• 嗯 ,我到时候会录个屏

  • 可以,谁都能来,我也没设置会议密码

  • 我也不知道啊。。。我觉得有前景的东西想 0 基础入门都是很难的。

  • 建议你先去看看我之前的帖子, 尤其是《我们是如何测试人工智能的》这个系列。 这里面讲了一些比较简单的场景。 然后可以去百川,通义千问, 文心一言这样的大模型网站去感受一下,他们的优点是模型是在线的, 而且给你体验功能让你去使用一下大模型的问答和知识引擎的功能。 然后想一下如果是你在测试这些大模型(也包括多模态的大模型),你也要怎么做(可以结合我的帖子来想)。 再然后可以去腾讯的 TI 平台或者阿里的数加(好像是这个名字吧我忘了),这两个是公有云的人工智能平台,你可以在这上面去用他们的产品建模, 你想想测试这样的产品需要学什么东西。 再然后如果想感受计算机视觉的东西, 可以下载一个 yolo 模型(目标检测模型), 用它提供的库跑通目标检测的功能。 然后再结合我的帖子, 看看如何评价这个模型的效果指标。

    上面这一套如果你能坚持下来, 起码你就大概知道在 AI 领域里做测试,大概都要做些什么事了。 然后到那个时候如果你还坚定的走这条路。 可以来找我,加入我的星球。 或者你不想知识付费也没关系。 就按我在社区里留的帖子去自学也是可以的。

  • 所以我才问楼主确定要学么, 硬学确实很吃力的。 想要要搭建个模型环境来模拟测试场景还是挺费劲儿的。 只建议强烈希望转到 AI 测试领域里的人, 或者已经在 AI 领域内的人来学习。

  • 现在技术型文章变少了 at 2024年07月09日

    我是因为实在太忙了。

  • 怎么说呢, 我开了个知识星球专门教别人如何测试 AI 产品, 也有开过课程。 但是我还是得先澄清一下, 没有任何 AI 底子和工作环境的人, 学这个东西还是很吃力的。 而且学了以后还是尽快要跳槽到相关的岗位上去的,要不然学完了不复习也容易忘。 所以楼主你下定决心要学这个了么。

  • 上面几位同学争论的比较激烈, 我也想发表一下我的看法。 首先当前的就业环境和经济环境确实如 @ 糯米团 所说的比我们当初入行的时候差了很多。 这个我在以往的帖子和回答中都表明了这个观点,时代不一样了,不能把我们这种老一辈的经验硬往新一代上 copy。 我自己总结的时候也说过,我 09 年入行的时候,那时候这个行业的人还比较少,很多现在的顶级公司也都是在起步或者冲刺节点,所以就业环境相对来说好不少。 这个是需要承认的。 我觉得我本人也是吃了红利的人之一吧, 跟我同龄的人里,有比我努力的,有比我学历高的,但可能我运气更好,压对了方向(K8S 小火,AI 大火),让我拿到了更高的报酬,当然也有比我小的但比我混的更好的。 现在反过来跟新人说你们不成功完全是因为你们不努力,这我是说不出口的。

    但是,我总是说这个世界不是二极管,不是非黑即白的,就业环境是差没错,但这个行业里仍然有数以百万甚至千万的就业人员(我也不知道有多少,我大概猜的),每年都有大批的应届生进入这个行业,起码在这一批人里大家面对的就业环境是一样的。 这些人里仍然有人可以一步一步的从 0 爬到了 leader,总监,甚至更高的位置上,或者没有爬到那么高的位置, 但是作为一个高级大头兵一年拿个几十万的还是有的,只是不像以前那么多了。

    我有些时候也会经常想,我和那些比我混的好的人差在哪里了。 除了他们比我运气好, 比我更早的进入到行业里之外。 是不是还有别的差距,比如他们的学历比我好(说明他们在初高中时期就比我努力,或者天赋比我好), 他们是不是数年如一日的钻研业务和技术(现在仍然比我努力),他们是不是在公司中人缘更好,更得领导赏识(他们比我情商更高,更会处理和领导之间的关系)。 入行早的人确实有优势,但这些人也是在跟自己同龄人之间的竞争杀出今天这个结果的,不能把人家的成功都总结为运气和吃到了行业红利, 就像那档节目里有人质疑张信哲是不是过气了, 撒贝宁回怼到:虽然让乔丹跟现在的小伙子们同台竞争是竞争不过的,但这依然不影响乔丹是 NBA 的神。因为人家在人家的那个年代里做到了最好。 也许现在的年轻人觉得老一辈人会的技术也不过如此,但这是站在现在这个时代来看的结果,在当年那个蛮荒时代,那是彻底的没人教没人带,行业里也没有成功案例。 企业在招聘测试岗位的时候能找到几个会写代码的都难。在这个背景下,人家通过自学,可能还是看纯的英文文档的方式,把各种自动化搭建起来了,在行业中落地了, 并分享出来,难道人家不优秀么,是完全靠运气和行业红利么。现在觉得这些技术没什么亮点是因为这些技术已经普及了,已经早就被行业研究透了,但在当年,能熟练使用 jmeter 就可以是行业专家了。 用现在这个时代的眼光跟过去的人比是不公平的。 我们说现在他们的技能已经过时了,这可能没错,很多老人都在行业的变迁中掉队了, 没有掌握更加符合现代行业的技能,但这不影响人家当年是大牛。

