感觉 AI 赋能测试发展下去，最理想的模式还是 AI 基于需求文档生成功能用例，人再基于已有的功能用例上补充面向经验的用例：例如怎么测试这个功能是否是符合客户的要求？用户可能会怎么使用？是否遵守同类软件的用户使用习惯？有没有其他需要补充的非功能用例？然后交给 AI 去执行基于需求文档生成的功能用例，人工进行面向经验的探索性测试和补充用例的测试。
目前我司开发的 AIcoding 各不相同。
编程习惯好、能力强的开发，都会拉上产品过一遍产品的需求文档，使用 AIcoding 前，都会准备好对接后的功能交互图、函数命名规则、各个方法的注释、技术文档、甚至还有功能实现的代码样例，然后交给 AI 去照葫芦画瓢，产出的代码就很好，问题也没多到离谱、功能实现度 65% 以上，产出还快。
编程习惯差且水货开发，直接把需求文档、功能交互图直接就扔给 AIcoding 去生成项目了，也不问下需求文档有哪些功能、思考下他要怎么实现，产出的代码功能实现度 50% 不到，很多不需要的功能都没有移除，问题较之前多了 3 倍，产出是快了，但是测试阶段、改 BUG、补功能、删功能入口的时间比功能实现时间至少多 2 倍。

自动生成用例没啥难的，好的基座模型 + 质量高的需求文档 + 质量还行的源码 + 业务知识库 + 历史测试用例 + 测试用例设计规范提示词即可。

说的好像 agent 测开 35 不被裁一样，越是热门赛道年龄越大越不利。

AI 效能搞起来、公司业务测试 AI+ 赋能、慢慢往贷款行业卷市场，市场才是赚大钱的部门，容易 20K 往上，还能多劳多得，研发都是成本支出部门。

我也看到过这个岗位，给公司部署通用的 AI agent，给 HR 部门部署 AI 简历筛选系统和 AI 在线面试系统，给销售部门搭售后客服系统，给老板搭员工管理系统，还要负责公司的 agent 业务开发，钱少事多最先裁的岗位，自己做抉择呗

喂给它需求文档生成测试点清单还是挺好用的，拿到清单后去思考还有哪些是可以进行覆盖的。
写代码是真好用，以前要做好久的平台或者工具，AI 几天就可以完成就拿 4 年前的一个财务金额校验工具，我自己敲代码做了 3 周，现在用 AI 干一天就出来了。
测试文档生成，AI 生成方案、结构化用例表格、测试报告，复盘资料等等，都不用自己去手敲。
写财务系统验证的 SQL，AI 不仅快生成的还好。

未到 30，优秀的人，薪资要的低，4 年前一周就可以收到几个 offer，现在 3 周~1 个月足够收到 offer 了。
未到 30，优秀的人，薪资要的高，2 个月足够收到 offer。
超过 30，优秀的人，薪资要的低，1.5~2 个月足够收到 offer 了。
超过 30，优秀的人，薪资要的高，3~4 个月也许可以收到 offer。
任何年龄段，统本学历、测试菜鸟，薪资低都不见得有公司要。
任何年龄段，非统本学历、测试能力强、薪资要的低，3 个月差不多可以收到 offer。
任何年龄段，非统本学历、测试能力不强，没有公司要。

基于开发提交的 git 代码进行静态测试、回归用例推荐、改动风险预测，基于测试数据生成复盘报告，性能测试用例生成、执行、结果分析，生产环境用户反馈问题聚合分析、定位问题，时间多还可以进行研发的 SQL 测试。

研发中心 CTO 说搞接口自动化、UI 自动化没含金量，上限太低，买 tokens 就可以完成，多用 AI 保证线上质量、测试效率。