断断续续描述了一些想法让 AI 写的，建议 AI 先总结一遍。
当 HR 和产品经理都在写代码：测试的下一步不在项目里，在链路上
前阵子在少数派看到 LOSSES 的《Vibe Coding 时代的角色与架构》，有个判断我很认同：更快的代码输出不会让你走得更快，只会加速架构腐化的到来。原文还有个更糙的说法：你大概率不想跟在 Code Agent 屁股后面没日没夜地做 QA，它拉屎可比你捡得快。
代码不再稀缺，"确认符合需求"才稀缺
以前开发资源是瓶颈：需求排期、开发、评审、提测，一周能出多少东西有数，测试在有限的产出里找问题。
AI 把这个结构打破了。产品经理半天就能让 Agent 吐出一个能跑的内部工具，数据分析师能自己攒一套 ETL 加报表服务。产出量上去了，一个古老的问题被放大了无数倍：这些东西符合需求吗？
这里说的不是有没有 bug。Vibe Coding 出来的东西经常能跑，语法没问题，接口也通。真正的问题是：它解决的是不是当初想解决的问题？边界情况处理了没有？被悄悄砍掉的那个"不重要的校验"，是不是恰好是业务红线？更要命的是需求方自己都说不清——很多非工程师写的脚本，需求停留在一次对话里，连一句能验收的书面描述都没有。
以前这个问题靠流程兜底：需求评审、设计评审、代码评审、用例评审，一层层拦。现在写代码的人绕过所有流程直达终点，测试还守在"等项目提测"的位置上，根本接不住。
测试没必要把自己局限在"一个项目的一个点"里。生产代码的门槛消失了，测试的目标可以扩展成整条软件工程链路的质量保障——把链路拆开，每个环节放上检查点。
业界在做的事：拆链路，加检查点
上半年看了不少这个方向的工具和方法论，思路基本一致，挑两个代表性的说。
OpenSpec 走 spec 驱动：任何变更先落四件套——proposal（为什么做）、specs（需求条项和 WHEN/THEN 场景）、design（技术方案）、tasks（实施清单）。人和 AI 在 spec 上对齐了才写代码，归档后 spec 持续更新，作为下一次变更的事实基础。解决的是"需求只存在于聊天记录里"的问题。
AI-DLC（AWS 实验室）走得更远：14 个 agent（11 个领域专家、2 个纯审查、一个工作流编排）、33 个阶段的流水线，阶段之间设 gate，人批准了才能往下走。本质是把整个 SDLC 切成带检查点的传送带，AI 只在格子里跑。
OpenSpec 轻，能落地，但假设你有个愿意维护 spec 的流程 owner，很多团队没有。AI-DLC 的 33 个阶段对小团队太重，每个 gate 都要人批，人很快变瓶颈，然后开始无脑点通过——检查点流于形式，比没有更糟，它给你虚假的安心。更根本的是，它们保障的是"每一步都有产物"，产物对不对还是靠人判断。spec 写得再整齐，需求理解偏了照样白搭。
方向很认可，不能让 AI 从一句话需求直接跳到代码，中间每一跳都要有可验证、可审计的东西。
目前探索方案：唯一真源，消费真源
链路长，一口气做不完。目前相对稳定跑下来的，是后半段两件事。
第一件，给项目事实建唯一真源。从代码反向推图：接口、数据模型、模块依赖、业务流全部解析进图；再在图上蒸馏，把生成测试需要的事实（接口契约、字段约束、状态流转）整理成结构化产物。这里有条踩过坑才立下的原则：真源只有一份，消费方用时实时去图里取，禁止拷贝落别处再消费。拷贝必然漂移，漂移后用例就是错的，错了你还不知道——用例振振有词地断言一个三天前就被改掉的字段名，执行全红，你还得查到底是用例错了还是代码错了。
第二件，测试生成全部走真源消费。API 用例从图里的接口契约和依赖关系生成，UI 用例（Playwright 脚本）从页面结构和业务流生成——同一个真源，不同渲染器。生成出来不是结束，两个动作必须跟上：一是执行归因，失败到底是用例错了、环境挂了、还是被测系统真有 bug，归错类，通过率就是自欺欺人的假阳性；二是覆盖率缺口回流，哪些接口没覆盖、哪些分支没触达，算出来回补生成。环转起来，用例才谈得上可信。
跑下来最大的体会是：这套东西解决的不是"用例写得快"，是"用例的依据可追"。每条用例为什么存在、断言从哪来，都能查回真源。这正好接上 VibeTesting 那篇的信任闭环——信任不是感觉，是每条结论都能回溯到事实。
还没解决的部分
也得说实话。这套管的是链路后半段：代码已经存在，验证它符不符合代码里体现的事实。前半段——需求对不对、设计合不合理、AI 的理解偏没偏——还没有同等可靠的真源机制，后面 AI 替代不了的部分。
AI 工具
当下的方案都不太能复用，skill，agen loop 这些都紧紧贴合业务，需要进行项目改造，不同的模型出来的效果不一样，别人用好未必适合自己的团队。
所以先动起来，豆包，workbuddy 都可以用，有想法就先让 AI 实现。当发现实现的效果不满意的时候，再去找其他 AI 工具/方案。
充钱就能变强。