    现在 AI 很火,很多地方都开始组建 AI 团队了,或者开始 AI 方向的创业了。 而 AI 领域里很多测试方案,工具和平台都不成熟。 虽然我们已经钻研了好几年了,但成体系成规模的测试案例基本都集中在那几个大厂,大部分团队在测试 AI 的时候还是不成熟的, 我现在偶尔会接一些 AI 行业的咨询,所以我了解到很多测试人员是突然就接到了测试一个 AI 产品的需求。 属于完全的两眼一抹黑,没有任何知识的储备赶鸭子上架,硬着头皮上,大模型是最近这两年才火的,很多测试人员是不会像我一样在 16 年就开始接触这方面的工作。可能这两年折腾的测试方案,工具,平台放到 5 年 10 年后都是摆不上台面的(随着行业的进步后面可能会研究出来更好的方法)。 但有一点可以肯定的是后面如果出现了更好的工具平台方案,它也是在现在这帮人摸着石头过河的基础之上建立起来的。现在这帮痛苦的两眼一蒙瞎折腾的人 10 年后可能就是别人眼中吃了入行早的红利的人。 所以红利是有的,我也是吃了红利的人,毕竟 16 年就开始搞 AI 了,我可能比大多数人都更早的进入了这个领域里, 积累了更多的知识和行业经验,这造成了我现在更容易在这个行业里生存下去,比新人要容易的多,这个我是承认的。 但我同样也记得,曾经无数个夜晚和周末, 在别人打游戏追剧追星出门旅游的时候,我在对着吴恩达的课程学习,我在对着 docker,K8S,spark,hadoop 的英文文档学习,我在追着研发和算法请教问题。

    所以现在仍然有一些方向是以后可能大火的, 我当年下注在了容器,AI 和大数据上。 现在看起码 AI 赌赢了。 大家愿意下注么?成功了 10 年后你就是别人口中吃了行业红利的人, 失败了那就失败了吧,平常心(起码当年押注在元宇宙的算是失败了)。 别跟我们这些老家伙比,我们都是倚老卖老的,而且面试的时候你们的竞争对手也不是我们这些老家伙, 要跟同龄的人比。 想想怎么才能在同龄人中脱颖而出。 怎么才能在 5 年 10 年后拉开与大多数人的差距。

    还是那句话,尽人事,听天命,平常心。 成功是概率,有赢有输,不想卷也挺好的, 图个轻松。

  • 其实我也是的。。。我们总监也是的。。。。。

  • 还好我儿子没有这么问我。。。。。

  • 带娃中, 我儿子刚刚告诉我 5✖️8 等于 60,有娃的人伤不起

  • 楼主现在的状态应该是比较普遍的, 因为在市场中核心的竞争力其实不是 pytset,unittest,selenium,appium 这些门槛很低且很容易学会的东西。毕竟既然大家都会这些东西,那它们就没办法帮助你脱颖而出。 楼主需要在一个有门槛的领域里把业务和技术都练熟,不一定是技术要非常的牛, 也可以是业务非常复杂的领域,比如我有一个朋友在保险公司测试财务系统, 为了测试这个财务系统他专门考了会计证, 现在让他转行当会计都是可以的。

    上面可以看出来一件事, 那就是有人说英语配合任何一个学科都是王炸, 类似的测试需要的技术 + 任何一个专业领域的业务知识也是王炸。因为你要测试这个领域就必然要懂这个领域的东西。 就像我那个朋友为了测财务系统直接把自己学成了专业的会计。 我为了测在 AI 领域里混下去,把 AI 里各个场景的模型原理,业务场景学习了一遍,还包括了大数据,云原生,边缘计算等等。 所以值钱的不是现在社区里,或者培训机构里,或者大家总喜欢讨论的 pytset,unittest,selenium,appium 等等这些,这些不是亮点,这些是基础, 是你到哪里都要会的基础,包括前后端开发也都是基础。 值钱的是那个领域里要用到的技术和对应的业务。

