虽然我是一个极端重度的 AI 使用者，并且把目前工作中的所有任务都 AI 化了， 但想要在 UI 自动化这个类型里完全依靠 AI 也是不现实的，总是需要有探索性测试的。

我是从去年 5,6 月份开始使用 AI 来辅助工作的，到现在经历了两个项目，当前项目是 Agent 沙箱，这个项目的特点就是没有 UI，属于很底层的产品，所有的测试都是调用接口来完成的， 所以基本上都是全 AI 的。 人在中间是负责检查 AI 的结果和计划，做必要的调整。 目前已经做好了数字分身， 基本上用例设计，自动化测试的编写，执行，失败分析，环境打通， 容灾，性能，日常调试等等都是有对应 skill 来完成。 workbuddy 很好用，我甚至连汇报材料都是 workbuddy 来完成的。

上一个项目是一个智能体产品，有很复杂的 UI， 如果看过我的 midsence 的文章和直播， 应该知道也是可以用 AI 来完成的，只不过这种有复杂 UI 的产品，人力上去做探索性测试还是很有必要的。 UI 自动化解决不了所有问题。 所以我们的策略都是 AI 负责跑确定流程 case，而人力上去做探索性测试。

AI 化是大势所趋，楼主的老板没说错。 楼主多关注关注行业动态就知道了。 目前大厂里已经没有不用 AI 的了，由于用 AI 提升了效率，各种裁员都已经跟上了。 各路中小厂也正在跟进。 我的星球群里有将近 500 人， 经常能看到大家在讨论 AI 对测试行业的冲击，已经有公司要求测试人员都转开发， 不转的就淘汰掉了。 也有公司全面推进测试 AI 化。 但这里要注意的是， 推进测试 AI 化，不是所有的事情都让 AI 来做， 这东西要循循善进，而且不是所有东西都适合让 AI 来做的，就像我刚才说的探索性测试这个东西， 这个就得人自己来做。

星球置顶消息里有我微信号哈

嗯， 你说的对， 我老婆也是这样开导我得

如果加了星球可以加我微信，我拉你入群， 往期的直播都有录屏。 你想先看哪个部分的内容可以先找我聊，我给你推荐从哪里看。 因为写了好几百万字了。 太多了。

从小体质就弱，偏瘦。大四那年 104 近。。。。 去年年初的时候， 体重巅峰有 125 斤， 去年熬了一年变成 115 了。 前段时间牙和胃出了问题， 不怎么能吃饭， 刚才去称体重， 110 了~ 干这行到 40 岁， 多多少少身体都出问题了~ 所以保持身体健康很重要，也很难。

各个培训机构现在都开了 AI 的课， 楼主可以都去了解一下他们的口碑。 我自己也写了个星球， 主要更新 AI 测试的内容， 楼主有兴趣可以加入一下。 也挺便宜的， 200 块钱一年。

不炒股，不理财， 就存银行死期， 去年存的时候 5 年期还有 1.95. 上周去存就只有 1.6 了

我是低血压，低血糖 咱俩反过来了

嗯嗯， 已经开始没那么拼了， 毕竟身体也不准许了

啊？ 没有啊~ 写书太耗精力了， 我没时间~

哦对写错了，我一会改一下

我看下来， 感觉咱们两个说的是一件事情，只是细节有出入。 拥抱 AI 肯定是以产生价值为导向，而不是为了 AI 而 AI。 最终都是以效率为度量。

个人选择~ 用哪个都一样的

如果是经常用的，很多 case 都复用的。 那就把很多个接口串联过程做一个 service 的公共方法

只有图片烧 token，AI 不参与分析 DOM 树，它只推算坐标。 开了缓存， 我一个月也就几十块钱

有的哈，

录制: 从需求生成测试用例的 SKILL 设计思路（主要是知识库设计）
日期: 2026-07-04 19:32:40
录制文件：https://meeting.tencent.com/crm/Kz8Go7Q8bb

还有什么论坛比较火了？ 感觉好像现在都挺凉的。。。。

我在社区写过科普帖：https://testerhome.com/articles/43703 大概有六万字， 你可以先看看。 详细的教程我基本都写在知识星球里了

新帖子已经出了哈

能落地就是好的， 能自己折腾出来就不用花钱。

但现阶段 AI 对测试工作的实际助力有限

不像编码这种立竿见影的效果

这两个观点我认为都是有问题的，测试人员是需要编写代码的。以前很多测试同学不写代码可能是能力不行或者被分配到了打杂的工作上，而不是不需要。现阶段 AI 对测试工作的实际助理有限， 那也可能是很多人不懂得如何用 AI。 AI 不是一个傻瓜式的工具， 它是需要很专业的知识才能驾驭的东西。 同一个 AI，不同的人用，效果完全不一样。

比如前几天《丧尸清道夫》这个 AI 短片火遍全网，甚至火到了好莱坞，连好莱坞的导员都发邮件给这个短片的作者。 这个短片我也看了，一股子爱死机的质感，质量非常高。 那问题来了，为什么只有这作者能做出来？他甚至用的只是即梦 AI，是所有人都能用的模型。就像我说的，AI 在不同的人手里，效果是不一样的。 网上有个段子说这个作者给 AI 的提示词堪比核弹说明书。想要效果好，提示词就是要这样专业和精细。 绝对不是一个玩票性质的玩家随便说几句话就可以达到的。

拿 AI 生成测试用例这一个最基础的事来说。 我自己生成测试用例的 skill，里面的提示词里的字数，保守说也数以万字了（如果把知识库都算上）。 所以想要效果好，那不是把需求文档简单往里扔就可以的。 所以如果效果不好， 是不是要先想一下，自己把 AI 想的太简单了， 或者把 AI 想的太傻瓜式了。

如果对于测试开发的定义就只是去写写平台，写写页面， 那确实这个岗位是拉完了。 如果对于开发人员的理解就是 crud，那开发这个岗位也确实拉完了。 所以对于一些只会 CURD 的开发人员，还有只会写写平台页面的测试开发人员来说，确实天都塌了。

但显示是，软件开发不是只有 CURD，测试开发也不是只在写平台工具。 不同的人用 AI，效果也是完全不一样的。 AI 仍然是一个需要十分专业的知识才能驾驭的东西。 它不是一个傻瓜式的工具。 大多数人都觉得用 AI 去做事情就好像跟豆包对话一样随意。 那他们根本感受不到 AI 的威力。 只是在听说 AI 能怎样怎样

是全部了， 直播就 2 个小时。 都在这个链接里

需要搭建知识库，你需要让模型了解你的产品，知道你希望的设计测试用例的方法论。 这些我再以前的教程，也在我得星球里写过。 比如：

多学习一些 Skill 的设计方法， 会有一些节省 token 的方案的。 我现在也开始尝试牺牲一些准确率来节省 token 的尝试。