面对 AI,有大概 3 类人:
论坛也一样,第二类和第三类非常非常多,然后他们对第一类人并不友好,冷嘲热讽。不过相同的,第一类人对其他人也不友好,AI 的知识都是钱换来的,没义务无偿分享。
我是倾向于第一类的人,我对第二类第三类的也是冷嘲热讽,互相伤害嘛哈哈。以至于前几天把一个哥们说破防了,哈哈。
再偏个题,随着 AI 的能力越来越强,AI 越来越便宜,主要是 DeepSeek,归罪于它,“AI 也行人也行” 的封印松动了,“必须用 AI” 已经慢慢的走来了,对 QA 也是一样,必须用 AI 来测试,已经不可阻挡了。可能大家还没感觉,等有感觉的时候,要来不及了。
回到这里,我就谈谈 AI 怎么降本吧。你可以搞一个脚本,用来统计 AI 在各个模型、各个平台的花费是多少,看是自己的操作还是 skill 的使用问题,有针对性的处理。
目前来看,cursor 因为有企业附加费没百万 token0.25 刀,尤其是对缓存读取加了 0.25 刀,最贵。
目前性价比最高的是 codex/chatgpt 平台的,6.1sol 我常用,6.1terra 更便宜了,试试。
是的,所以我不是很想和回复他了,叫不醒装睡的人,论坛太多人都是了,什么技术不好不应该受鄙视,还有这里的 “如果大模型真的强大到不需要工程化架构了,那这些企业为什么还要花重金招人?这怎么会是过时呢?” 等等,都在装睡。
未来 QA 还是有出路的,但是这里说的出路都飘飘的,没有面向未来。
别的我不多说了,要用好 AI 非常难,不是说你用的不好,而是用好 AI 这件事情的门槛比大多数人想象的要高得多,以后再详谈。
谈一下你说的这句吧:
“其实就是你说的 ‘用好 AI’:不是简单地在对话框里要代码,而是用架构思维把 AI 封装成可靠的工程流水线。”
你这个理解也过时了,得是前年的思维了。证据就是头条的 coze 都倒闭了,10 亿刀打水漂。
你所谓的标准、架构,不要限制 AI 的能力,不要走 coze 的老路。
未来的大模型,趋势应该是提示词越来越少的,未来的一个时间点,就没有任何的提示词,什么都能干好(干的比之前的 AI 好,更比人好)。
可能这也是你这篇文档另一个总差强人意的地方,有点儿过时了。
建议你用最好的大模型吧,用用就知道了,花些钱体验一下。
我一直在找你为什么要搞这么个平台,我猜想的原因比如你们系统有几万个自动化用例,需要账号池/数据池 + 并发执行。但是读下来,你是因为心中的执念才搞的这套东西,你觉得高出这套东西会让人变得值钱。
“四级台阶:会写用例 → 会造平台 → 会调度 AI → 会立标准。越往上人越少,不是因为它更难学,而是因为它要求你先"做完过"一件完整的事。”
关键这份逻辑,以前评价一个人的能力还行,现在有点儿过时了。
AI 自己已经会写用例,会造平台了,那么前两项完全不算台阶了。至于标准,实际上标准就是事实,AI 也可以基于事实来给出标准,并且比人立的标准要更好更全。
目前评价一个人的能力,就剩一个了,用好 AI,不是会用而是用好。
解释到这里,其实就是这篇文章总觉得差点儿意思的原因。全篇对 “用好 AI” 的落地几乎没有,基本没用(sorry)。
我真的懒于回复你,这论坛逛久了都会降智。
测试用例设计都不会,一点异常流程都没有,这水平都找不到工作。然后还有捧臭脚的,捧你的人据说还是一个管理层,你这用例设计水平他看上了,好家伙,敢情你在这纳投名状呢,你去他公司面试啊。
25 万字符,500 条用例,每条 500 个字符,很多吗,天方夜谭了??"保证 AI 能写出可转为自动化的用例",你写 50 个字符能生成吗,这么反智吗。哦对,你连用例设计都不会,你确实理解不了。
这么说吧,北大青鸟的短期就业培训是 3 万学费,但凡你、你们用过 3 万人民币的 token,都说不出这些降智的语言,连北大青鸟都不如。
这种问题又不是存在一天两天了:
大家可以仔细想一下,想要用好 AI 到底门槛到底有多高,难道真的有人觉得,一个人专注于业务的 QA,技术功底很差,对 AI 的投入不超过 500 美元,然后就能靠学个课程/星球,来论坛上逛一逛,就能把 AI 掌握了,业内精英了?甚至都是失业在家的人,连个实践的场景都没有的,靠自学就能是 AI 的大拿了,可以开始指导别人使用 AI 了?AI 的门槛如果这么低,那这个问题早就抢着回答了好吧……