    但很多时候单纯靠我们个人能改变的东西是很有限的,你在没有任何经验和背景的时候要进入这些领域里, 要别人给你机会去参与到这些工作里积累经验和知识。这个是很难的, 可能需要运气。 或者校招的时候就进入到这些领域里(因为校招人家不会要求你有经验)。 靠社招想进去,要么靠自己过硬的基础技能 + 大厂背景 + 当前项目中的过人表现 + 运气,对方可能才会要一个没有相关经验的人进来,比如我能进 AI 领域,就特么是运气,当时是在 16 年,我在第四范式 A 轮的时候就进来了(全公司才 28 个人),当时的招聘对学历背景和经验要求的都低,我后来自己都跟 HR 说当初要是按 20 年以后的标准招人,我自己都进不来。 或者要么靠惊人的自学能力,把对应领域的内容自学出来。 就像我现在搞的星球,里面也是尽我所能的把我在工作里遇到的场景和知识都写出来, 但小伙伴们能学到多少, 也是看各自的天赋和毅力。 毕竟没有真实的工作场景, 效果肯定没有那么好。

    所以跟楼主有一样困惑的同学来说,我给的建议就是要么下定决心拼一把,自己找一个领域去拼命的学习去尽可能的包装自己的经历然后入职到对应的公司里, 要么就躺平顺其自然,就当为了身体健康考虑不卷了。 别做二极管患得患失。 我总结的人生最忌讳的就是患得患失,不敢前进。早下决定多思无益 ,是卷,是躺平,是转行。

  • 我为什么要学技术 at 2024年07月04日

    什么几打头?年龄么,今年 37

  • 我自己有个技术群, 在这个群里倒是没吹水, 大多数时间都不说话。。。我主要是太忙了, 没时间在群里讨论技术,也只有有人问我问题的时候,我才会说几句话

  • 也有可能是有些东西你已经习以为常了,所以觉得没什么好写的。 但其实那些你觉得没什么的东西,可能在其他人眼里也是蛮有价值的。 或者说你真的觉得没什么东西值得总结的,也是好事。 说明你一路下来没有大的坎坷, 也让你自己知道了自己的不足, 古人云知耻而后勇, 发现自己的不足是进步的第一步。

  • 我要是真大佬就不会这么悲观了😂 我只是个打工的。

  • 我是能干一年是一年~ 毕竟我没什么路子搞副业能代替主业的。 所以主业能干一年就多赚一年~~ 我身边的朋友大多是这么想的,毕竟我们自己搞的副业实在是照主业差太多了。 一年的收入都赶不上主业的十分之一。 不过也有自己外面开外包公司接活的, 但是他那个路子我是走不了。 所以我就是个打工命😒 多挣一年是一年, 等实在不行了, 再去找个地方专门干培训讲师去。 要是培训讲师也干不了了, 就回老家吧,躺平了

  • 已经单独写帖子分享了, 你慢慢往后看哈

  • 很多年前的书了, 叫谷歌测试之道

  • 我也是只在谷歌的那本书里看见的。 在身边还是找不到,测试的薪资待遇和发展空间确实不如开发,所以牛的开发不会转测试。 不过想一想, 也确实只有开发牛的人, 做测试也才能牛的起来。 周围高职级的测开,确实就跟半个开发似的。

  • 感觉这一行做的越久, 就觉得自己不会的东西越多。 哎, 是不是超牛的测试都是像谷歌的那本书里描述的, 本身就是很牛很牛的开发,后面才转的测试。 只有这样的才能是超牛的吧,要不然真的很难懂产品里的那些设计。

  • 有些疑问 at 2024年06月24日

    样样都会,样样稀疏是肯定不行的, 但是只会一样其他不懂同样是不行的。 因为行业变了, 在 10 年前的时候只会一个自动化测试就可以吃遍所有公司。因为那个时候测试和开发的比例还是相当乐观的,一个人力可以比较专注在某一个技术上发展和工作,比如在以前有专门只做 UI 自动化的岗位,接口自动化的岗位,性能测试的岗位,有些地方甚至有人力专门安排成规模的白盒测试(现在你看看哪里还有成规模的白盒测试)。 但是现在时代变了, 一个测试对着 10 几个开发是很常见的, 一个测试要兼顾测试几个产品线也是正常的。并且可能功能,性能,效果,高可用等都需要涉猎。 所以像楼主说的这样只会一个 jmeter 其实大概率找不到什么像样的工作,甚至可能找工作都费劲儿。

