我的一些思考

作为一名从事测试工作 12 年的专业人士，我深感测试行业的本质在于持续学习。我们需要不断学习业务、系统和质量把控，培养多角色多能力。这是我们在 AI 迅速发展的时代保持竞争力的关键。

面对 AI 的发展，我们不应感到焦虑。事实上，各公司在垂直领域中的 AI Agent 落地实践与我们的工作有许多相似之处。这为我们提供了新的学习和发展机会。

测试不仅仅是一个职位，它更像是质量、效率、业务、技术和交付等多方面的"润滑剂"。我们的工作极具目标导向性，对产品和系统的成功至关重要。

虽然企业中大语言模型 Agent 的最终目标是模仿我们的工作，但这个过程仍然漫长。未来的成熟方案必定与现在不同。目前，AI 在代码编写和需求总结方面确实取得了显著成功，但仍有很长的路要走。

回顾我的职业生涯，12 年来我未见有工具能完全替代人。唯有思维方式的革新才能让人"退居二线"。因此，我们应该专注于提升自己的思维能力和适应性。

• 企业知识库管理是一个巨大挑战，真正能做好的人寥寥无几。即使是看似简单的多版本管理，做得好的也很少。作为测试人员，我们应该：

-- 提升对企业知识内容的沉淀能力
-- 从全局到细节、从正向到反向，深入每个垂直领域
-- 记住，垂直领域的知识是决定"江山"是否稳固的关键
（我们不仅要会"写作业"，更要会"检查作业"。作为经验丰富的测试人员，我们应对高效流程和逻辑思路了如指掌，对系统质量的把控应炉火纯青。）

• 技术承载的逻辑思维能极大地提升我们的测试能力。现在有许多开发人员转向测试，甚至有 10 多年开发经验的人也在做测试。但仅有技术思维而缺乏质量把控思维是远远不够的。我建议大家：

-- 补足自己的技术思维
-- 广泛深入地学习技术
-- 记住"一法通万法通"的道理，学好一种方法，思维就能全面提升
（虽然我们不需要亲自"写作业"，但如果不熟悉技术思维，又怎能有效地"检查作业"？）

• 在这波互联网红利中，测试角色的权重可能不及开发或架构。但我们的核心优势在于：

-- 持续学习
-- 紧贴业务
-- 在垂直行业深耕
-- 能够从新技术的潮起潮落中汲取精华

对未来的展望

• 随着 RAG（检索增强生成）技术的出现，未来的知识库管理将需要一个全面的、既贴近业务又贴近技术的角色来进行衔接。在这个过程中，基层测试人员将成为核心一环。他们：

-- 处于业务一线，汇总多方意见，从繁重到核心脉络，顺核心脉络到各个细节。
-- 维持企业垂直领域的业务沉淀
-- 在产品、开发人员流动频繁的情况下，确保业务系统的稳定性

企业人员流动是常态，如果知识沉淀做不好，不要说 RAG 了，连微调都难以实现。难道要花大把钱去招聘大量行业数据标注师吗？
这项工作可能看起来枯燥，做得好的人往往默默无闻。有些公司甚至会外包给写手公司。但这绝非长远之计。我们应该着力提升自己的结构化思维和文本表达能力，镜水楼台先得月。

• 在接口测试方面，AI Agent 正在落地到 RPA 机器人或外部接口调用。这些技术对测试人员来说并不难理解。RPA 本质上就是自动化，而大语言模型的 text2api、text2 自动化流程，反过来看更像是测试过程的另类效能产品化。这种例子比比皆是，就像早年的 Selenium 最终催生了爬虫技术一样，为何我们不加入其中。
  谁还会比我们更适合做一个 Agent 设计师？前提你要了解一下现有 Agent 体系。但是思维方面我觉的测试人员更严谨。虚心学习吧

• 在安全测试领域，我们可以将测试手段代码化，进行集成，并思考如何与 LLM（大语言模型）对接。这为我们的工作开辟了新的可能性。

• 测试的知识体系极其繁杂。大部分业务线测试人员：

-- 了解多个开发人员的业务逻辑
-- 熟悉行业里用户的思维方式
-- 善于排查和定位问题
-- 掌握公司业务线的整体情况
-- 具备跨系统的知识
-- 能写代码、会看代码
-- 上得了厅堂，下得了厨房

为了保证质量，我们必须无所不用其极。技术 + 业务 + 目标 + 自驱动

（如果你想做一个稳定的质量把控人员，不想频繁换号重新练；系统把控不好总有一天会崩在你自己手里，既要控、又要沉淀、还要灵活，打江山容易，守江山难）

最后，让我们换个角度思考：如果 AI Agent 真的能完成所有这些工作，那么安全性和可解释性又该如何保证？没有这些保障，谁会愿意使用 AI 而不是人类呢？我认为，这波大潮之下，幸运的，不幸运的，都别给予释放自己的情绪，我们需要静下来、换个角度适应突破自己、努力让自己的能力更加立体化，充分展现自己的价值。

超越标签，立体发展，共筑系统晴空，吸引人才，坚守质量之路。

【以上内容使用 Notion 进行了写作提升】

搬砖总有一天不容矫情，思考很重要。只要你思考，还有很多方向可以前行。小水花，就小水花呗，就当是为行业做贡献了。

再聊