一年已经发生了很大的变化了，起码在 AI 生成代码这个领域， cursor/codex/CC 这三款产品已经做到业界顶流。 我们这边已经引入 cursor 和 codex 大半年了。 用起来效率提升很多。 我用来生成自动化测试代码， 测试工具， 测试报告和测试用例。 作为辅助工具，已经很强了。

你可以去看我最新的帖子里， 我前两周刚直播了使用 curosr 生成自动化测试用例和手工测试用例的教程。 有直播录屏你可以看。 想深入了解也可以加我得星球。

我没听过这些资格证书。

怎么感觉像是在以公司的名义割韭菜呢。。。。

不是 UI 自动化，我做的是接口自动化，如果做 UI 自动化，浏览器有类似 xpath helper 这样的工具可以帮忙， cursor 应该现在还不能帮你启动浏览器然后自动获取元素

我没细研究过 codybuddy， 我们这边要么 codex， 要么 curosr。 大家普遍不是很信任 codybuddy

不算小， 省钱还是用 codex，但用户体验还是 curosr 好一点。 codex 省钱而且可以用较少的提示词和规则文件也可以提供很好的效果

看你的目的是什么。 如果是用 AI 来解决你的工作效率问题，尤其是编码和用例生成的效率问题。 那么 cursor/codex/CC 任意一款都可以解决你的问题。 入门的门槛很低，有基本的代码功底就可以， B 占上找个教程去看，很快就可以上手解决问题。

而如果是要在 AI 领域里吃上一口饭， 比如去测试 AI 的产品， 或者公司有 KPI，需要你去研究 AI 来产出一些东西。 那么成本就比较高，需要去研究 AI 的原理。 如果是测试 AI 产品， 楼主可以先看看我得帖子，大概了解一下。 然后定个方向，你测试的 AI 是哪个方向的， 通用大模型 or 智能体 or 计算机视觉 or 传统机器学习。 挑个方向，然后开始学习。 如果是没有什么方向，就想搭车 AI， 推荐先搞智能体。 先学会基本概念和流程。 可以注册个扣子账号，边用边学，了解知识库，Agent，RAG，MCP，工作流等基本概念。 先学会了业务流程，然后再深入了解 AI 原理

看你想往哪个领域走。 但只要想走某个领域的技术路线，都需要一定程度了解开发的能力和知识。 否则走不长远

是可以。 我不过我更建议， 你先找个智能体产品用一下， 比如如果大家平日是有写代码的需求的话。 建议把 cursor 用起来， 可以在 b 占上看 cursor 的使用文档。 先对智能体能做什么先有个大概的理解。然后思考一下，如果是你， 你要去怎么测试。 然后再来看我写的东西， 也许你就能体会到一些了。

我是在写总结回顾么，不是专门探讨这个问题的。 没想到大家都揪着这块不放了。 其实我之前多多少少都说过一些的。 比如在失业前就把钱挣够了。 大厂的人都是这个想法，30+ 的大厂人员年薪大几十上百万的都不算少见。 干到 40 多岁的时候把养老钱都挣够了是一条出路的，后面就随缘想干点什么就干什么。 或者你看， 写星球是个收入，去培训机构做老师是个收入， 大幅降薪去一些小企业也是一个出路。 或者像我，我想写小说，一般来说好好写小说一个月几千上万的也可以，这些不都行么。

上面我提的这个路子，我都走过， 应该也都走的通， 就算收入大降，因为之前的底子也都还好。 所以本质上，还是要把现在的工作做好，提高收入。 在失业之前攒下一部分家底。 40 岁以后降薪去做别的事情就好。

那就能争取干到核心岗位就好了。互联网就是这样残酷的行业，不进则退。 我们在自己能力的范围内努力就好了。 剩下的，就看看以后脱离了这个行业要怎么生活， 我不也在探索当网文作者的路么。 毕竟能做到高位的人总是少数的，跟自己和解吧，也认清现实吧。 多去找一找离开这个行业以后的路子。

目前看，年龄确实是一个大坎儿。 除非能爬到至少总监这个级别，否则我们的职业生涯可能都会终结在 45 岁

sql 这个不查想不起来， 我专门搞过 k8s 一段时间，所以 k8s 的问题能直接说出来，压测，自动化异步接口这些也都不难。 感觉面试题是不难， 只是需要对方是在做这些东西的。 如果他不搞这些东西，特别细节的回答不上来也就正常了。

