基于开发提交的 git 代码进行静态测试、回归用例推荐、改动风险预测，基于测试数据生成复盘报告，性能测试用例生成、执行、结果分析，生产环境用户反馈问题聚合分析、定位问题，时间多还可以进行研发的 SQL 测试。

你问你们领导，你们公司的开发都是吃干饭的吗？

一枚小测试，让提高代码质量，也不知道她想干啥？无语中透漏着心酸；她可能觉得 AI 是无比强大的，强大到能干一切事情

好的好的，谢谢大佬，我研究下，是否可以落地使用

领导想一出是一出啊，哎

AI 时代，你不会 AI，不使用 AI，就会 out，不管你的工作是否可以用 ai 来赋能，你都要使出洪荒之力让你的工作能用 ai 来赋能。这两天，找东西，出结果，证明测试岗不被 hr，运营等其他岗位来替代。

测试岗的核心价值是保障产品质量、发现缺陷、降低风险。‘提高研发的代码质量’ 更多是一个间接结果，而非直接职责，代码质量的第一责任人是开发人员自己。你的领导很差劲

测试岗位目前最受 AI 红利的应该属于大数据测试岗，从这个岗位里做的好了，可以延伸出垂直领域的知识库，大数据测试是最接近公司核心资产的岗位之一了，甚至大数据开发都没有大数据测试了解。在 AI 发展时代，各种 AI 模型或者工具只能覆盖公司业务浮在海面上的百分之 20，百分之 80 都需要公司私域资产的构建，但是如何构建在几十年来是个填不完的坑，如果一个岗位能从运用 AI+ 业务双重抓手去靠近公司实际盈利，运营增长体系，我个人觉得方向会更利好，不要局限在测试基础的用例这一亩三分地上，抓业务，抓数据，去反推公司的增量痛点。到时候就算裁员，也是最大限度的留存率高的（当然你得打破部门墙等一系列难关）

唉，打工人无奈加无语加不知所措，只会回答好的好的好的

有具体的行业实践吗？比如你说的这个私域资产构建，有什么具体的流程思路吗？

一般看你公司的主体是什么赚钱的，我举个例子，如果是电商行业，比如得物，那么数仓建设肯定是庞大的，分资金域，交易域，供应链域，人力域 (个人觉得次要)，财务域，其他子域，你说一个公司有没有一个人能把所有域的数据流转吃透？我个人认为在 AI 未到来时代，是巨大困难，绝无仅有的，比如淘宝，阿里是不可能有任何一个产品任何一个架构能把里面的所有细节铺全的。那么放在现在，数仓的资产主要是 ETL，血缘关系，数据本身就在诉说着业务语言背后的逻辑，也就是所谓的数据洞察，一般来说是产品经理来主导，但是产品经理有个什么短板？一。对数据本身链路绝对是不太理解的，他对业务的洞察能力是在第一层也就是客户层，洞察了市场能力不等于你这个能力在下面能得到有效落地，那么这个能力就是 AI 产线规划师（我个人命名的，后时代 AI 赋能的），他是有技术基础的 + 平时在测试数据有绝对性的数据洞察能力和业务体感 + 绝对性的面向业务的交付能力 + 往前推动资产建设的能力（看人）。在这基础上，你能解决业务痛点的可发挥点就非常多了。至于怎么构建，大多数是依据 ETL 反推血缘，梳理 ETL 和实际业务的对标性，这里不仅仅是指标映射这种陈述性建设，而是基于业务痛点的图的发散性线索建设，比如新华字典懂吧，你得知识的建设需要有索引，锚点，这些都需要你在一线打趴打趴，绝对不是 AI 能帮助你做的，因为这需要你得沟通能力，你沟通好之后再结合 AI 梳理 ETL 的对应问题和建设

意思是拉通整条数据链路？这需要把相关部门全部打通，数据流转搞清楚吧。你说的内容感觉如果能做出来，效果感觉应该很不错。我们现在没有大数据测试这个岗位，如何去搞到这些权限，如何向老板说明收益与风险成了难点。如果能从上往下推这件事情感觉会容易一点

当我没说，看到你的新帖子了