跳槽了

大家好，我是洋子

当看到这篇文章的时候，我已经离开某度，有小伙伴可能会想问我去哪里了，目前我是加入了一家做AI业务的公司，主要还是做TOC业务，在APP里面集成AI Agent，数字人等功能

最近我在求职过程中，已经发现测开的招聘市场岗位有了一些变化，测开需要去了解AI技术，有几个方向：

• 第一个是AI Coding，像Cursor，Claude Code AI编程工具，国内免费的有字节的TRAE，百度的Comate。这些AI编程工具能极大提升开发效率，几乎所有的开发任务，都可以交给AI了，通过多轮对话提示词，不断修复和修改，最终就能满足你的需求。像测开常见的开发场景，比如写压测脚本，测试工具，自动化case，AI快速就能生成对应代码，并且基本上没有任何错误。
• 第二个是AI在测试领域的应用，目前主要还是利用AI来提效，比如测试用例生成，利用AI分析日志进行监控报警自动定位，用户反馈智能客服等。其他场景跟AI结合，可以根据不同业务面临的痛点问题去展开
• 第三个是Agent开发，第二点里面提到这些专项里面也可以采用Agent的形式来落地
• 第四个是大模型评测，因为AI回复具备不确定性，如何评价一个模型是好是坏至关重要，评测有两个方向，一个是对基座大模型进行评测，另一个是基于模型的上层应用进行评测（一般是以Agent形式）

为什么要选择AI赛道，我今年已经开始奔四了，距离中年35岁危机也越来越近，要说近年来的风口，基本上普通人能够着的也只有AI了，互联网传统业务很多都在降本增效，AI是为数不多在增长的业务。

虽然暂时还没知道这次跳槽对于后续职业发展的影响，但是如果不走出去，继续呆在原来的岗位上，个人能力方面都不会再有所成长了

25年以来每个月几乎都有新的大模型在发布，另外互联网传统业务也在往AI转型，AI新应用也层出不穷，比如前段时间比较火的蚂蚁阿福，就是在AI大健康的赛道，做出不错的反响

对于市场上招聘的岗位目前也还在呈现增长趋势，包括AI产品经理，Agent开发，AI算法，AI测试等

转型AI测开后，并不意味之前掌握的测试技能都用不上了。在技术方面，自动化，性能测试依然在质量保障上适用，但需要适配AI产品业务的特点

举个例子，大模型返回结果的接口多为流式接口，对于流式接口添加自动化case，以及做性能测试关注的性能指标，跟一般的HTTP接口就有所区别了。在业务方面，之前积累的方法论，如大型微服务架构问题排查经验，项目管理上的问题定位排查能力，依然都是可以复用

到新公司后，我真正看到企业级的AI应用架构是什么样子的，也开始和算法工程师打交道，得积累到一定经验后，会继续跟大家分享AI产品的质量保障是什么样子的，欢迎持续关注