比如 k8s 网络模式这东西，虽然不算很难得问题，但不是专门研究过的，还真不知道。 很多说使用过 k8s 和 docker 的测试人员，其实大多都是用它部署一个服务的样子。 你问他网络模式，他确实没概念。 这是专门研究过和没研究过的人的区别。

我觉得问这几个问题是没毛病的，可以考察候选人在各个领域的程度是什么样的。 但预期候选人每个问题都能很好的回答上来，这个预期有点不太对。 比如我是不查真想不起来 sql 的那个问题的，毕竟好多年没研究 sql 了已经，我接触的测试项目中也用不上这么细节的 sql 语法。 k8s 那个问题别说测试了， 不是专业玩容器的人，就算是开发也不知道，毕竟业务开发主要搞业务逻辑， 你问他容器有几种网络模式，每种网络模式的作用是什么，他大概率是懵逼的。说白了，就是准许候选人有自己擅长和不擅长的东西。

有基本的测试开发能力就行了。 基础真不需要多高， 但投入的时间成本挺高的，如果没做好打长期战的准备， 尽量别脑子一热就投入大把的钱去学习。 对培训机构的预期也别太高，我也去培训机构兼职过老师， 讲道理，有的培训机构为了节省成本，给老师的时间很少。我去讲课就给我那么几个小时时间的直播，剩下的都是录播， 讲道理，这点时间真的讲不深入，很多都是一带而过。 所以你也要甄别一下哪个培训机构更好。

我目前在腾讯的 CSIG 事业部， 所属中心专攻人工智。 怎么说呢，我们最近正在扩招，岗位描述里没有明确要求必须懂人工智能或者有相关测试经验。 这是因为现在懂这个的测试人员太少了，如果吧这个要求作为硬性要求，我们就很难招到人了。 所以很多都是招进来以后慢慢学。

但如果你懂这些（不是一知半解的，而是有一定的深度）那绝对是我们这些专攻人工智能领域的团队所欢迎的。找工作绝对不成问题， 毕竟这个是真的稀缺人才。

我也一直在写文章科普这些知识，如果楼主想了解可以翻翻我以前的帖子和问答，也可以加入我得星球。 先了解一下这一行里都是在做什么的再决定要不要投身进去。毕竟虽然我推荐大家入行， 但不得不说这行的门槛确实高，如果只是三天打鱼两天晒网的那么学， 效果确实不大。

并且，也要看培训班具体是怎么教的，都教什么。 有些地方可能只讲的皮毛， 那说实话作用也不大

正经八本的测试 Agent 工作量是非常大的。 楼主感觉没什么可以测试的那可能是没有人带你吧，当然可能也是你们使用 Agent 的场景比较简单导致的。毕竟产品主要是围绕着 Agent 来实现的，与只是某个小功能引入了 Agent，这两者区别还是很大的。

正经测智能体产品的人，会涉及到各种大模型的效果评测和性能评测工作。评测方面除了各种大模型外，再比如我们的产品里，文档解析，文档拆分，embedding 与检索，意图识别，RAG，工作流，还有 Agent 里对接的几百个工具（多数是自建的，当然也有很多公开的 MCP 的工具）。

性能测试方面各种大模型推理加速策略，知识库的性能，端到端的对话性能，其实工作量是很大的。 我们测的这个产品有 10 多个人来测。 楼主可以翻翻我之前写的帖子大概了解一下。

要说后续竞争力在哪里？ 我是这么想的， 人工智能的测试，这是一个理解成本远高于执行成本的领域。 也就是实际测试的时候，你会觉得测试脚本也好， 用例执行也好， 难度不比其他类型的测试高多少。 但理解人工智能的业务和流程还有测试的方法论，则成本非常高。 举个例子，咱们都是在智能体领域里的，我问楼主 Agent 上下文工程的四大策略是什么？要如何进行测试？ 楼主在不去网络上搜索的前提下，能否回答上来。其实对于这个问题， 即便在智能体领域里测试了相当长的一段时间的测试人员，可能都不知道上下文工程是什么。 而这就是竞争力了，不知道楼主是否能理解。因为智能体在用户角度上就是个对话框，用户问问题，智能体回答问题或调用相关工具回答用户问题。 界面交互不复杂，一问，一答。 隐藏在水面下的逻辑十分庞大。

