- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试开发技术
AI时代，软件测试工程师的价值是什么？
前段时间在知乎上刷到一个问题:「软件测试工程师的价值是什么？」底下什么说法都有，吵得不亦乐乎。索性，今天我们也来聊聊这个话题。平时没人问这个问题的。当它冒出来的时刻，往往都不怎么愉快。 回到这个话题本身AI时代下，软件测试工程师不再只是机械执行用例、点点界面的执行者，核心价值是站在用户、业务与风险视角，定义测试目标、设计校验逻辑、识别AI模型的隐性缺陷与边界风险，把控产品质量底线。 把它们找出来，划出模型能干什么、不能干什么的边界，这是AI时代给测试出的新题。还有个反着来的活。开发用AI写代码，测试用AI出用例、造数据，快是真快，产出的东西谁来兜底。 所以这个岗位在AI时代的角色，拆开说就是两头。一头把关，产品稳不稳定、合不合业务预期，上线前有人签字负责。一头推动，工具怎么用、流程怎么改，让团队的质量和效率一起往上走。 写在最后所以，最后概括起来，AI时代，软件测试工程师的价值应该体现在：善用AI工具提效重复回归、生成脚本与数据，把精力聚焦在复杂场景验证、风险分析、质量体系建设、推动研发流程优化，同时评估AI生成内容与代码的可靠性
18920编辑于 2026-11-02 为什么AI时代，测试工程师必须补齐算法能力？
、接口测试、流程测试、状态机测试和端到端测试的组合。 nbsp;defaults: timeout_seconds: 300 max_turns: 10report PR冒烟测试适合每次提交运行：少量核心用例确定性规则为主执行时间短Token消耗低失败后阻止合并定时回归测试适合每天或每周运行：多模型、多引擎对比多次重复执行复杂多轮场景AgentJudge语义评审工具异常与降级测试发布前端到端测试适合版本发布前运行 十、对软件测试从业者意味着什么skill-up值得测试人员关注的原因，并不只是阿里又开源了一个AI工具。 而是完整的Agent行为：有没有选择正确工具有没有在正确时机调用工具是否遵守权限和安全流程多轮上下文是否保持一致工具失败后能否恢复最终产物是否真实可用换模型和引擎后是否退化失败后是否能够定位原因从这个角度看，AI
22210编辑于 2026-08-03硅谷工程师的“AI时代账本”：效率翻了10倍，我却更累了
02 AI改变了工作量级，但没有改变分配耶格提出了一个简化的分析框架。假设一名工程师在掌握AI工具后，单位时间产出提升至原来的10倍。 比如在情景A中，工程师保持原有工作时长，将全部增量产出交付给雇主。此时，雇主以不变的人力成本获得了近10倍的产出。工程师的收入未发生同比例变化，但其劳动强度和精神消耗显著上升。耶格称之为“被榨干”。 在情景B中，工程师大幅缩减工作时长，仅以原有10%的劳动时间完成与过去相当的产出。此时，增量价值全部由个人获得，获得了更多的闲暇时间。但这一状态在竞争环境下难以持久。 二十五年后，耶格认为这一公式同样适用于AI时代。不同的是，AI大幅放大了分母变化对分子的影响，但个体对分母的控制力并未同步增强。 04 工作日需要重新定义耶格在文中提出了一个具体主张：AI时代的有效工作日应缩短至三到四个小时。这不是一个经过严谨验证的数字，而是一个基于经验的推断。
44011编辑于 2026-02-25- 来自专栏FunTester
MCP：引领 AI 测试新时代
MCP如何重塑质量保证工程 AI代理：自动化测试的智能助手 MCP 赋予 AI 代理如同资深测试工程师般的智慧，能够通过分析代码、日志和用户行为趋势，自动创建、执行并维护测试用例。 对于复杂的分布式系统，AI 代理还能动态调整测试策略，确保测试覆盖率和效率的最大化。 未来，质量保证工程师的角色将从编写测试转变为策划和优化 AI 生成的测试。 未来，QA 工程师将转型为 AI 测试架构师，专注于定义测试目标和策略，而非编写详细的测试步骤。这种转变不仅释放了工程师的创造力，还推动了测试实践的智能化和自动化。 未来，QA 工程师必须掌握 AI 安全测试技能，例如对抗性测试和偏差检测，以确保智能系统的安全部署。这种能力不仅是技术上的要求，也是对测试团队的一次全面升级。 通过掌握 AI 测试技能和智能系统相关技术，测试工程师可以更好地应对复杂的应用场景和快速变化的需求，真正实现测试的智能化和自动化。