    所以我们要深耕的是一个领域,而非某一个技能, 并且广度是深度的附属品,深度足够的广度从来都不会差的,因为当你越来越深入的解决这个领域中的问题的时候, 就不得不去看很多附属的知识(毕竟单一技术无法撑起整个领域的体量)。 当我们深耕一个领域,比如 AI,大数据,云原生,区块链,移动测试,芯片,音视频等等。那么这个领域里所有的东西我们都要去解决,比如我是 AI 领域的,那么算法评测能力和基本代码能力是基础,但测试数据如何采集,挖掘,脱敏,增强等等,那就完全是数据处理范畴的技能,所以结构化数据要学大数据(分布式计算),计算机视觉要学 ffmpeg 和 opencv 这些视觉处理工具,甚至是学习 blip 和 yolo 这样的视觉模型,而 NLP(自然语言)现在要去玩各种大模型和自然语言处理库。这些只是单纯的模型评测方面要涉及的工作,但 AI 是一个系统,一个系统有方方方面面,比如现在大型 AI 系统大部分都是构建在云原生的基础上的, 所以 docker 和 k8s 得去学,AI 视觉要大范围应用边缘计算,所以边缘计算也得去学。 为了能更好的测试,k8s,边缘计算,大数据这些都要学其中的各种组件和设计原理。这才我们才能设计出合格的功能,性能,高可用,效果等测试方案。 否则我问一句现在有个模型推理场景,它的数据源来自 kafka+flink 的流计算场景,请问怎么设计性能测试方案,如何开发压测工具,要监控哪些指标,如何分析各个性能指标,出现反压要不要处理?怎么判断是不是数据倾斜了?如何判断数据是不是满足精准一次性语义了?那说到这里不懂的同学是不是就已经麻了。 这是正常的, 如果恒温过来跟我说区块链的测试我也麻,因为我不懂,正所谓隔行如隔山, 区分你,我,他之间的差别的,往往就是在这个大的领域里的造诣有多深,而非某个工具和语言之争。

    所以现在的行业环境就是需要我们深入一个大的领域,而非一个技能。 只会一个技能可能找工作都费劲儿或者说找不到很好的工作, 你们看大厂动不动 p7 和 p8 的是怎么来的,不在一个大的领域里有所研究的,怎么拿 p7 和 p8,更不用说再往上的级别了。

  • 我大概是 2007 年的时候报的 java 培训班, 线下的那种。 4800 块钱脱产培训,跟上学似的, 老师现场讲完现场留练习题,讲的非常细(只讲 java,不讲别的)。当时学了一个暑假,因为讲的很细, 我自己每天也练到半夜,所以效果挺好的,完全 0 基础入门到能做一些简单的项目。

    我自己的感受:

    1. 现在的我不需要培训机构, 其他人的一些只言片语,只鳞片爪的描述就可以给我启发了, 然后在网络上找资料就可以了。
    2. 曾经的我必须有培训机构,因为没培训机构都入不了门。 指望那个时候的我在网络上找资料就能自学起来不太现实。 自学是有前提的,要有一定的基础,一定的学习方法。

    大家要清楚现在的培训机构的定义是什么, 现在的培训机构就是卖学习资料的, 它跟以前不一样了。 以前是纯下线的,脱产的那种培训机构,老师会讲的很细,有作业,有考试,有练习项目, 在那个氛围下学成的概率挺高的,因为这这是传统培训班的模式。 但现在不一样了,现在流行的线上课程, 甚至很多都是录播。 这个时候它的意义就是一个卖资料的,只不过资料小白在网络上很难找的到而已,而且小白分不清这些资料应该从哪里开始,哪些资料是靠谱的。 所以现在的培训机构更多的就是一个卖资料和卖信息的, 更多的还是靠自己。

    而且对培训机构的预期也不能过高, 它就是个入门的,把人培训搞初级水平的这个预期, 只有一些定向的专项培训才可能说培训出个中级水平。 在这些课程里培训的不是基础的代码能力什么的,而是把真实的项目简化一下然后给学生们复盘出来。然后学生们拿这些包装自己的简历,只要学的到位的,简历里别吹的太过的,很大概率能在面试里混过去。 所以指望培训了以后就一定能进什么什么样的公司, 这是不现实的, 从一开始就不应该有这个期待。 人家通过从培训机构后入职大厂的,是因为人家本身就有一定的底子和背景(比如已经是某个知名公司的工作人员了,或者学历本身就很好),再通过培训来入门这个领域才可以成功的, 或者就是天赋异禀并且极其努力。要是一纯白板的人,那谁来培训也不敢说一定让你进入知名公司的。 所以预期要摆正了,别报不切实际的幻想。

  • 尽人事,听天命,平常心 at 2024年06月21日

    我感觉还好~~ 你看也没多少人怼我, 感觉咱们社区里还是理性的人更多。

  • 尽人事,听天命,平常心 at 2024年06月21日

    我也是赞同你的观点的, 躺不平卷不动是一个不好的状态。 诚然这世界上部不是绝对的公平的, 有些时候是有一些不公正的情况, 但大体上社会还是以一个相对公平的状态运作的。 我们不能把自己失败的责任都甩给别人,也不能觉得他人的成功都是运气好或者玩的阴谋诡计。