我觉得是有用的，尤其数组队列字符串等题目能够有效提升做自动化的效率也对写小工具有很大帮助。也不能只依赖算法题，毕竟日常工作里常用的快速搭框架跑起来、使用各种库、各种类和方法的组织等技能也是很重要的。
另外对测试来说，写代码只是工作的一部分（还不是主要部分），除非是专门开发测试工具平台的开发。

如果只需要操作点击，那么 Airtest 也能做到并且更直观。但是你这场景应该需要对操作结果是否成功进行判断，可能要根据对象的状态属性来做，那 puppeteer 倒是比较好的选择了。
顺便说句，机械手那是为了操作复数移动设备的，Windows 上倒是没这个必要。而且要找一堆触摸屏的电脑来跑自动化也有点喜感。。。

服务端这个话题太大了，可以分几个维度：

1. 功能测试：基础的就是接口测试，这里包括怎么测接口，怎么造数据，怎么自动化等；然后是对应业务的组合测试，怎么分析业务，进行接口连跑调试等等。
2. 性能测试：性能测试基础，测单接口，多接口组合，然后是容量评估，全链路压测，流露复制回放等，最后有可靠性、混沌测试等更高层面的测试。
3. 效能提升：精准测试、覆盖率提升、自动生成数据、自动生成用例、智能执行用例等等。
4. 安全测试：扫描、渗透、攻击等。

要有技术含量，要么做深，要么做全。加油吧少年。

Airtest 也是 Python 库，可以引入然后使用对应方法，加上对于相似度的设置，能解决部分问题。

上 Airtest 的图像识别吧。

Airtest 的定位和点击是基于浏览器的，需要重写一下 airtest_touch() 和 loop_find() 方法，把图像定位和点击都扩展到全屏，就可以用来测普通的 Windows 窗体了，但是没有对应的对象，判断和断言都没法搞，建议还是用 QTP 之类的专门工具吧

接口比例一般是通过生产流量的分析建模来确定的，如果没有生产流量，那就要预估和建模。一个系统不可能什么分析都没有，总有一些期望的数据的，比如 PV、订单数、业务量、数据量等，把这些对应到接口去，就是一个不错的建模。
真没有的话，先问选型是怎么选的，架构是怎么设计的，不可能完全没有输入。

你看看 MTSC2020 的材料，整理一下就知道了，大概 3 个点：AI 辅助智能化测试、现网大流量压测（包括流量复制、流量染色、资源监控、自动化服务化等）、云原生（对云原生的测试和利用云原生特性进行测试）。里面最合适的就是 AI，各种大厂尤其是游戏大厂都在搞。