71910编辑于 2025-08-12 - 来自专栏漫谈测试
聊聊AI时代下测试工程师的核心竞争力有哪些
测试工程师在这里的核心矛盾是：既要保障海量用户的体验稳定性，又要跟上持续交付的速度。AI的作用不仅是提升效率，更是解决人力无法覆盖的复杂场景。 在互联网行业高速迭代与AI深度渗透的背景下，测试工程师的核心竞争力已进化为 “质量工程+AI协作者+业务守护者”三位一体能力。 ⚠️ 监管要求：欧盟DSA法案/中国《生成式AI服务管理暂行办法》 六、数据驱动质量优化用户旅程挖掘通过埋点数据分析TOP10异常路径（如支付宝支付失败漏斗分析）缺陷预测模型基于代码变更特征（文件耦合度 /开发者经验）预判风险模块智能根因分析阿里云鹰眼系统：自动关联日志/链路追踪/Metrics定位故障点 七、进化力：拥抱技术洪流互联网测试工程师学习路线 保持竞争力的关键行动：每年主导1个AI测试提效项目 数据驱动³⚠️ 淘汰预警信号（互联网版）：仅执行基础功能测试，未参与自动化建设无法理解推荐/搜索等核心系统工作原理生产环境故障时只能被动等待告警互联网行业的测试工程师终极价值在于，用技术手段将业务风险转化为可量化的质量护城河
68720编辑于 2025-08-04 - 来自专栏不换的随想乐园
思辨看待 AI 时代 - AI 助手和工程师导演
AI 概括 文章以工程师视角回顾自己与 AI 协作的实践历程，从谨慎试用到高频使用，效率显著提升。 核心观点是：AI 能放大能力、完成大量体力工作，但无法替代架构思维、系统设计与边界判断。 面对 AI 时代的职业焦虑，作者建议拥抱工具，同时通过扎实基础、清晰拆解与严格审查保持竞争力。 结论是 AI 会成为必备工具，但真正的决策与责任仍需由人类工程师承担。 结合一些观察与观点，我做个阶段性总结（偏个人判断，不代表定论）： 独立的“超级个体”会变多：一个人指挥多个 Agent 解决不同问题，个人创意型产品会更容易出现； 初级工程师的岗位要求可能会提高：重复性编码工作减少 可能轻松完成项目前 70%，但剩下 30%（边界情况、性能优化、安全性）更依赖经验丰富的工程师。 AI 可能会像 IDE、Git、Docker 一样成为工程师的标配。重要的不是“会不会被 AI 取代”，而是“如何用好 AI 放大自己的价值”。 保持学习，保持思考，保持本真。
39520编辑于 2026-03-10 AI时代，CRUD工程师还有未来吗？
有一个问题，在技术圈正在被越来越多的人私下讨论：当AI能写出90%的业务代码时，那些每天做数据库增删改查的工程师，到底还值不值钱？ AI正在快速替代的，是前者；而真正决定工程师长期价值的，是后者有没有被突破。 四、从“个人产出”到“团队放大” AI时代，一个人的代码产出能力正在被快速拉平。一个使用AI辅助的普通工程师，代码产出速度可能是三年前的三到五倍。 这意味着什么？ 能否帮助团队成员建立对AI辅助开发的正确使用姿势，而不是盲目信任输出 一个只关注个人产出的工程师，在AI时代会被加速边缘化。 而一个能够放大团队整体能力的工程师，其价值反而会随着AI能力的提升而水涨船高——因为他所管理和传递的，是AI无法自动生成的系统性判断力与工程文化。 结尾 CRUD工程师还有未来吗？
32510编辑于 2026-05-15- 来自专栏敏捷开发
测试工程师必知的10大测试法则
“键盘在10分钟内完成生产”——这会带来更快的反馈、更少的逃脱和更高的信心。以下是编码新世界的10大法则。 产品、工程、测试，甚至周围的功能：客户支持、销售、营销、业务开发、早期访问测试版客户、高管——每个人都在测试。 7.每项测试都应导致明确的行动如果不知道当测试失败时该怎么办（无论是从测试的角度还是从产品的角度），那么测试就没有提供价值。 这通常是由于测试步骤太多，或者产品没有提供足够的失败信息（包括没有充分的可测试性，参照法则2。）8. 始终测试高层级软件测试有“层”（从高到低）：生产、UAT、功能、集成和单元。 9.从不链接测试所有测试都应在不考虑任何其他测试状态的情况下执行。测试数据的管理应确保每个测试都生活在自己的独立场景中，并且不能被另一个测试更改。测试应该是原子化的、自主的。10.
