最近各公司都在搞 ai 提效，大家热议的话题也是 ai 提效，自己也一直关注着 ai 这块的动态，虽然了解的不多，但是一直持续关注着吧
去年和一位前领导及前辈聊天他点了我一下要关注这个方向，事后开始关注这块的动态，当时大家提效的场景议题还不多 ---- 需求转用例、代码提交的检查、还有个自动转自接口自动化的，但是最实用的还是需求转用例，只听说一些大厂可能自己训练模型搞，中厂调 openapi 搞，小厂自己乱搞；我自己就是小厂，自己在本地弄了个 小 demo 下载了几个模型试了下需求转用例，效果还行，然后试了调 openapi，确实不错
后面有个大佬@Tttt用 ai 写了原型图自动转 ui 用例再执行出报告的
再到去年年末，看了高飞老师的 cursor 使用视频，然后自己也搞了个 cursor 白嫖了几天
我发现身边有些朋友都在用 ai，那么，测试为什么要用 ai，意义在哪里，提效么，那主要是提了哪里的效，测试执行效率，回归测试效率？
比如现在的 ai 测试平台，假设它适用于复杂系统，并且在转需求，用例这些环节加了人审，用例执行完真的敢上线吗
或者说需求转用例，一方面需要人审介入，另一方面也丢弃了自己逐句理解分析需求的过程，对需求和用例的理解势必比之前略浅，再者就是可能需求或者用例本身看上去没有问题，但是会漏掉很多场景，当然，我们肯定可以在后面执行过程中中慢慢总结完善
回到问题本身，跟提效无关且有关吧，应该是适应介入 ai 后的节奏吧，现在我们公司产品用 ai 写需求出原型图，ui 也会借助 ai，开发用 ai 写代码，以后的趋势就是，敏捷节奏会非常快，特别是小厂，本身项目过程就不标准，如果测试还用传统的自动化和手工去覆盖，应该是搞不过来的；另一个点高飞老师的视频有提到过，开发用 ai 写代码后，新产品还好，如果是迭代需求，很可能开发自己也不知道是否会有回退问题，可能有的开发很负责每次都会检查 ai 改了哪些代码，但是如果系统足够大，改动足够多的时候呢，那就只能加一项咯 ------ 测试用 ai 进行常规的手工测试
第一次发文，有点混乱，不好意思
我在的公司基本全民 AI，产品研发测试都是在 AI，其实绝大部分人就是拿着锤子找钉子，无论什么方向都尝试用 AI “重塑”，这个思路是没问题的。
但正因为这个思路是很普遍，所以越是容易想到的想法就越多人挤，AI 的出现让很多问题似乎变得不再复杂了，但复杂度并没有消失，多数时候是从工程复杂度转化为给 AI 多维输入的复杂度。
同时一个错误的方向是，很多人想着靠 AI 一把梭把问题全解决了，但 AI 幻觉永远存在，AI 不会懂它没学过的东西，外部一定要尽量把可以确定的东西做成确定性，不要每次都让 AI 玄幻解决。
回到 AI 生成用例这个方向，可能是作为 QA “拿着锤子找钉子” 的前三个冒出来的想法，就类比研发第一个想到 “ AI 能不能根据需求文档直接生成需求所有代码” 一样，太广太泛，以至于第一眼让人以为很容易做而放松警惕（的确撸一个原型可以说毫无难度），实际上是非常难做的。
为啥难做？大家想到的是喂给 AI 需求文档，技术文档，进阶一些地再喂研发需求代码实现，但本质上，AI 不知道你的测试环境（有什么工具、用什么平台）、用例规范、功能历史上下文、业务特性……本质上就是 context 不够，所以【AI 生成用例】我个人感觉步子太大有点扯蛋。
但从始至终，基座模型还是会越发强大，下限越来越高，哪一天 AI 确实能一步到位生成用例了，咱们就失业了。
昨天刚开完会，公司今年也让全员 AI.准备搞 AI agent 了，现在的系统太复杂改为 agent。说是 4 月底必须搞出来，准备去拉投资。作为测试，我真不知道这个 agent 怎么测
王稀饭
回复
小厂目前还好，本身需求比较饱和，业绩平稳发展，老板暂时没有降本的心思，只是提了些简单的 ai 应用需求，没有强推研发搞 ai。
不少公司已经开始要求且开始挥刀裁员 ing 了，有的公司还要求开发必须用 ai 写代码，还会用工具检查开发的代码是否是 ai 写的，ai 提效必须 5 倍以上......ai 发展实在太快，后面肯定会逐步批量失业的
