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

现在搞时间序列算法...我是感觉我写的没 ai 给我得好，已经两周不写一行代码了，只做结果 check。。。

我还是比较认可你说的，至少我目前看到的，你这个实践是最符合我体感的，生成用例这块我觉得就是属于死党 - 上下文少不行，上下文多也不行，受限于模型本身能力。加上人工迭代等等。除开少数业务是那种定向分析的，能开拓一下分析视角。我个人觉得 ai 还是用于编码方面是更适配的，强行拉到测试这个版子有点过于强求了

我在刚接触测试的时候就有一个疑问，xx 自动化,xx 自动化，如果需要维护，大部分人还觉得是个负担，那个这个东西他就是没意义的，什么叫自动化？像流水线一样，像智驾一样，自动开车，自动收付款，自动农耕一样的自动播种，浇水，即使需要维护也是中长期跨度的维护。到了测试这边，所谓的 ui 自动化测试投入的东西毫无意义，或者有人说你觉得没意义是因为你 xxx 还不够深入，我对这种是很嗤之以鼻的，除开少数公司非常特殊特定的业务以及独立的环境之外，其他的百分之 99 都是没意义的，如果有人觉得有意义，那你就是对的