前言

今日休假，不加班。家里也没有什么事，算是难得的给自己放空大脑的机会。过去的 1 年多是 AI 爆炸的风口，我们本身就在 AI 领域人的人应该可以体会到这是多么疯狂的一个时期。所有人都在马不停蹄的奔跑，大家怕抢不到这个风口，怕被淘汰，甚至害怕自己的职位被 AI 取代掉。在我星球的小伙伴们， 可以从我更新的速度感受到现在的态势。

我对 AI 的态度

在几年前的时候，我虽然在 AI 领域中工作，但在当时我是反对 AI 应用在测试领域中的先锋了，早年间我还写过一个帖子开喷。

之所以开喷，是因为当时的 AI 真的不行。即便几年后 GPT 火了起来，也还是不行。直到去年年初，我开始重新调研 cursor，用 30 分钟就写出了以前需要几天才能开发完的工具，那时我开始确定，AI 要颠覆整个行业了。

cursor，codebuddy，codex，claude code， 这一年多以来我体验了业内半数的 AI 代码辅助工具。如今我已经把 90% 的工作交给了 AI，完成了以前需要 4,5 个我才能完成的工作量。当然，指挥 AI 也是个不小的工作量。现在行业内疯狂的卷 harness，也是为了能把指挥 AI 的成本降低。

老实说，我一开始内心里也有很大的抵触，毕竟自己练了很多年的东西说让 AI 给替代了，我心里不服，也不愿意接受。但世界总是不以个人的意志为转移。不接受现实的人，终将是走不远的。

大厂的人都在做什么

在我还没有进入大厂之前，我有个习惯，当我迷茫不知道要怎么发展的时候，就去找大厂的朋友聊天。我把大厂当风向标，摸着大厂的技术栈过河。他们卷什么，我就卷什么，因为我发现大厂总是比普通公司布局的更早，很多时候我们兴高采烈的去分享一些新的发现的事后，会发现这些是大厂内部已经布局了一年甚至几年的东西了。

当年测试行业还在争论技术无用论的的时候，大厂早就把集团员工测试岗位的招聘标准，焊死在技术工种这个标准上了。即便是在当年，你说你代码写的不好？那这辈子就别想跨进大厂的门槛了。

所以，AI 编程大火是在今年开始的，但其实去年我们就已经大范围铺开 AI 辅助了，中心内部各种 AI 的实践分享就已经开展了起来。几乎所有人的看法都非常一致，这一波 AI 变革，会改变很多个工种的工作方式和人员去留。

在几个月的年前，公司就已经定下了 特种兵 +AI 的发展路线，也就是我一直在说的，未来混得好的技术人员，是专家 +Agent的工作模式。专家的行业经验，加上 AI 提升的工作效率，将进一步拉开普通人和专家的差距。我一直在讲，AI 是需要人来指导的，AI 是可以把人的能力数倍的放大的，但如果人的能力是零，那 AI 再怎么放大，还是零。这也是为什么现在好些人仍然觉得 AI 是扯淡的，是某些领导的 KPI 工程的原因。因为受限于工作内容的简单单一和个人能力的限制，这部分人是感受不到 AI 带来的变革的。甚至说，多年前坚持技术无用论的，可能也是这一波人。所以不要说 AI 了，这些同学甚至感受不到技术力带来的变革。

所以还在观望 AI 的同学，可以看看大厂的人都在做什么，尤其大厂的人用 AI 做了什么。

我现在的工作模式，已经变成了遇事不管决不决，都先去找 AI的习惯。AI 的提效，已经把以前我们想做但没有时间和成本去做的事情，变成了可实现的路径。 比如我们都希望有 UI 自动化，因为只有端到端的测试，才是最保险的，最贴近用户的。但我们都知道维护 UI 自动化的成本有多高，手工去写代码和 xpath 的成本，产品需求变化的成本，前端元素变动的成本。这些都让实践 UI 自动化变成了一件很难的事。 但现在呢？我给大家看一下我的的工作内容：

我只需要像上图一样，把执行步骤输送给 AI。AI 就会帮我写 UI 自动化测试的代码，定位控件，启动浏览器测试，纠错等工作。而我们担心的前端控件会变化的事情，也最大程度上被避免了， 因为现在的控件定位，都是用 AI 来定位的。 如下：

// 在模型搜索框中输入
await agent.aiInput(
  "模型搜索弹窗中的搜索输入框",
  { value: modelName }
);

程序运行的时候，会动态截图，并传送给大模型，大模型接收到就会找到用户用自然语言描述的那个控件在哪个位置。这样，我不用像以前一样去费尽的写 xpath，也不用担心前端程序重构后，xpath 会变。 因为现在控件定位就不依赖 xpath。而 AI 写出来的程序，是张这个样子的：

describe("模型广场 - 自定义 OpenAI 模型 (P0)", () => {
  const ctx = usePlaywrightWithAuth();

  test(
    "添加自定义 OpenAI 模型并在查看弹框中验证",
    { tags: ["private"], timeout: 180_000 },
    async () => {
      const svc = new ModelMarketService(ctx.page);

      // 生成唯一的模型名称（遵循命名规范：含 _qta 后缀，≤15 字符）
      const suffix = String(Date.now()).slice(-6);
      const modelName = `m_${suffix}_qta`; // 12 字符
      console.log("[Test] 模型名称:", modelName);

      // 从环境变量读取配置，避免硬编码敏感信息
      const modelId = process.env.MODEL_MARKET_MODEL_ID!;
      const apiUrl = process.env.MODEL_MARKET_API_URL!;
      const apiKey = process.env.MODEL_MARKET_API_KEY!;

