现在网上铺天盖地都是 AI 课、AI 分享、AI 训练营。教你写 prompt，教你调 API，教你本地部署大模型，教你做 RAG，教你写 skills，教你怎么用 AI 写自动化脚本。我一看就想笑：这些东西，跟你做测试到底有几毛钱关系？

你学了一堆通用概念，回头上班打开电脑，该测金融系统还是金融系统，该测物联网设备还是物联网设备。
你学的那点通用 AI 技术，落地到你自己的业务上，基本对不上号。

因为 AI 本身会自己进化，它不用你操心。你要操心的是你手头那摊子业务，怎么用 AI 把事干漂亮。

---

以前的测试开发，精力都花在哪了？

前端页面要自己写，后台处理逻辑要自己写，测试框架要自己搭，报告要自己生成，数据要自己造，环境要自己配。为了搞一套 “通用自动化框架”，各种抽象、封装、配置化，折腾得天昏地暗。

结果呢？通用是通用了，但业务测试本身反而搞得特别粗糙。用例写得大而全，没有业务深度；数据准备靠手撸，脱离真实场景；断言只会比返回值，真正该验证的业务规则反而没覆盖到。

为什么？因为你把有限的精力都放在 “让所有人能用” 上了，自然就得牺牲灵活性和可用性。你搞的那套框架，与其说在测业务，不如说在维护一套框架。

AI 时代，这套玩法该翻篇了。

AI 最大的价值，不是让你学它，而是它把你的手给腾出来了。那些重复的、通用的、没什么技术含量但又耗时间的活，AI 能帮你扛掉一大半。你不用再为了 “通用” 去写一堆复杂的代码，不用再为了让别人也能用而把自己搞得半死。

那测试的精力该放哪？放回业务本身。

你在金融领域做测试，你就该研究：怎么用 AI 辅助你写出符合交易规则的测试用例？怎么用 AI 分析对账差异背后的业务原因？怎么用 AI 模拟不同风险等级的客户行为？这些才是你跟别人拉开差距的地方。

你在物联网领域做测试，你就该琢磨：怎么用 AI 模拟海量设备并发上报？怎么用 AI 解析各种乱七八糟的协议？怎么用 AI 判断设备异常是 bug 还是环境干扰？这些才是你在那个行业里值钱的本事。

通用的 AI 分享，说好听点叫科普，说难听点就是辣鸡。

为什么？因为 AI 工具本身会不断迭代，今天你总结的那套 “万能 prompt 模板”，下个月模型一升级，可能就不灵了。今天你学的那个工具用法，明天可能就被另一个工具替代了。你花大把时间学的通用招式，换一个业务场景，根本用不上，还觉得自己挺努力。

那些天天在朋友圈发 “AI 赋能测试” 的人，你让他去测个支付系统，他可能连资金流向都说不清。你让他去测个车联网，他可能连 CAN 总线是什么都不知道。

业务，才是你真正的主场。AI 只是你手里的工具。

所以我的观点很直接：AI 时代，最有用的就是专项业务的使用经验总结，而不是通用的 AI 技术。

别去焦虑 AI 本身会不会淘汰你，它自己会发展，你拦不住，也不用拦。你要做的是把你手头那摊子业务吃透，然后拿 AI 当工具，在具体的业务场景里总结出你自己的打法。

金融场景怎么用 AI，物联网领域怎么用 AI，医疗系统怎么用 AI，电商平台怎么用 AI——这些针对具体业务的实操经验，才是真正靠谱、真正实用的分享。

至于那些通用的 AI 总结，你听听就行，别当真。它们跟你实际的工作情况，大概率格格不入。

AI 不是你的对手，也不是你的救世主。它就是一个工具。会用工具的人，从来不会因为工具本身焦虑，他们只关心怎么把活干得更漂亮。

而你干的那摊活，才是你真正的护城河。