很厉害啊，和硬件结合的 AI 才是最强的。

你搞错了吧，有确定答案的肯定还是 true 和 false 的断言，这个不用变啊。
不确定答案的，你想说大模型的幻觉吧，这部分都是一般是人工抽检 + 另一个更厉害的大模型做判断（时间长）。另外你得想办法降低大模型的幻觉啊，比如 RAG、长文本、多轮会话下的解决方案，乱答之后的报错机制等。不是来这里吐槽呀。
AI 测试目前是要把手工点点点的完全代码化（AI 效率特别高），让问题尽量的前置/左移比如 CR、单测、接口自动化、UI 自动化、数据库的对账、监控巡检等，然后手搓 agent（agent 测试开发？？）给所有人提效。你说的是断言判断的部分吧，这地方和之前一样就行。

没懂大模型体量很小是什么意思，MOE 下，体量很小也很强大了，你要干啥不够用，是你用的不好吧。

不要想的太复杂：把 AI 当人来问，来请教就行了。
不要炫技：AI 面前，大家都是学生。
选择最合适的：QA 的最终目标是帮助业务成功。
不要选择最好的：还是选择最合适的吧，最好的可能搞不定。

面你会的呗，另外可以去看看牛客网的面经（我大受启发）。

浅答一下，最近在看 ai 的东西。1. 你可以去看下高飞的接口测试代码生成提效的录屏，他那里有解决方案，比如自动生成 rag 文档，代码结构/格式，提示词的写法等，你的 80% 目标没问题，并且不用 coze 这种可视化流程编排工具，直接 cursor 等就行。2. 我建议数据层要写好，这里要投入大精力，包括边界 Case 也是边界的数据构造。3. 你可能想说 agent 的开发/测试比较重，不是你的工作核心，实际上 qa 的工作核心就要转变到 agent 开发上来，agent 开发是 2-3 年的未来，你不做别人做了，别人就把你干掉了。

真的感慨啊，本文中 Ptest 的 QA 实现者现在是我的实线 leader，圈子是真的小啊，哈哈，我当初崇拜了那么久，感慨万千！

以导出功能新增一个字段为例，头条这边 QA 介入的方式如下吧：

1. QA 参加需求评审和技术评审，评估影响面。
2. QA 对自动生成的 Case 做检查，看 Case 是不是都包含了，尤其是边界场景。
3. 研发自测，流水线上会执行 QA 之前写好的底线 Case。（你这里问的其实是此需求涉及的可能是 P2 级别的非核心 Case 自动化要怎么改怎么执行，如果你们 P0 的场景都自动化覆盖完了，那么写 P2 的没关系，如果 P0 的都没写完，这部分 Case 就是没有），研发来保证质量。
4. 验收阶段，PM 和 QA 、RD/FE 一起在测试环境演示一遍，什么问题当场就演示就问，确认效果。
5. 上线后的线上回归，也是 RD/FE 来执行。

你问的这个其实是个大问题，如果你这套跑通了，实际上你的工作就没了。
那么你问的问题能不能实现呢？如果是新增导出功能这个例子，我觉得是可以实现的，AI 来生成这些自动化代码，很快。

“所以 AI 的出现并没有拉进普通人和专家的距离，反而把差距拉的越来越大”，对这句话，目前的我是想反驳的，AI 无限拉进了普通人和专家的距离，普通人和专家比就剩两步了，一是专家才能给 AI 纠错的能力，不过这点大模型越来越准确了。二是专家对知识的融会贯通，可以创新。但是普通人也可以创新，这个知识积累的门槛已经破了。
此刻的我的心情是很复杂的，没想到能亲身经历这次技术革命，很兴奋，但是革的是我的命，很 x 蛋。
工业革命那一次，机器替代的是体力。一个靠力气吃饭的人，突然发现机器比他有力气，比他持久，比他便宜。那场革命打碎了一个延续了几千年的结构，体力稀缺这件事，从那以后，不再成立了。这一次，替代的是智力。——取自知乎。
我现在很悲观，ai 真的太强了，我也是后知后觉，真希望我能找到解法。

1. 人力要用到高优的地方去，比如你们有特别高优的需求，这个需求做不完，公司就黄了！那么完全不用做什么自动化，核心人力都投入到高优需求去。
2. 领导有职责，就要找到当前阶段，团队最高优的几件事是什么。可能他能力有限，找到了这个，也可能你们团队很完备，剩下了这个，总之你领导认为这个是高优的事。
3. 你有能力，你发现了更高优的团队事情，你高瞻远瞩，可以私下跟领导聊聊，看看他是不是能转向，如果你的高优方案能让他上下都没有推进阻力，还有高绩效拿，那何乐而不为。
4. 你也不知道应该做啥，那么从本质上说，你们领导目前推进的自动化测试，是难而正确的事，要推进没啥问题。我赞成推进。这条是我最想说的，放弃谁都会，坚持才是最难的。
5. 你知道应该做啥，你伟光正，但是你领导真看不清楚，是个蠢材，那么建议划水，早日脱离苦海。