不知道大家有没有用 AI 辅助写测试代码， 比如下载个 cursor。 如果我们知道上下文工程这个东西。 就能明白 cursor 为什么会设计 cursor rules 文件， 为什么会有 past chat 这个指令。 说白了这两个都是在遵循 Agent 上下文工程中 4 大策略中的 "压" 和 "写" 这两个策略。 只有理解了底层运行逻辑， 才能理解产品设计逻辑， 这也是 AI 这个领域中独特的地方。 其他领域是通过产品上层逻辑，来拆解下层逻辑。 但 AI 是不了解底层逻辑， 你都不知道产品这么设计在干什么。

以上都是个人见解， 不杠~ 如果觉得我说的不对~ 那就当看个笑话就好了~

有的，每次直播回放都记录在群公告里

现实就是这样的~ 想开箱即用是非常困难的。除非你们公司有人已经针对你们的产品做过定制化了。

能挣到很多钱就是快乐的，挣钱的同时还能做自己不反感（不用喜欢，只要不反感）的工作就更快乐。 如果恰好还是自己喜欢的工作就快了加倍。

所以我现在算是快乐吧，在互联网挣的钱肯定比其他 99% 的行业多，做测试我也不反感，经常能做写代码这种我喜欢的事也不错。

但毕竟工作比较累，如果能不这么累就真的快乐到极限了。

嗯是的，9 月份之前一直是透支状态。 9 月以后好多了， 我现在基本工作生活处于还算平衡的状态把

我身在腾讯， 腾讯在国内应该是对年龄最友好的一批公司了。 如果不做到总监，GM 这一层。 就是普通的大头兵或者 leader，只要事情做的不差，业务也没有硬性裁员指标。 干到 40+ 一般都没什么问题。 但过了 45 依然不好说。 只要到了最少总监这一层，可能才能往 50 奔一下。 我们 GM 好像今年已经 50 多了。

所以像我一样的大头兵，基本 45 岁就是上限。 45 岁以后被裁员，基本就是地狱模式。 但你要问我们这些人是怎么样的？ 大多数都是想的在 45 之前把钱挣够了，45 以后就随缘。 毕竟在头部互联网公司做事，到了 30+ 以后年薪大几十万都是很正常的， 年薪百万也不少见。 所以被行业抛弃之前攒够几百万存款是没问题的，要是夫妻两个都在大厂工作，搞出千万存款也是可以的，当然前提是别过度消费，别玩破产三件套。

这就是我们这些到了岁数后还在大厂工作的人的普遍想法。 很多人之所以扛着加班加到吐血，被 PUA，被侮辱，也要在这里干下去，就是知道这一行的寿命就在 45 岁。 在 45 之前把钱攒够了就是终极目标。所以哪给的钱多去哪，主打一个抱着 45 岁就退休的态度。

当然也有像我一样不消停的， 我试过做老师，做家教，接私活，写小说（虽然两部小说都扑街了），但主打一个各种尝试其他赛道的经验。 只要找到一个能稳定月入几千块的赛道就可以。 到时候几百万存银行吃利息， 每个月挣的几千块够吃喝拉撒就 OK。

卷技术，卷大厂不就是为了这个么， 我记得有人说我们这些卷技术的最终都会回归培训行业。 但其实我们最终基本上都会回归躺平。 因为钱在那个时候就挣够了。

我 34 岁进的腾讯，今年 38 岁。 预计还能再看几年吧。 干到 40 多应该问题不大。 当然每个人情况不同，所属公司不同。 只能给你当个参考

不是单机单卡， 这里我偷懒没写清楚， 一个 DS 大模型怎么也要单机 8 卡才行。 我这里说的单桶的并发能力。 桶的意思可以理解是处理某个场景（比如 32k 以上上下文场景）下有 N 组模型共同支撑。 那么这个桶的目标是 1000 用户，那么分下来每个模型实例的目标就出来了。

38 岁，预计在干 2~4 年就退休。