有饭吃，真不错

真好

我用你的代码可以跑，你是不是这个 deepseek 连不上，检查一下这个 DEEPSEEK_API_KEY 是不是错了，或者没额度了

这个试着用了一下，发现很消耗 token 啊，跑几个页面直接就是十几万的 token 没了，小公司玩不起

建议不要去，最后就是一地鸡毛

1、写点脚本辅助测试，可以节约很多重复造数的时间，还提高了数据丰富度
2、把无关紧要的文档工作分出去咯，时间抽出来用到核心的测试工作上
3、多拿点资源在手上，数据库、api 文档、需求、原型文档、检查表、测试知识库、gpt 的账号等等，提前把装备搞好点
个人觉得：所做的事都去围绕着测试目标：“在有限的时间内，尽可能多的发现问题”
至于用什么类型（点点点、自动化），用什么工具（测试平台、AI 大模型、其他各种测试工具），根据公司的财力、个人的能力以及项目的情况来，但如果脱离上面那个测试目标，那就走远了....

这个就属于是性能分析和调优啊，向大佬膜拜学习

除了上面其他人说到的主要考核指标，我这边也补充一点不一样的
1、测试过程中产生的工作产品（检查表、各种脑图、以及经验总结，学习资料等）：主动维护测试知识库，这些东西对团队是有帮助的，
2、从其他岗位人员得到评价（这个比较主观，但是也具备一定参考性）：比如开发评价某测试同学 bug 提交内容规范完整，提高了开发的修复效率，产品评价某测试同学沟通积极，提前找出了流程问题，客服或运营评价某测试同学对线上问题响应速度很快等
3、除了工作，有时间就积极学习的测试人员，他为团队塑造了好的氛围（卷的氛围 =.=）如果大家都在学习进步，整个团队就具备更多潜在的战斗力去抵抗未来工作中遇到的未知风险，这样的领头羊也要表扬呀

图像识别可以应用到测试中
移动端自动化测试的时候，可能会有莫名其妙的广告弹窗，可能会有其他问题引发的 toast 弹窗，如何能自动识别这些弹窗，并做出对应的处理，这里可以用到图像识别，先找一部分的弹框图片来进行机器学习，并在工作中不断积累这种弹框图片，持续学习，然后积累到一定量了，就可以识别出来了，工作原理类似于汽车无人驾驶，可以识别各种状态的下行人和车辆还有障碍物，检测红绿灯的状态等并做出对应的反应

看 istqb 的大纲就行了，修订的挺好的