哪怕你赚到了钱，但是你好像很用力的在活着。我现在周末就睡就玩，不干任何兼职，不再去思考怎么赚钱，我想活到 100 岁

驱动是用 airtest，但是在不同包的指定流程下例如 “确认” 会有不同的图片，批量构造主流程脚本想用 AI 去识别和定位，然后修复成对应的数据

周末回去看看，感谢

多找找去找到匹配的岗位，然后开始实践才是真的，至于语言都学呗。

现实中，翻页能翻就行了。再多就是带条件查，他说的很多已经超出翻页测试范围，测的是框架部署层面的接口验证了，和翻页本身没啥强关联了

我只能说别强求了保证现在不滑落就很不错了，这个年纪小公司大头兵都不稳定。

1. 人脉：）你如果已经有一些测试成果，那么和你合作过的开发或者领导在其他公司的时候愿意内推你，这很重要比面试都重要。
2. 技术 KOL：）行业内你比较知名，也是人脉的一种体现，也相当于其他公司有位置的时候愿意推荐你过去。
3. 走社招：）这真的事 30 多岁还做技术的下下之选，说明你在过往的职场中都无法建立以上两种 2 人脉，那么好的机会真的很难很难落到你头上，特别是当今的局势你想找一个稳定收益的公司。保证自己不会动不动因为公司的原因就被裁掉。

看有没有测试平台和工具要部署吧，有的话弄一下一键部署就行。毕竟手动搞部署真的很累

大厂待遇好点，就算是进去前造火箭要求也不是很过分，二线可能也有，3 线就得看面试官是哪里出来了

要么就转岗，纯测开这个环境不看好呀。一旦业务受到冲击第一个要滚的就是测开，留下来的起码是对业务有帮助的。

django 开箱即用，前端 vue 拿模板修修改改，不是走纯开发路线差不多了

产出结果就是能拿来水，并且 AI 现在真的赚钱的点就是卖课，深入研究除非从业人员不然没意义。

你做的事情基本是大厂才需要的，小作坊要执行要自动化，大厂你学历绝对被卡的死死的，因为人太多了。

狼多肉少不知道你是以什么样的心情转行的，一般转行就彻底转掉了。

工作 2,3 年的小坤子们时无法体会到的，估计还在死背八股文和刷 leetcode

看你的描述感觉 20k 应该不难，广州现在这么拉了吗

1. 我们的人员配置是 4 个常驻 1 个不稳定就是 5 个人。我是主要负责自动化等工具。其他人功能：自动化基本在 8:2，所以不可能强求他们自动化产出有多高。
2. 我这边是需求和自动化并行进行的，其他人基本是自动化在需求完成之后，这就导致了其他人员的自动化产出效率不足。项目基本也是 2-3 天一个测试需求，很多时候还是 2-3 天测 2 个需求。
3. 项目配置，基本 1 个人一条线，我这边是游走，所以主要负责自动化的转化。
4. 你说的合理不合理问题这个就很玄了测开比基本是 1:10 以上。 5.6 合并说吧，数据驱动是肯定的根据场景进行参数化，测试用例是通过 pytest 框架编写 python 代码的。毕竟代码的继承复用和维护是平台比不了的速度就不是一个量级的只是要求会高点。

会持续迭代的需求都会转自动化，不持续迭代的末端业务就不写。用例多的地方主要是功能庞大所以复用了，不然一个小功能写 34 十条自动化测试用例的写一年都写不了那么多。另外你说的工作很多年还写自动化，单纯搭框架都 25 年了会缺框架吗？你不写测试用例工具上的优化能优化多少总会到头的。完全的测开工程师都是大厂并且岗位极少，我是没认识几个只写框架不写用例了。说白了还是个体力活

1 年多时间 8000 多了

按功能或者按需求等类型存，只是一个分组分类的过程。关键的当你的测试用例体量增长到 1000,2000....之后你的维护新增速度时候还是能保持 100 用例阶段的维护速度和新增速度，其中最关键的因素就是当你的用例越多你用例受到需求迭代的影响面就越广。这就涉及到你工程的数据维护（静态的动态的），工程的结构设计。以及出现异常情况比如环境数据破坏了恢复到正常状态等等情况后你的维护效率会不会受到影响。

小公司都训练不出模型，个位数和 2 位数的模型训练出来能用的起来吗？

https://developer.mozilla.org/zh-CN/docs/Web/HTTP

给你我的客观的答案吧，一般这个问题我也会问。第一就是看一下你写了多少，量变引起质变，几百条用例的维护和几千上万条用例的维护肯定是不一样的。量级增长意味着你需要做更多可维护性提升的工作。同时面试官也可以顺着你的编写量继续聊下去。
上面回答的 “有人会记得自己吃过多少顿饭吗？ ” 更是无稽之谈，你做的自动化难道没报告吗？还是你的报告维度不客观的反应这个量级吗？还是说大家做了之后都不关注报告的结果。包括日志，运行时间，运行测试用例这些都是很明确的才对

经典，我上家引入数据度量也出现这种情况。顺便一提也是阿里出来的牵头的

1. 对于个人来说论不论证都无所谓，想办法申请下来那就能拿公共资源区丰富自己的能力。
2. 对于公司数据工厂对于测试类工具就是存在即合理并且业内已经有很多在用了。你只需要去看看成熟的例子，并且想好要怎么做做哪些能在你们公司内部能逐步推行就行了。
3. 总结努力提升自身是关键。

找我上述说的符合这 3 个情况的业务，找不到就准备好打包走人吧。