我最新测试的一个需求,测试用例的字符数(不全是汉字)超过 25 万了,我 x……人类的用例能写 25 万字符数么,AI 能处理的问题和人脑都不是一个数量级的,这里还有人说 “承认 AI 暂时做不到”,真搞笑。
问我的结论,很简单,这里提问的问题必须要解决,因为 AI 出的用例人类根本点不完(上线 ddl 前),靠手点是不可能的,必须极致的提效。至于怎么提效,建议以终为始的思考问题,假如你在使用 cursor 并且是免费的情况下,你的方案是不是可以解决问题。
你遇到问题,有疑问,来论坛来问怎么解决问题,怎么落地。
我说你遇到的问题我也遇到过,我也头疼,我可以详细的说明下你的问题为什么很大为什么头疼,至于怎么落地解决,哦对不起,我目前还不知道,因为我也不会。
但是你说的问题其实只是一小卡拉米,我还有更大的问题,更值得讨论的问题,咱们一起来,把问题都抛出来,坐等大能来回答,一起解决,岂不妙哉。
这篇文档才是论坛应该有的,虽然只是走了不到 20%。
我好奇的是,为什么 1500 次阅读了,那些能发明软件测试行业的新规则的大能们还不说话,都哪去了。
我是看出来了,第一你是真闲,能写这么多。第二你这套理论受众也确实多,都比较同意 “软件测试不是一场永远追逐新工具的竞赛,也不是一场用技术给同行排座次的游戏。”,也就是说明了真的有很多人被新工具伤害到了。
我也被伤害过,但是我运气好,挺过来了。
AI 的发展特别快,包括你举的例子:
“他问了几个问题。
第一,系统推荐执行的测试,依据是什么?如果需求本身存在遗漏,或者变更影响分析不完整,系统如何发现那些没有被识别出来的风险?
第二,AI 可以调整自动化操作,但它调整之后,如何证明测试仍然验证着原来的业务规则,而不是为了完成任务,绕开了原本应该检查的条件?
第三,发布页面上的质量结论,是建立在完整、可信的验证证据上,还是只是把现有工具的执行结果汇总到了一起?”
我觉得都是一年前的困惑了,现在早就不是在研究这个了(甚至 deepseek 4.1pro 都已经突破这些问题了),大家还是要真的用起来 AI,来面对一些更有挑战的问题。
我更喜欢能实际落地的文章,这篇空谈太多,我自己不喜欢,耽误大家喜欢了,不好意思。

评价一个事物好不好,是要看长期的量化结果,一个特例就开始否定了不是什么好习惯。
AI 时代,最值钱的不是代码了,而是 AI 的规则。
说了这么多,都是在说 AI 的结果不可信,这本质上是 AI 的规则不可信,是要优化规则,我觉得更有价值的是把之前 AI 规则差在哪里,发现问题之后 AI 规则怎么迭代的更好,你对规则的认识有了什么上升,而不是在这唱衰和抱怨。
没想到这么久了大家还没认识到这个。
这篇文章最核心的一句话是:AI 可以帮测试人员干活,但 “该测什么、怎样才算对、值不值得这样测”,仍然需要人判断。
他的经历大致是:
作者反复强调,要看实际场景、成本和质量目标。一个工具展示时很惊艳,放进自己的项目后,可能需要大量准备和维护,收益未必抵得过投入。原文
拿我们的情况举个例子——这是我的解释:
假设 AI 十分钟生成了 100 条自动化用例,但你还要花两天修数据、纠正预期、排查误报。那么 “十分钟生成 100 条” 这个数字,并不能说明效率提高了。
反过来,它只帮你写了 5 条,但准确覆盖一个经常出问题的支付流程,而且以后维护很省心,这就有实际价值。
所以作者关心的是:最后解决了什么问题,总共花了多少代价。
文章认为,测试仍然需要理解人的需求、建立评价标准,并判断系统有没有满足这些需求。这些工作不会因为工具升级就自动消失。原文
还是用支付举例:
商户发起一笔付款,接口返回成功,页面也显示成功。
到这里,机器已经能证明 “请求发出去了,页面有成功提示”。但你真正想知道的是:
AI 可以帮助检查这些问题,但首先要有人把 “对” 的标准说清楚,并提供可信的判断依据。这就是测试人员仍然重要的地方。
作者提醒,少量特定场景上的成功,不能直接证明换个项目也好用;要在自己的实际任务里评价效果。原文
这也不意味着必须搭一个复杂的盲测平台。我们刚才说的日常观察就能提供有用证据:
这次 AI 有没有漏关键场景?生成的用例能不能抓住错误?我纠正它花了多久?下次类似任务有没有改善?
