• 作为测试圈同行,AI 的 promot 提示词工程这么外行,顿时觉得还是测试圈水分太大了,得挤挤水分。
    用错误的方式去 AI,反驳作者在抱怨 AI 不靠谱,然后还原封不动的评论了~~,测试工程师该具备的批判性思维是一点都没有的,这不就是为了 AI 而 AI 的低级错误吗?就 5 句话的事,也别费劲心思的在那组织 promot 提示词了:测试工程师用技术是好的加分项,但需要用好新技术,最有价值的是:具备专业性、批判性思维发现和解决新技术带来的问题。而不是让技术证明会技术的测试才是好的测试。

  • 你要理解一点,公司需要什么?需要的是便宜的、既能干产品、干研发、又能干测试、干运维的人,以前是得至少配 6 个人,现在 AI 了可能只需要 3 个人,这 3 个人名义上变成了研发岗,实际上:产品、研发、测试、运维的岗位职责都得干。这也是为什么测试岗不可能消失,只会转移。你可以去看看核心项目岗怎么用 AI 干研发任务的,开发完直接说我自测通过了,要上线,你看项目经理敢不敢通过。

  • 最简单的理解就是:该降薪裁员了,大厂的薪资普遍开的高,薪资待遇需要和小厂对标,但是不能让公司名声受损,对外就说这些测试反对拥抱 AI,开发拒绝拥抱 AI,拉低了生产效率,所以需要他们末尾淘汰。测试转研发的原因也仅仅是测试工资低,业务理解能力强,培训下比普通开发更好用、更具有性价比,以前没 AI,培训成本高,现在有 AI 了,只要教会他们使用 AI 工具和一点点 token 就够。QA 这个岗不可能消失,只有消失的业务,没有消失的 QA,优(便宜、能力强)胜劣(贵、能力不行)汰而已。

  • 一大帮人在焦虑,觉得 AI 革命,测试这种只会对着需求写测试用例、找 BUG 的简单的工作会最快被替代,实际呢?3 年过来,反而前端、后端最先被革命成了全栈开发工程师,但是前端、后端工作并没有消失。测试被革命是板上钉钉的事,但是这个岗位不可能消失,优胜劣汰而已。工业化快 200 年了,鼓吹测试没了的人多去工厂看下质量岗是不是一直存在、质量岗在做啥事情。鼓吹测试没了的人,感觉他们可能是已被裁找不到工作、即将被裁没找好下家、即将平薪转研发或者面临 40% 的降薪等等,原因不一定是能力问题,他们自己可以多反思下是不是:做的事情 AI 就可以干、性价比太低、业务不赚钱、新项目被砍、不去拥抱 AI 等等。别在测试圈贩卖焦虑,这样只会让其他人觉得很衰。

  • 50% 银行、保险,外围基金 25%,缅 A25%

  • 大专 + 34 软件测试重心还是放在业务和问题处理上。自动化、测试平台这些,在校大学生加 AI 就能做。出去面试,这个年龄都要求是资深测试工程师了,你得突出你资深在哪里

  • 认真你就输了,都是拉人头赚邀请码的 200 元钱的,空手套白狼,比真做事来钱快多了

  • 测试和开发是敌对关系吗 at 2026年09月02日

    以前不是,现在嘛,互相敌对,测试干开发,开发干测试,成了竞争关系。

  • 我们现在也没有量化出价值,所以我们没免费的 AI 用。目前也在摸索着,自费 tokens 我不提倡,所以一直是自己偷偷用。但是会告诉领导,有无限 token 且能拿到开发源码,可以干很多事情。
    目前能摸索的也有限:
    测试左移:我们没有需求评审、用例评审、技术评审流程,测试左移只能到编码阶段,只要拿到开发源码,隐藏风险和潜在崩溃问题可以在编码阶段开始排除,测试阶段压力会小一些;
    性能测试分析以及性能调优:以前只出报告,分析的也不那么准确,现在用 AI 能准确分析原因和期望调优方向;
    项目知识库、工业、工程施工规范 RAG:当时喂了几个 G 的数据,包含工业工程施工规范的相关专业知识。写工业软件、工程施工相关的测试用例时会首先找这些专业知识,然后生成实际施工、运行需要的测试场景,还能提供给项目实施团队验收用例;
    业务场景的接口自动化:只跑业务流转相关的接口,在回归阶段挺好用;
    各种提效工具:结合自身公司痛点针对性的做的一些工具,用着还行、且自费不多,所以公网部署了一版,其他人在用着,目前公司 4 个测试,文档生成类调用数据有 100 多次,文档转换类调用有 70 多次,SQL 生成类调用有 40 多次;
    提效工具这个是目前唯一落地了的(维护便宜、免费用且确实省时间),以前人工时总是会占 2 天左右的测试时间去写各种文档、材料,现在在前置条件满足的情况下 20~30 分钟搞定,现在同样的任务排期,测试可以多 2 天摸鱼时间。

