现在有 AI，除了这些：
1、熟练掌握黑盒测试 、白盒测试 、自动化测试技术,擅长运用等价类划分 、边界值分析等方法设计精准测试用例。
2、会 Fiddler 抓包，会使用 Postman、JMeter 执行接口测试 ，并用 JMeter 进行基本的压测。
3、熟悉软件测试全流程,从需求分析到缺陷跟踪闭环管理,具备软件测试技术实训项目经验能高效定位软件缺陷,保障系统功能稳定性与可靠性。
4、会 AirtestIDEA 自动化工具，熟练使用禅道管理系统，jira 缺陷管理工具。
其他的 AI 都能指导你一步步完成，以前没有 AI 时，你写的技能有很多东西确实不错，如果刚入行，还是从测试最核心的业务方向发力吧。

大部分 web3 发币、对私转账是基操，要小心鉴别，别被免费当苦力，最后拿不到钱

如果想了解清楚业务接口调用链路（比如：有些接口调用日志会有内部接口请求，内部接口是做什么的为什么需要这个，就需要去看执行的 sql 了），做全链路接口自动化，sql 是必会的，脚本会涉及到 sql 读写

那标题不能超过 25 个字要保证开发能通过标题看懂什么问题，BUG 详情：前置条件、操作步骤、实际结果、预期结果必填，后端问题必须附接口请求、响应信息和日志文件，前端问题必须附 url 和截图这种怎么说

现在的大环境下，专职做效能是最先被赶走的，我自己的经历：
2017 年入行是专职业务测试。2019 年开始接触效能平台、自动化平台效能与业务比例差不多 2:8，在同一个公司完整上完一个合同周期的班。2021 年年初跳槽专职效能平台和工具开发，2022 年年初几个专职测开的人过完年就被干掉了。现在的公司业务测试占比 90%。以前做专职效能平台的同事，后面的新公司又被干掉了。

先了解接口的结构、工作原理、状态码，再结合业务看一个完整的业务流接口调用步骤和接口关联关系，学好 SQL 语法

不能只做效能，只做效能那淘汰率高的离谱，测试开发的核心还是以技术手段做好软件的业务测试，其他公司我不知道，我待过的公司常见的比例是 3：7 或者 4：6，工作量还是以业务测试为重心

以前经常出技术干货的人都在大厂吃 AI 红利呢，哪有时间写文章。
近几年失业的人太多了，首选并且更容易转行的就是搞培训。
各大论坛以前要花钱请写手，需要丰富论坛知识和范围，现在有了 AI，从成本因素考量，简单的知识 AI 生成，不用花钱请写手了，只有精选知识还需要人手写。

猜测可能原因：
1、有比你年轻、便宜的人；
2、有比你更好用、更专业、薪资跟你差不多的人；
3、有比你更卷的同行，最低 996 强度的加班；
4、甲方自己都快没分包项目给外包做了，提前开源节流；
5、你的外包公司与甲方合作不愉快，存在争议和纠纷，甲方做出相应的调整；

很多垃圾外包公司都是这德行，外包岗还天天义务加班一小时，最后一个下班，这个真没必要，拿多少钱干多少活就行。但是有比较强点的外包公司，加班至少算调休，周末不强制加班，就是到手工资没多少。下份工作注意甄别，过了 3 个月试用期就赶人，估计下份工作不好找，得找个信服的理由跟下家公司解释

我们是部署了 3 台 211-Master，便宜好用，自思考模式比市面上最强大 AI 还要更像人的思维

抱好原组长的大腿，自然会告诉你怎么做

测试组内复盘什么？写了多少用例？花了多少测试时间？提了多少问题？然后闭门造车似的决定后面版本怎么测试？
测试复盘针对的是整个项目组，针对本次版本的问题进行讨论，结合历史版本进行比较，哪些有改进、哪些无改进、哪些是新问题，并对出现的高频问题、顽固问题、历史问题，和整个项目组一起讨论解决方案，在下版本我们要做到什么目标，同样下个版本发布后再做一次复盘，确定之前的方案哪些可行、哪些不可行，一次一次的修复改进，最终的方案成为项目组迭代规范存档。

好资源、好项目、好技术都像真实下属倾斜，名义上的下属自己想参与，那主动过来找我，不主动过来的不想配合的就顺其自然，给一些边边角角的杂活扔一边自己玩去，只要保证项目正常发版就行，擦屁股的活比教育他容易多了，这个是没有淘汰制的公司的无赖做法。有末尾淘汰制的公司就好办多了，直接找数据，或者找理由让他绩效最低就行，我从来不做热脸贴名义下属的冷屁股超过 3 次的事情。不过偶尔还是会暗示：想成长、延长职业生涯就跟着我一起搞事情，不想的话就在那摆烂等 SI。名义下属毕竟是少数，招人的时候第一关面试的是你，又不是你的领导，只能怪自己识人不清，吃一堑长一智。

可能是 Random 出来的 ，我还寻思着搜 ITP 是什么工具，合着是作者自研的平台，现在市面上的同质化平台太多，还是挺佩服作者的这份坚持，不知道作者有没有在本公司落地？有没有参考数据？没有实际数据支撑，没经过市场检验的平台还是持谨慎态度，并且还没开源

深入了解新能源储能的业务和生态，学好 java、python，再就是等储能概念爆发，抓住机会进大厂

仅用 AI 成本是 10 元，有效解决 AI 幻觉成本 90 元 ，砸钱买企业级服务器，私有化部署满血版大模型，做模型微调，做企业级知识库，自己训练模型

快 50 了

看样例，这是把下一步想到的所有可能的异常都列出来，看执行这一步会不会命中预置的异常？感觉有点穷尽测试了，怎么确保预置的异常能够覆盖所有异常操作？

一年测试经验就不要写具体的量化的指标，一年能有多少经验？量化指标结合你的 1 年工作经验，可能我会觉得一眼假，1 年经验就说你做这个的起因，怎么实现的，用了什么技术就行，搞这些量化指标随便追问下你就懵了

为什么要做这个？解决了业务中什么问题？相对于传统的 xpath 定位，采用 AI 准确率提升了多少？落地效果怎样？

赞同，想做测试还是得重回业务组，除非转开发。测试的核心是业务，技术是为业务服务的，测试开发这个角色被大多数人曲解，都认为做质量监控平台、自动化平台、工具开发平台才是测试开发，业务的基础上做工具是测试工程师

对的，很多因素都会影响测试的时间，所以第 4 点就会有一个区间范围为 4 天的高风险

嗯嗯，大多数情况下都是开发一周测试 3 天，上线 1 天，刚好 2 周一个版本，估算测试工时，其实就是给上面人看测试工作量，为什么需要这么多天，然后反向推开发的提测时间。