我觉得楼上可能有点误会你的意思了（如果是我误会了当我没说）

• "近年来公司开始转型做一些 AI 项目（例如 AI 提取、AI 推荐之类的），测试人员能上手测试的功能不多"
  • 从话里面看你们应该是 “需要做一套评测系统，评测 AI 提取、AI 推荐的内容是否符合预期”，而不是 “追求 AI 自动化落地”？
  • 如果是前者事情就比较简单了，我们这边干这个事大概就是产品先给人工评测标准，测试这边会将标准拆成「大场景 - 小场景 - 小小场景...-分数」，然后让 AI 逐一出分，最终合并分数分到不同档位，低于某个档位的问题梳理出来跟产品 - 开发一块对

1. "从事测试 11 年"
2. “24 年从金融公司毕业......掌握的各种自动化技术暂无用武之地”

前后端哪怕是最基本的 crud，也不是学完就能永远印在脑子里的，要像锻炼肌肉一样，常态就一直练习；看楼主一直都没机会应用，学了确实意义不大，要么边学边忘，要么一直在浅水区游荡

还有不知道楼主说的"深入"是指常态能用前后端搭建些平台，还是解决一些非常底层的问题，前者我理解有点基础花 4、50 小时看些教程也能入门了

还在做，jacoco 那套已经被改得花里胡俏，很早就融合到自动化了，现在在融合 AI 讲故事= =

团结引擎很难评，看开发者群各种隐形收费

惊了，蜜雪冰城居然有自动化

社区有计划支持公式渲染不，类似 latex 那种，虽然一部分能通过截图解决，但行内公式总不能截图一块一块放

确实比较一言难尽，原本是保质量，效率建设融入日常，现在是质量 + 效率建设是基本，ai 建设要融入日常，说是融入日常，但基本是强制要有产出，导致 ai 有一丢丢进展内部马上就有一股"ai 突破天际"的氛围，马上拉半天的分享会输出里程碑对标 xxx，不知道最后能有几个从一地鸡毛中杀出重围

现在有 ktransformers 在做这方面的优化了，很多内存足够大的人复现 24G 显存部署 R1 671B Q4 量化版本了，只是跟全显存比速度还是有差距

顺便放两个楼上没怎么提到的东西：
https://github.com/browser-use/browser-use（基座）
https://github.com/browser-use/web-uibrowser-use 的封装）（对

总感觉 deepseek 火了之后，很多不了解的人都以为 AI 飞升了一样，人家是省成本强（chatglm 刚出的时候 6B 就打满 24G 显存），生成能力还是对标 o1 啊🤣