五个一,伍个一。
项目开发脚手架 + 运行时环境 + 集群资源权限,让业务改代码就很正常。
现在是信任度的问题,业务人员怎么能信任 AI 实现的功能和他期望的效果,团队怎么信任业务人员开发好的代码。这不就是测试人员应该做的系统评估,新的机会这不就来了?
至于程序员,大概编码这块,你信你的技术能力,还是你信 AI 的技术能力?
做好环境管理,系统接入,权限把控就好。
如何评估哪些点子是合适的?
现在经常遇到 AI 给的方案,判断不了是否符合业务场景,总结了一下,菜是原罪,结果就是充钱用更强的模型。
好强。
AI 自动化太费 token 没做起来,一部分通过工程化解决降低 token 使用就好。
或者是分级使用不同的厂商 token。
20 年的时候,卷 web 开发,测试平台。
25 年的时候,卷 prompt,mcp,agent。
赶上就赶上了,也可以不搞。
自动化仅仅是一个思想这个逻辑没问题
例如
市面上的 RPA 工具就是一个自动化工具,那对应的工作内容,测试人员完全可以自己写代码实现。
或者 RPA 工具开发岗,测试人员也可以平替过去。
有技术能力干啥不行,非得框死在点点点里?
纯净的手工,多适合研究技术。
全是逻辑类,没有技术视角是写不出来的。
不妨去去研究业务实现的技术,将业务逻辑和实现逻辑对比写用例?
之前来公司宣传过,实际使用下来不如 playwright 的 codegen 功能。
跟贴
影刀蛮好用的
五个一,伍个一。