35410编辑于 2024-04-29 - 来自专栏测试开发技术
AI测试时代：用Skills落地自动化测试！
当AI大模型席卷测试圈，真正能拉开差距的，不再是会不会用AI，而是能不能用对Skills——这个能让AI从“只会建议”升级为“动手干活”的核心能力，正在重构自动化测试的新范式。 它让AI不再只停留在“顾问”层面，而是能真正上手执行测试任务，这也是它能颠覆传统自动化测试的核心原因。 ，重新定位元素、修改代码，无需人工排查调试，效率提升10倍以上。 AI时代，测试行业的核心竞争力已从“手动执行”转向“效率赋能”。 对于测试人而言，现在上手Skills，就是抢占行业先机。从今天开始，用Skills解锁自动化测试新玩法，告别繁琐劳动，实现效率跃迁，在AI浪潮中站稳脚跟。
1.3K10编辑于 2026-04-29 AI 时代，如何成为十倍工程师
本文探讨了“十倍工程师” （10x engineer）的概念，即那些工作效率远超普通工程师的个人。 如今有越来越多的 AI 工具宣传能够提高工程师 10 倍的工作效率，包括但不限于 Anthropic、Trae、Devin 等知名 AI 公司。 吴恩达认为，随着越来越多的工作受到人工智能的支持，不只是“10 倍工程师”，会有更多的“10 倍市场营销人员”“10 倍招聘人员”“10 倍金融分析师”这样的“10 倍专业人士”出现。 反直觉的建议很多人以为在 AI 时代，工程师应该把精力放在“如何更好地使用 AI 工具”上，比如 Prompt Engineering。PE 很重要，但不是根本。 拥抱时代的人，永远不会被时代抛弃官网：Chaterm - Open Source AI Terminal and SSH ClientGitHub：https://github.com/chaterm/
35800编辑于 2026-06-10AI+全能测试工程师：大模型时代，软件质量的守门人正在进化
AI+全能测试工程师：大模型时代，软件质量的守门人正在进化从“点点点的手工侠”到“质量策略的总设计师”“我不是在执行测试用例，而是在教会AI如何思考软件的脆弱之处。” 欢迎来到AI+全能测试工程师的时代。什么是AI+全能测试工程师？这并非一个头衔，而是一种能力重组：将测试工程师的领域知识、测试策略思维，与大模型的代码生成、逻辑推理、异常发现能力深度融合。 上午10:00：打开Cursor，用自然语言为新的“支付回调接口”生成集成测试——包括成功、失败、重复通知、签名错误等场景。AI写了200行代码，你检查并微调了两处断言。 10分钟后，AI发现了一个崩溃输入：“输入字段输入65536个‘A’时，后端返回500。”你一键生成缺陷报告，附带复现curl命令。下午4:00：你被拉进需求评审会。 工具已到，思维就位，去成为那个AI时代的质量总设计师。
70010编辑于 2026-05-17- 来自专栏啄木鸟软件测试
全栈软件测试工程师宝典连载（10）
顾老师新书《全栈软件测试工程师宝典》 https://item.m.jd.com/product/10023427978355.html 以前两本书的网上购买地址： 《软件测试技术实战设计、工具及管理》 # iostat -d -x 1 Linux 4.15.0-66-generic (ubuntu) 12/10/2019_x86_64_(4 CPU) Device r/s •如果%idle值持续低于10，表明CPU处理能力相对较低，系统中最需要解决的资源是CPU。 •%util接近100%，说明产生的I/O请求太多，I/O系统已经满负荷。 # pidstat -d 1 Linux 4.15.0-66-generic (ubuntu) 12/10/2019_x86_64_(4 CPU) 09:30:06 AM UID PID courseId=1209835807&share=2&shareId=480000002205486 性能测试第1季:性能测试基础知识 https://study.163.com/course/courseMain.htm