  • 观点一致的,会与不会 AI 不是裁员硬性指标,但是用错了 AI 与完全拒绝 AI 结果一样会被裁,还是要把 AI 正确的放在解决公司的问题上,能解决公司看得见的问题,能带来领导看得见的效率提升,怎么会裁你,裁了不就裁到大动脉了?很多说 AI 无用论的,估计大部分都是用来写文档、写用例、写平台。这完全是用杀猪刀杀蚊子蟑螂呀

  • 站在效率的视角下,用 AI 的干的多比拒绝 AI,干得少的人要干的长久这个是没毛病的,飞哥毕竟经历过。大厂需要的就是要这种胡乱折腾的人,保不准哪天真出了一个精品,可以要到很多钱。但拒绝用 AI 顶多算是裁员次要原因,常见的裁员原因 AI 不是主因,顶多算次要原因,把 AI 跟裁员强绑定属于是公司不负责任的甩锅,裁员无非这么几个原因:
    第一个原因:这个部门长期赚不到钱还烧钱最厉害,首先被连锅端,跟技术不技术无关,最很的都是整个部门一起干掉。
    第二个原因:这个部门不算很重要,增量到了瓶颈,留下最重要的几个人维护就行,这个时候就符合飞哥的这篇文章的说法,一个人能干 5 个人的事的,那就留下来了。
    第三个原因:别的部门都在裁,你们部门不得跟着裁几个,免得被说领导不一碗水端平,这个时候跟领导关系处不好的,就上了裁员名单,技术再好不捧领导这些全没用。
    第四个原因:招你进来了,薪资要的高,但是具备的专业度、领域深度实在是不符合这个薪资区间的该有能力,如果有合适的,就换了,免得带来更大损失。不会用技术解决实际业务中的问题,只能干那种基础的写测试用例、写工具、搞自动化平台等等,那花这么高的价格请你来做啥?
    第五个原因:中小公司最常见。不是很赚钱,只够养活公司和养家糊口,那些薪资高的成本部门,员工该砍还是要砍,负责核心项目的人,是稳的。跟领导关系相处的好的人,他也稳,裁员时,领导会让他负责核心项目,并且指导他提高技术能力。其他的都是可以砍的目标。
    裁员优先级:本职工作能力差 > 跟领导相处不行 > 薪资高 > 技术好&&能力强 > 薪资低 > 跟领导关系相处的好 > 关系户。
    我提交过的裁员名单是第一个原因,我自己上过的名单是第五个原因,我现在这个公司其他被裁的人是:第二个和第三个原因。
    个人觉得:
    拥抱 AI 是可以让我早点干完活下班、被裁可以优先找到工作、可以利用 AI 赚点额外收入,而不是拥抱 AI 我就能不被裁。
    裁员不会考虑会不会用 AI,只会考虑能不能用 AI 真正解决领导焦头烂额的问题、用 AI 能不能给公司省钱的问题,如果用 AI 造成成本支出高了,成本高出的部分没带来额外的收入,要么不报销 AI 使用费用(我们就是 AI 钱用了,结果没给公司带来实质性收益),要么 AI+ 到业务本身。

  • 这个转行方向,行不行? at 2026年08月27日

    不要看 BOSS,BOSS 上销售都能月薪 15K~20,看脉脉、猎聘、去爱企查上看看各个嵌入式公司的薪资水平

  • 僅樓主可見
  • 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。

  • 聊聊职业规划,水个贴 at 2026年08月05日

    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。

  • 聊聊职业规划,水个贴 at 2026年07月31日

    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。

  • 互联网是真凉了吗 at 2026年06月29日

    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。

  • 真的很赞同了,最近在鼓捣 agent 集群上云的东西,还好之前工作中用过 Docker、K8S。目前只做到了集成扣子智能体 SDK,可以部署简单的单 agent 智能体,对于复杂的多 agent 工作流,只能在扣子内部搭建,但没法在私有化环境集成,且不支持自定义大模型,还存在信息泄露问题。现在只不知道怎么设计这一套方案,缺乏那种专门锻炼过 Docker、K8S 的能力,在设计上就没窍,蹲飞哥后续新部门的技术咯

  • 32 以上行吗

  • 应该都是不想进外包,正常情况下没人愿意进外包,但是现在这环境~~~,外包能给一份工作并且还是本职工作干着总比完全失业强。你要这样想,最近 3 年毕业的本科大学生,灵活就业率 40% 多,专科还有一份工作可以干已经超过 40% 的本科生了,比上不足比下有余。