
• 再有就是，AI 解放了如此多的人力，那以后我们行业的测试人员何去何从？我们会不会解放人力解放到最后，把自己的饭碗也给解放了？ 起码是不是把自己同行的饭碗解放掉了。 这也是我最近再思考的一件事。

总之，这仍然是一个逆水行舟，不进则退的行业，我们只有不停的逆流而上。 大家共勉吧。

最后再推销一下自己的星球，后续我会在星球里更新更多 AI 测试方向的教程。