2014年，Appium让移动端测试自动化成熟的时候，有人说原生自动化框架要被淘汰了。

这位老哥是认真做过团队实践的，观察写得很扎实。提测质量肉眼可见地下滑，需求做漏了，单位时间里测试捞出来的 bug 反而变多，最后测试团队加了 23% 的人，还是...

某团队引入AI辅助编码工具半年后，研发侧的PR提交量涨到了原来的将近三倍，需求排期评审时产品经理也默认"现在写代码快多了，能不能把这个迭代的功能再加一个"。测试...

有人会连续点击提交按钮，有人在网络不稳定时反复返回，有人的登录状态已经失效，还有人填到一半直接退出。

🤖 AI 让内容生成越来越便宜，但人的注意力没有同步变多 当“写”几乎没有成本以后，真正稀缺的，开始变成判断、验证和压缩

她讲了团队引入AI工具的过程，讲了现在的工作方式，讲了工程师们反馈效率提升了很多。PPT做得很好，故事讲得很流畅。

我们用的PRD，是产品经理小李在一个迭代里实际交付的文档。功能是电商平台的"优惠券领取与使用"模块改版，包含以下几个子功能：

前段时间有个测试负责人找我，说他团队花了两个月，写了 3000 多条 case，代码覆盖率干到 95%。老板看了很满意，团队也觉得稳了。

很多人脑子里装了一堆工具提效的想法——测试数据造起来太烦，想做个数据工厂；接口用例跑完没人看报告，想做个可视化面板；环境部署每次都得求运维，想做个一键拉环境的脚...

还有一些，说白了是自己基本功没到家，自身技能不足不自知，硬要锅甩给了"AI "。老实讲，这种我一点都不同情。

但是，大语言模型（Large Language Model，LLM）的出现改变了这一切。

我们的Agent在执行接口回归时，每跑完一批用例，都要等我确认"可以继续"才能跑下一批。理由是"怕它做错决定"。结果一套两千条用例的回归，本来可以一小时跑完，因...

这些记录，是真实探索过程的产物：混杂着疑问、感受、未确认的发现、需要跟进的线索。它们很有价值——这是人工探索最难被自动化替代的部分，是经验和直觉的结晶。

从生成测试代码，到操作浏览器执行流程，Codex 这类 AI Agent 已经能够参与越来越多测试环节。很多人开始思考：既然 AI 已经可以自己写测试、跑流程，...

在DevOps和CI/CD成为标配的今天，软件迭代的速度早已从“月”级压缩到“天”级甚至“小时”级。然而，测试团队依然被困在一个尴尬的处境里——需求变更频繁、用...