很难不赞同。我们公司 AI 只作为辅助，再怎么也没想过裁测试，因为业务始终需要人去 cover，卖的还是实物

当我没说，看到你的新帖子了

意思是拉通整条数据链路？这需要把相关部门全部打通，数据流转搞清楚吧。你说的内容感觉如果能做出来，效果感觉应该很不错。我们现在没有大数据测试这个岗位，如何去搞到这些权限，如何向老板说明收益与风险成了难点。如果能从上往下推这件事情感觉会容易一点

有具体的行业实践吗？比如你说的这个私域资产构建，有什么具体的流程思路吗？

学会向上管理，每时每刻都要强调测试重要性，让老板慢慢养成 “缺了测试公司损失会很大” 这种潜意识，毕竟会哭的孩子才有奶

我们把以前零散的脚本、工具集合到了一个新的平台上，并且基于别人的工具二次开发了测试工作中更方便的功能，所有的代码都是 AI 写的

但是像工作流和知识库 RAG 这种还是直接基于 IDE 用的，毕竟没有开发工具的必要

所以感觉还是要看公司的业务形态吧，一个统一的内部工具平台也可以整合之前零散的功能，提升内部的使用率，沉淀内部知识，并且所有数据都内部管理，也是领导比较看好的一点。所有东西都自己维护、自己开发，后续再集成 AI 进来也是很方便的

当然，楼主说的测试平台的确是没必要再去开发了，封装一个 skill 就完全满足了

分享的人变少了，审核变慢了，可不得冷清吗

看起来很像银行系统，但是感觉也有可以做的：
1.做一些 prompt 工程，开发点 skill 去优化工作上的痛点
2.研究下 RAG，把测试知识库接入内网模型
3.把日常工作流程上的卡点以及遇到的问题收集起来，晚上或者周末在家用 LLM 去辅助你梳理思路，加深业务理解

内网模型不给力，这个时候流程的嵌入程度就显得尤为重要了。用 Prompt 工程、RAG、微调、任务拆解等等方法把它嵌进日常的业务流程，算是能提升自我的一个不错的方法了

让 AI 自主读代码、做接口和 UI 测试的话，有试过准确率和 token 消耗量吗？