在 bat 同级目录，按住 shift+ 鼠标右键，弹出菜单中选择在此处打开命令行（或者 PowerShell）,用命令行运行这个 bat 文件，就能看到输出信息了（如果有的话）

不看掌握什么技能，只看解决什么问题

目前的阶段成果：测试团队愿意自主且自助的使用精准测试能力（基于内部基础设施搭建了一个比较简单的平台），用于每轮系统测试过程的评估，我们不做覆盖率的卡点，只希望测试人员能够结合被测版本的增量报告来补充测试场景（发现有变更代码没覆盖，就去分析原因，如果觉得需要补充测试场景，就去补充然后继续执行）。

我们团队前年做了个类似的东西 https://mp.weixin.qq.com/s/qpWe_AveUDQvKJ-zfoZglg 现在是作为测试的基础设施来用的

可以先学习公司的测开平台技术架构，然后了解背后的原因，为什么是如此的技术选型，模块要这么划分，背后的需求是什么，有没有什么指导思想或者套路在里面。从身边能接触到的地方入手探索吧

你可以根据个人情况写，了解、熟悉、掌握、熟练掌握 等几种程度，分别用于下述的点
Java 基本语法、常用数据结构、异常处理、面向对象编程、多线程、设计模式、Spring（里面可以继续细分）
一般来说，后面的熟悉了，前面的就可以不用说了，默认都是会的，如果后面的不会，前面的可以说一下
eg：我的例子，熟练掌握 Spring 全家桶，能够选择合适的设计模式在项目中应用，熟悉多线程、线程池与信号量机制，编写过批量任务的并行调度处理引擎，日均调度 10W+ 任务。
供参考。

By GPT-3.5:
作为测试行业，要向 AI 方面靠拢，可以考虑以下几个方面：

1. 学习和理解 AI 技术：了解不同类型的 AI 技术，如机器学习、深度学习、自然语言处理等，并学习相关的概念、算法和工具。可以通过在线课程、教育平台、书籍等多种资源进行学习。

2. 探索自动化测试：AI 技术在自动化测试领域有广泛应用。了解和掌握各种 AI 驱动的自动化测试工具和框架，如基于机器学习的测试优先级排序、异常检测、数据生成等。

3. 数据驱动的测试方法：AI 需要大量的高质量数据来训练和验证模型。在测试过程中，可以关注和收集与应用程序或系统相关的数据，以进行 AI 分析、模型训练和预测。

4. 探索 AI 在测试中的应用：了解 AI 在测试领域的应用场景，如自动化测试脚本生成、缺陷预测和检测、智能测试执行和报告分析等。尝试使用 AI 技术来提升测试效率和准确性。

5. 跟踪 AI 测试工具和平台的发展：关注市场上的 AI 测试工具和平台，了解最新的技术趋势和解决方案。根据实际需求选择适合自己业务场景的工具和平台。

6. 寻求专业支持和培训：可以参加相关的 AI 测试培训课程、研讨会和行业会议，与领域专家和从业者交流经验、分享最佳实践，获取专业的支持和指导。

7. 持续学习和自我提升：AI 技术在快速发展，要保持对新技术和工具的敏感性。保持学习态度，不断更新知识，积极跟进行业动态，关注前沿技术和应用。

以上是一些建议，希望能够对你在测试行业向 AI 方面靠拢有所帮助。AI 技术在测试领域有广阔的应用前景，通过学习和掌握相关知识和技能，可以为测试工作带来更高效、准确的解决方案。

算上外包，有 500 多人的技术团队

建议从内部的需求出发吧，我们对测试平台加了前端埋点监控，可以知道哪些是用户（测试人员）用到的高频功能，哪些是低频功能，高频功能就向着更易用，更好用的目标持续迭代

比 xxx 强就一定去干 xxx，我不认可这个观点。测开是可以提供独特价值的，既有开发的视角，又可以有测试的思维，可以充当开发及测试团队中的桥梁。另外一点，其实根本不需要纠结到底是啥，团队需要什么，我就干什么。需要测试，我就是测试，需要开发，我就是开发，需要测开，我就是测开，都会，都能干，也都能干好，具体岗位啥的根本不需要纠结，只要能贡献价值，用正确的方式持续的做正确的事情，别的都无所谓。