      // Step 1-2: 导航到模型广场
      await svc.navigateToModelMarket();

      // Step 3-12: 点击 OpenAI Compatible 添加按钮，填写表单并提交
      await svc.addCustomOpenAIModel({
        modelName,
        modelId,
        apiUrl,
        apiKey,
        contextLength: 32,
        inputLengthLimit: 16,
        tag: "全模态",
      });

      console.log("[Test] 模型已添加，准备验证");

      // Step 14-16: 点击查看按钮，验证模型信息
      await svc.viewOpenAIModels();

      // 验证模型名称显示在查看弹窗中
      const exists = await svc.verifyModelExists(modelName);
      expect(
        exists,
        `模型"${modelName}"应该在查看弹框中显示`
      ).toBe(true);

      console.log("[Test] 模型验证成功 ✓");
    }
  );
});

可以看到，svc.addCustomOpenAIModel 这个方法是一系列的控件操作的组合。我的手工 case 里并没有告诉他要抽象一个公共方法，但 AI 认为这个表单是可以封装成公共的方法的，所以它就这么做了。尽量避免了我们后续 case 多了，变成屎山代码的可能。 当然要让 AI 做到完全只需要一个手工测试用例步骤，就生成这样的 UI 自动化代码， 这需要编写一个很专业的 skill 来指导 AI。 这也是我在上一篇文章讲的：万字长文：如何用 harness 的理念设计一个 AI 驱动的 UI 自动化工程 。

AI 把编写和维护 UI 自动化测试的成本，磨到了一个十分低的程度，这让一切都变的有更大的可能。

而如果我想做性能测试，我只需要对调教好的 Agent 说明需要测试的场景， 它就会自动编写造数脚本和 locust 压测脚本，执行后给我一个汇总报告：

而如果我想做高可用测试（容灾测试），我仍然只需要跟我调教好的 Agent 表达这个意思，它就会：

确定执行后，它会帮我到每个机器上安装故障注入工具：

注入工具后，它会运行业务脚本（也是 AI 生成的）并检查测试情况：

所以这就是我的工作状态， 每天不是在调教 AI（写 skill），就是在指挥 AI 干活。或者在去探索使用 AI 的更多的可能性。所以为什么我刚才说，现在我干的活是以前 4,5 个我才能干的。因为真正干活的是 AI，而不是我。如果没有 AI 的能力， 就我们现在这个迭代速度和已经交付了上百个 TO B 私有化客户的规模，就是累死我，我也测不完。

调整心态

早年的我，在一段时间里也有一个毛病 -- 世人皆醉我独醒。 但现在想想，我当时是挺可笑的。这些国内的顶级公司，在这个行业占据龙头位置十数年，有无数高学历，高认知的人才为之效力。我竟然会觉得我一个人的思考会比他们更强？这是何等狂妄的心态。而这种心态，往往会让我拒绝去接受那些在未来对我十分有帮助的知识。说白了，这就是一种认真缺陷。大厂们探索，实践并总结出有效的经验，我却弃之如敝履。

这种世人皆醉我独醒的心态，曾经让我走过不少弯路。而在 AI 浪潮刚开始的时候，我也仍然有这个心态。就像我上面说的，最开始的时候我不服，我不接受 AI 能强到那种程度。他们一定是骗人的，他们做这些事是为了忽悠领导，搞 KPI 工程，出来卖课割韭菜。

然后我就想起了我的这个毛病，我就在想，我凭什么认为那么多优秀的人都认为有价值的东西，是假的？尤其是在我还没有认真去调研的情况下，就下了这个定论？所以，去年的时候我去找到同事，开始请教，开始在群里找有经验的人，开始在 B 占看教程。仅仅几天时间，AI 的强大就让我后悔 -- 我为什么没有更早的开始使用 AI 完成工作。

有些时候就是这样的，以前如大山一般的偏见，往往在极短的时间内就被轰碎。

我总说人一旦开窍了，进步就一日千里。而开窍的契机，往往先从心态的改变开始。正如我这篇文章的标题：世界不以个人的意志为转移。 不论我们再怎么否定一件事，这个世界不会因为我们不乐意，就改变它的运作法则。就如同当今的行业，不论我们有多不甘心，多不认可。特种兵 + AI 的模式，就会是未来的主流趋势。

所以调整心态，不要再跟大势对抗。我说的直白点，大家出来工作为了什么？不就是赚钱么。古人都说：学成文武艺，卖与帝王家。那整个测试行业，以前要卷的是技术，现在要卷的是 AI。标准答案就在这摆着，难道大家就要这么白白错过这个上车的机会？俗话说的好，跟什么作对也别跟钱作对。即便内心可能是不认可 AI 的，但咱先进去把钱挣了好不好？我们是要顺应大势，进入主流公司拿高薪。还是坚持自己那可能不是很正确的真理吃土？我选择前者。 我没有那么多的理想主义，我出来工作，只为了挣钱。

结尾

我们的行业就是这样，逆水行舟，不进则退。不论已经积累了多少年， 永远都有新的技术栈在等着我们。不去拥抱最新的技术和潮流，就会被后浪拍死在沙滩上。现在的后浪技术一个比一个猛，底子一个比一个好，想法一个比一个大胆。今天想写这个文章，也是看到最近还有很多同学不认可 AI，所以有感而发。就说道这里吧。 最后再宣传一下我的知识星球，更多的 AI 测试实践都会发表在星球里。