拥抱不确定性是最确定的事情，每个要生存和发展的公司都得做，测试也得跟上。

一直秉持一种想法：只要通用大语言模型的幻觉在、垂直和私域数据不用来训练 AI，企业内部的研发通过 AI 成产的代码和最终产品都会包括缺陷，独立测试才有生存的价值和心理学基础。悲观主义者 vs 乐观主义 在看待上述推演的时候所持的立场本身就不同。但是在 AI 大时代下，做点儿具体工作，让自己觉得自己还能行，不会被社会淘汰，似乎在心理上才有补偿作用，但是可能也是没啥作用的。

测试生产的话，成败在知识库的构建/重构，而不在你选了那个大模型。

有没有一种可能，就是你还在照搬上一家公司学到的？也许再过一两年你就觉得都合理了。

想想，如果这个人真的一人分饰两角，抗住了。就说明这个工作本身就没有那么大的壁垒和核心竞争力。

解决你们产品开发痛点的自动化才是高成效的，别人家的经验在你家不一定显灵哈。

问一下，你现在的接口自动化和 UI 自动化都到什么程度了？是否已经与生产发布行程闭环了？各有问题是什么问题？能否绕开问题让测试更加稳定？

现在很多人在尝鲜，而眼前的自动化半拉工程直接搁置了，这就比较低效了。

原因听听你的上下文，各位会给你出主意的。

“领导想让我开发一个自动化测试工具”——你可以多问问领导这时为什么？一个工具 vs 一堆 pytest 脚本 比一比看一看想一想。是面向领导工作不假，但是你也可以带点儿私货不是？好运。

“近年来公司开始转型做一些 AI 项目（例如 AI 提取、AI 推荐之类的），测试人员能上手测试的功能不多？” 能具体点吗？为什么上手测试的不多？还是公司整体对于这部分暂时没有质量的预期？或者公司也说不清楚。
我理解这个切入点，会比用 AI 提高效率来的更重要。没有测试在前，何来测试效率提升只说呢？

30%? 这么保守吗？

这还是互联网统治的社会，未来一个人产品，开发又能独善其身。拭目以待，总要有人傻傻傻回来再找大家的。

感谢分享，框架和目标非常全面。期待 v2.0 能够细化每一个子标题。期待！

这就好比有些人为了追求执行效率用 C 语言开发性能库函数，而另外一些人追求快速原型用 python 做个网页一样。

低代码作为业界的 “炒剩饭”，和二三十年前的模型驱动测试（MBT）的炒作，没有什么本质区别。而且什么分离不变性、参数化、内聚耦合的思想，都是软件设计模式三十年前讨论很多遍的。工程上找到适合自己团队的实践才是最佳实践，在 AI 加持下，也是一样的，可以多看看过去出版的一些经典著作，或许会有很多启示的。

现在网上 AI 学习的资源特别多，关键还要结合你的想法和实际的情况，把你的情况疑惑整理整理，写成 prompt，发给 DeepSeek 或者豆包，你就会找到答案了，它们的建议都很中肯的，可能可以作为你学习 AI 的入手第一步哈。如果还是有问题，也欢迎加我微信细聊：hzhan11。

学习是必须的，但是每人能给你一个保证，有时机遇和运气也起到很大作用。

这种软件设计和编程的原则，你的代码走查和评审。BTW：谁让你做的？

"AI 只适合在屎堆上缝缝补补"这是经历了什么？这么恶心的说的。

40+

低代码/无代码 - 这本身就是一个噱头。即简单（不需要写代码），又复杂（能表示现实世界），怎么会有这样的东西。