75440发布于 2021-02-02 - 来自专栏FDE工程师-从AI技术实现到业务落地
FDE：AI时代工程师的长期职业路径
FDE：AI时代工程师的长期职业路径AI拉呱：洞察AI技术前沿ForwardDeployedEngineering提供了一条稳健且多元的长期职业路径，尤其在充满活力的AI系统时代被进一步放大。 与传统软件工程相比，这条路径提供了更广泛的高级岗位选择，使其成为有抱负的工程师的compelling选择。 AI时代的需求。 它专为在先进技术（尤其是AI）和真实商业环境的动态交叉点上茁壮成长的工程师而设计。 AI拉呱：洞察AI技术前沿
40910编辑于 2026-09-02 - 来自专栏PPV课数据科学社区
AI时代就业指南：机器学习工程师求职须知
机器学习工程师做什么？ 可以把机器学习工程师的工作分为以下几点： 机器学习的实现和搭建各个公司的机器学习架构。 搭建架构之后，维护该架构，包括在新的数据局进来时，该架构的速度、可靠性和性能。 这些框架不仅被机器学习工程师使用，也会被数据科学家使用。 实际上，机器学习工程师的工作也取决于具体的公司，不同的公司对机器学习的理解和应用不一样，因此他们的机器学习工程师的工作职责也会不一样。 机器学习工程师所需的技能 首先，Machine Learning Engineer仍然是engineer，所以计算机基础知识和编程能力是必须有一定水准的，所以第一和第五点是基础。 在百度，如果要求应聘者拥有 C++ 的技能，那么在面试的时候就一定会出现C++的内容；而有的公司或许要求SQL，R等语言，都是一样；最后一点，线性回归，概率论、统计、中枢网络等，是对于ML工程师的特殊要求
99470发布于 2018-04-23 - 来自专栏PPV课数据科学社区
AI时代就业指南：数据挖掘工程师成长之路
今年3月份时，谷歌开发的人工智能AlphaGo打败了全球最顶尖的围棋高手，轰动全世界，AI时代正式拉开序幕。 一个人工智能的诞生需要无数个工程师挥洒汗水。其中，负责开发学习算法、使机器能像人类一样思考问题的数据挖掘工程师更是无比重要。什么人能完成人工智能的开发任务呢？ 而自学习模型(或者说机器学习能力开发)正是数据挖掘工程师的强项，人工智能的诞生和普及需要一大批数据挖掘工程师。 那么在AI时代，如何才能掌握相关的技能，成为企业需要的数据挖掘人才呢？
1.1K70发布于 2018-04-24 - 来自专栏让技术飞起来
AI时代软件工程师职业还将存在多久？
这里又有一笔账 - 每个工程师每天完成并提交的源代码有多少行？“完成”的意思是：测试过、评审过、确认有效的代码。Welsh的估计，中位值是0！ 7、8个人的团队规模，开发小组先坐下来开几次会，产品经理搞个交互概念、UI整个“高保真”设计原型、前后端人员分个工、测试工程师搞个TDD/BDD。 他在50年提出“图灵测试”，这是人工智能领域的里程碑。冯诺依曼(1903-1957年)则是在40年代中期至50年代前期最活跃，主导了当代计算机架构的发明。两人之间差了约10年的间隔。 号称AI赋能码农、增强其能力提升其效率的神器 - 各种Copilot，来了。随之而来的是各种“神预测”。“未来的工程师只有两种人，能利用AI的和不能利用AI的”。 “AI是平庸工程师的复仇”。有些技术视频博主如是说。
1K11编辑于 2023-12-27 - 来自专栏测试开发技术
