hhh，大佬夸奖了，另外这篇是我看到一篇喜欢写思辨的人写的文章，转发过来的，因为感觉写的很有意思，转过来的，希望能让看到文章的行业朋友看事情更透一点，不内耗自己，需要我标记原作者吗，因为不知道论坛规矩，所以没写原作者

就我目前来看，AI 在测试领域，一些我不懂的地方我就不谈了。。我感觉只有在大数据，数仓里面做各种 skill，业务知识串接，工作流定向分析有帮助，因为这些工作跟日常页面或者接口功能不一样，越贴近数据，是越好用 ai 帮忙的，也是越贴近业务，也是最好往上升的（但是其实和数据分析和大数据开发有职能重叠了，不过测试嘛..哪里都想伸个手进去）。至于其他的用 ai 加身做所谓的测试技术...额，老生常谈了，如果对加薪有用就行，实际是没得 B 用的

从不同角度来说，分为两派:
一类人是都知道 AI 的这些问题，但我就是不说
二类人是真不知道这些问题，我听别人说 ai 这么搞可以
第一类人大多数想要成为既得利益者的，能不能干无所谓，能给我加钱就行
第二类大多数人是不怎么去接触和学习的，或者说没啥兴趣的

额。。我认为公司是想产出实际业务收益，也就是赚钱的，如果 token 大量花费在自动化测试上，要不然就是财大气粗瞎搞都没事，不然就是纯视觉公司，不然只有一个点了，为了 ai 而 ai，别说产出收益了，是疯狂倒贴钱还永远不会收回的

可能现在 base 承接不住那么多的了，可能跟个人还无关

在极窄领域（比如只处理 REST API 的测试用例生成，且每一步都能访问完整 API 规范），加上人工检查点，还是能产生生产力的,但是如果妄想什么都搞的很精准，那就没辙了

感觉一切问题都是上下文压缩问题，压缩了必定丢内容，也说不好到底有哪些次要被丢弃的刚好又是很关键的信息。说起来，除开特定工作流，类似这种什么生成自动化用例啊，读取代码生成巴拉巴拉啥的，得首先理解你得大模型在一个 session 里面，在百分比多少的时候会开始离散信息，什么时候你需要开始压缩信息持久化了。但是持久化压缩之后的信息必定不会等价于原生完整的信息。类似 subagent 这种，读取大量信息，然后 summary 汇总算是一种方式，但是这种方式也只是暂缓，所以这也是为什么在目前 AI 没有阶段性突破动态权重这环节的时候，任何你要 AI 自主驱动的东西，都是不切实际的，除非你跟人家那位授权 100 个 cc 工作，一个月花费几百万成本去搞所谓的用例...

跟你想的如出一辙，但是我目前没有像你这样做的很精细，因为我是大数据场景，因为是数据流转，所以必须精通业务才知道数据后面的业务背景，那么对于大模型来说，我给了一个总结，叫做 最小认知单元。这个东西不是什么字典，也不是什么指标定义，而是就跟我们大脑一样，我为什么会知道要这么做？这个就跟里说的一样了。目前我是让它根据一份 ETL 生成一份最小认知清单。让它有一个像人一样的工作认知。确实我是认为这个思路是正确的

可惜了，这个前端工程并不重要,model 才是核心，我甚至认为这是 Anthropic 刻意有意发布出去的，为了让市场无形的手来打造属于 CC 的生态圈

我感觉 ai 要做到非常完善的压缩前文，上下文，要参考大脑的存储了，比如我们记忆东西，很多东西就是长久灌输，有了外部环境的灌输才知道的，虽然现在参数还没我们大脑神经元突触的数量级那么大，但是我感觉把，真要到这个指数级了。开放云端的 ai 个体互相互补，真就是一个群居社会 ai 的雏形了，真就云上大脑了，想想都贼恐怖，毕竟不知道某个特性的涌现效应的条件是什么，可能突然某一天就触发了这个客观存在的涌现条件了