这些观察比 “它能自动生成多少代码” 更接近我们关心的价值。
文章后面还讨论 AI 将来能否理解个性化需求、能否生成没有缺陷的软件,那部分是作者的设想,没有给出确定答案。你不需要顺着那些宏大问题想下去;对现在的工作,最值得记住的就是:让 AI 承担更多执行工作,人把精力放在业务预期、风险判断和结果可信度上。
你这是比较低端的工作方式,甚至是没有岗位空间的,如果工作这么简单,那一个脚本就能做了,还要人干嘛。
会用 不等于 用好。
说下我的最新进展吧,完全用 AI 做测试比之前预计的要累,QA 这个岗位不会消失,QA 是个力气活。
我验证的,仅 pc 浏览器功能的产品,是可以达到 AI 100% 覆盖的,所以大会上说的,5% 靠手测是完全可能的,并且和普通的理解不同,是 100%AI 都能覆盖,但是有 5% 的核心功能人类不放心所以要复查下,5%-10% 应该是这么来的。
但是这个 100% 的 AI 覆盖比想象中要累,原因是 AI 的质量标准太高了,举例吧,如果外包能设计出 20 条用例,正式最资深人能想到 50 条,那么 AI 能想到 100~150 条,会不会更多我还不知道,因为我在尝试并且 AI 大模型也在快速发展。
20 条用例耗时 1 天比如,如果 AI 测这 20 条确实洒洒水,一小时搞定了,但是要测 100~150 条的极其深入的测试,AI 的耗时也少不了,所以整体的测试耗时并没有下降太多,跟研发的开发时间仍然是一个合理的比例。
并且还有一个弊端,极其发散的用例,创造的场景和复现 bug、验证 bug 的深度也是非常恐怖的,研发可能改几遍也改不好,所以研发的能力,造数的能力等,都耗时很高。
所以回到最初的说法,QA 是个力气活,极端的质量仍然是明珠,很难摘的。
当然肯定有公司对质量是得过且过,甚至我都见过有些 QA 对自己的工作也是得过且过,那不在我上述范围内。
其实 QA 是一个靠运气吃饭的工作,就啥都不测、糖化,但是线上就不出问题事故,照样很稳……都是玄学。
QA 的生死线:QA 测试质量显著高于研发的自测。
如果达不到,基本就看命了,比如你亲哥是研发负责人,或者是你可以在极短的时间内比项目组的人更懂业务,提出更有价值的业务方向或者 bug。
靠自学迈过生死线的,现在连硕士、博士都找不到工作,你比他们学习能力更强吗?也不排除有,但是看你的问题描述没看出来。
写了很多又撤回了,你能看到,有缘的话就私聊吧。不想动太多人的蛋糕。
测试不是例外啊,AI 对 QA 的提升是非常非常非常巨大的,从高质量到高效率都是巨大的提升,AI 不会让质量保障的水平降低,相反是提高到了一个非常高的水准。
真不知道业内为什么在说测试越来越忙,是反向宣传吗……也是,再宣传岗位都没有了。
再说需求多就累的事情,QA 确实有效率的上限,但是据我的估计,AI 加持下的 QA 的上限被打穿的话,真的是超负荷的在跑的话,每个月 AI token 的成本是非常高的,如果是国外的模型是肯定过 2 万人民币的(估计 40 亿 token+),国内的模型也得大几千,AI 的 token 额度都到了么就在这里喊打穿了……
并且 token 能花到 40 亿的 QA,我觉得都不会喊累,因为那真是乐在其中。
这平台没什么大用甚至没用。
LLM 确实可以做生成用例的事情,但是不应该这么用。
看了后面的服务设计,从一开始 LLM 就不是这么用的, “屎上雕花” 的项目。
首先你要以无限 token 的终态去思考问题,如果 token 无限,你们目前这套还会痛苦么,如果还痛苦那么你们公司处境会很难,就像诺基亚对上安卓,没有跟上时代。
其次现状是没有任何 token,只能按老方法来思考问题,1 建议小功能,比如开发 5pd 内的,研发自测 + 上线即可,qa 不参与,具体时间你们得充分调研,把业务测试的压力降下来。2 回归方案的改革,比如主功能看看就行了。3 怀疑你们人效没打满,还是从自身上找找原因。
直接问豆包就行,知识都泛滥了。
我第一次回复你是不是陈述句,什么叫那么喜欢反问。另外做东西之前,多和 AI 交流一下,你做的这个提效落地实战,还有很多提高的地方,多问问豆包吧。
是啊,你的基建不是已经搞的非常好了吗,所以随便一个人贴一个链接就行了,这不是你开发 agent 的目标么?另外会 AI 的人有很多啊,为什么一定是 QA。
作为一个 QA,我的真实感受是:不是 AI 要取代 QA,是会用 AI 的 QA 会取代不会用 AI 的 QA。
持保留意见,也可以是会用 AI 的其他人(毕竟你就贴个链接没有任何操作门槛了)会取代(无论你会不会 AI)的 QA。
能打通,很快通用的解决方案就会来了,比如大佬们吃个饭碰一下,投几个人力就做出来了。但是打通干嘛呢,好好就业呗,多好。
很厉害啊,和硬件结合的 AI 才是最强的。