2025年Python测试框架TOP10：测试工程师工具清单！
在软件开发生命周期中，测试是保障质量的关键环节。而随着Python语言在自动化测试领域的普及，各类测试框架层出不穷。面对众多选择，哪些框架真正值得测试工程师在2025年重点掌握？ 今天，我们为你整理了一份Python测试框架TOP10工具清单，助你提升效率、精准选型！ 11、小结 在2025年，测试工程师不仅要掌握框架的基本用法，更要学会根据项目需求选型。 框架只是工具，真正的核心是测试思维和工程化能力。 希望这份TOP10清单能成为你的“测试利器”，助你在测试之路上游刃有余！ 你还用过哪些Python测试框架？欢迎在评论区留言分享！ 对了，我们的快捷导航平台（https://kjdaohang.com/）最近上线了一些免费工具、教程资源（包含AI测试资料），欢迎对技术感兴趣的朋友一起来交流使用~
1.5K10编辑于 2025-09-17 数据爆炸时代，为什么 ETL 工程师比 AI 工程师还值钱？
前几年，几乎所有人都在谈 AI：自动驾驶、智能客服、ChatGPT、智能投顾……仿佛谁不招 AI 工程师就要落伍。 在这个数据爆炸的时代，AI 工程师负责的是“模型”，而 ETL 工程师负责的是“数据血管”。没有干净、标准、及时的数据流，模型就是一堆漂亮但没用的 PPT。一、先说清楚，ETL 是啥？ 三、ETL 工程师 VS AI 工程师：不是对立，而是配合不是说 AI 工程师不重要，而是企业发现：如果数据层不打牢，AI 工程师再多也白搭。 AI就是喝水的人，要是水本身就是脏的，AI又如何发挥价值？企业对 ETL 工程师的需求不是降低了，而是比以往更急迫、更高端。 所以，别再小看 ETL 工程师——在很多场景里，他们是比 AI 工程师更稀缺、更核心的岗位。
63810编辑于 2025-08-22- 来自专栏宜达数字
测试工程师测试工程师
测试工作 常有功能测试、接口测试、UI自动化测试、性能测试、安全测试等。 功能测试是其他测试工作的基础，是培养测试用例设计能力和建立测试思维的关键阶段。 自动化测试主要包括接口自动化测试和UI自动化测试 性能测试主要指：用户访问量越大、数据量越多，软件产品的响应速度性能测试常用的工具有JMeter和Loadrunner。 安全测试是测试中的一个专项测试，一般都是有专门的安全测试人员进行测试,暴力破解、越权漏洞、命令注入、SQL注入、XSS、CSRF. 测试工程师路线 基础 作为一名测试人员肯定要了解计算机相关概念，基础的测试理论，以及前端的HTML、CSS、JS的语法规范用法等。 ；测试计划，测试方案，测试报告。
77020编辑于 2021-12-07 - 来自专栏云云众生s
在AI时代软件工程师仍然不可或缺
随着我们不断探索不断发展的技术领域，人工智能（AI）对各个行业产生的深远影响是不容否认的。AI 已彻底改变了运营，实现了任务自动化并提高了效率。然而，尽管有这些进步，AI 仍无法取代软件工程师。 软件工程师的独特性 虽然 AI 擅长自动化重复性任务、处理海量数据，甚至生成高质量的代码片段，但软件工程师的角色远远超出了这些功能。 同样，软件工程师使用 AI 来增强他们的能力，但由于他们独特的创造性思维和解决复杂问题的能力，他们仍然不可替代。 当今的公司正在寻找能够应对复杂挑战并做出重大贡献的工程师。AI/ML 工程师、数据工程师和计算机视觉工程师等专业角色比以往任何时候都更受欢迎。 软件工程师对于技术的持续增长和发展至关重要。虽然 AI 可以增强他们的工作，但它无法取代软件工程师带来的创造力、批判性思维和协作。
65910编辑于 2024-06-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号