感觉还是老问题呀，你说的一堆失败异常，不应该回归到自动化代码质量为何这么差吗？还是业务需求的高速迭代为何变动如此大，基础框架为何不支持维护变动大的需求场景。寄托于 AI 或者人工取分析一堆失败有什么意义，分析完看起来没有改进和收敛的效果，有的话那自动化的结果应该是越来越稳定，而不是又还是每天一堆异常需要分析呀。例如我们稳定的脚本大批量失败，一定是一个大的更前序的链路出问题了，基本都很好统计和分析原因。所以你的回答并没有脱离老问题诶。

你说的这些问题还是老问题，以前怎么解决现在还是怎么解决只是加一个 AI 罢了。

1. 想法。AI 时代，你的想法可以不再需要前端支持，后端支持。你就能独立完成前后端开发调试，并且只要你的想法可能有效，产品力的表现已经远超前几年了。
2. 行业经验，当技术能力没达到不可代替的阶段，行业经验无疑是最强的壁垒了。毕竟你吹自己用 AI 补齐了行业经验也没人信，其中的失败经验，情绪控制，沟通交流不是机器人能代替的。
3. 暂时想不出第三点了，什么这个技术那个技术，真的基本都破灭了。

哎用一下 AI coding 吧，你说的这些很快会消失到仅剩下有丰富的业务和排查经验的选手。

是的，不过这个已经是很久以前的帖子了。现在我们通过 AI，将文档涉及到的有意义的字段，自动去分析和生成测试点记录到知识库，让其他工具节点知道这个字段是干嘛的。只能说时代变太快了

你说的这个东西，就是建立一套动态的知识库体系，让 AI 自己去做这个分类，以及结合流程，在不同阶段接入不同的 prompt 去迭代这个知识库。相当于是执行 agent+ 维护 agent 的组合才能完成这个事情。也是现在有这么多开源的流程节点 AI 但是落地到实际项目的时候，很多人一脸懵逼的原因。这一块必须要有这个思路和结构

说了一大堆，没看到具体价值贡献。其次没 AI 真的没亮点了

第一个问题，明显是行业术语，背景知识库的维护。这 2 块没有进行设计和维护的原因，单纯靠调整 prompt 是没用的。这也是 AI 目前最大的问题，也是需要人的地方。如果 AI 连这一层都突破了，人就真的就要那几个就行了

和我们团队现在的方向很类似，我们也差部分预估 26 年 Q2 就能完成这个方向的建设了。越是深度的参与使用 AI 越发对行业前景感到悲观。好在我一向奉行先吃螃蟹的人能多吃几口螃蟹，而且已经 33 奔 4 了本来就没多少之前发展时间了，后面就留给新一代人操心吧

其实就是把你们的通用能力封装成 skills，给对应的 AI 去调用。如果没有 AI 业务赋能的基座，你的 skills 也没地方可以用。