- 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
18820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。 5.支持重复运行，观察稳定性而不是只看一次结果Agent具有随机性。同一条用例运行一次通过，并不能说明它已经稳定。skill-up支持使用--iteration连续运行多轮，每轮结果会写入独立目录。 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- 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。 一、AI测试工程化能力 互联网价值：将回归测试时间从72小时→15分钟（京东618实践）二、垂直场景深度解析能力 典型互联网业务测试策略 关键：用领域知识将业务规则转化为可量化测试指标（如支付系统要求资金误差 /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。 而通过Skills，只需上传产品需求文档，触发用例生成Skill，就能在5分钟内生成100条规范统一的测试用例，自动包含用例编号、模块、前置条件、步骤、预期结果等核心字段，还能根据业务重要性标注风险等级 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
首先提到了 AI 工具在提高工程师效率方面的潜力，并以作者的亲身经历为例，说明了 AI 如何帮助他在开发 Chaterm 项目时提高了两到三倍的效率。 软件工程课的大作业要求小组完成一个项目（通常是 xxx 管理系统），最后不仅需要提交一份代码，还需要提交 4 个文档，分别是：需求分析、概要设计、详细设计和测试文档。 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。 关键在于，你要先成为一个优秀的工程师，才能借助 AI 成为"十倍工程师"。在此基础上通过刻意练习，来无限地接近这一目标。 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。 5. 非功能测试：AI是天然的性能与安全分析器性能测试：AI读取JMeter结果，直接指出“第120秒的GC停顿异常，建议检查堆内存配置”。 下午5:30：你运行AI性能测试分析，发现一个N+1查询问题。提醒开发同学后，他在下班前修好。测试报告自动生成并归档。挑战：AI不是魔法，测试工程师的核心价值不变1. 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
40810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
编者按：数联寻英发布的首份《大数据人才报告》显示，目前全国大数据人才只有46万，未来3到5年人才缺口达150万之多。 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。 5年后会发生什么？ 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 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- 来自专栏啄木鸟软件测试
全栈软件测试工程师宝典连载（5）
2.3.1 探索式测试 探索式测试在第1.2.2节提到，它是提高软件测试分析和设计的非常重要的手段之一。 正如第2.1节所述，软件测试分析和设计的重要目的是发现软件缺陷，目前自动化测试的主要目的还是在回归测试上，回归测试的主要目的是：产品加入了新的模块，修改了一批缺陷或者重构后是否会对以前测试通过的测试用例造成影响 探索式测试是集测试分析、测试设计、测试执行于一体的测试方法，采用精益的方法，阶段性进行，每次测试完毕需要进行总结，从而进行下一轮的测试活动，见图1-11所示。 2.3.5锻炼思维的游戏 IT时代，打电子类游戏不管对于成年人还是青少年都是作为消遣活动的一种手段（当然，对于青少年还是需要监护人进行有效的监控）。 在第6.2.1-4节讨论自动化测试的时候还将提及这个概念。 本章没有专门讲软件测试分析和设计的具体方法，而是给了大家一些思路。比软件测试知识更重要的是软件测试思想。
58640发布于 2021-01-18 - 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 - 来自专栏测试开发技术
测试工程师的AI 技能库：推荐5个让你效率翻倍的Skills
在 AI 全面赋能测试的今天，测试工程师的竞争力，早已不再是"会用多少工具"，而是"能否合理运用AI赋能提效到自己的工作中"。 Agent Skill 的本质，是把测试工程师的工程经验、规范、流程封装成 AI 可以理解并复用的能力包，让 AI 在每一次生成、每一次校验时，都严格遵循你的标准。 • 测试工程师 / 测试开发：想系统化提升自动化落地效率 • 功能测试转自动化：代码基础薄弱，希望低门槛落地 • 测试负责人 / Leader：想为团队建立统一的自动化规范与资产 • AI 测试实践者： AI 进化社」中。 目前「AI 进化社」中已经有非常多的 AI 项目实战、AI 测试实战保姆级教程（图文教程、视频教程）。 写在最后 回到开头的问题：测试工程师的竞争力，到底是什么？ • 没有规范，AI 生成的脚本只是"一次性代码" • 不懂框架，拿到脚本也无法维护 • 不持续迭代，永远停留在"Demo 阶段" AI 不是替代测试工程师，而是将我们从重复的体力劳动中解放出来——让 AI
1.3K21编辑于 2026-06-30 - 来自专栏音视频技术
5G+AI时代的高效视频处理
当前互联网上大于75%的流量都来自于视频，据估计5G时代视频流量更是高达90%以上。如何压缩、传输以及分析视频内容成为5G部署及大规模应用的关键。 虽然传统的5G部署也有一定市场，但经过AI加持的智能终端/边缘/云计算可以为5G带来更大的收益及降低其部署成本。 文 / 徐科 整理 / LiveVideoStack 本次分享的内容是关于在AI + 5G时代下视频、图像处理等技术的发展情况，以及在5G技术与人工智能的加持下，视频处理，图像处理等技术的发展方向。 三是随着5G和AI的兴起，尤其是在视频编解码标准这一方面，是否遵循着以前的混合架构。 新时代的视频压缩 3.1 视频压缩的发展方向 针对于现在的5G+AI时代，视频压缩未来的方向主要包括图中四部分：5G、系统方法、AI/DL/NN上的硬件和半导体。
1.5K70发布于 2020-03-26 - 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 - 来自专栏大前端修炼手册
AI时代，工程师的学习方式已经过时了
传统学习路径，是为"信息稀缺"时代设计的 工程师这个职业，过去二十年的主流学习路径大概是这样的：看官方文档 → 跟着教程敲代码 → 做一个小项目 → 遇到 Bug 去 Stack Overflow 找答案 信息稀缺的时代结束了。但很多工程师还在用信息稀缺时代的工具和逻辑来学习，这就是问题所在。 这类心智模型，AI 不会帮你自动建立。它可以帮你验证、举例、纠偏——但构建过程需要你自己完成。 AI 时代，工程师应该怎么学？ 给出几个具体的、可操作的改变。 这种问法强迫你先构建一个假设，然后用 AI 来验证和修正，而不是大脑空着等着被填充。主动建构 vs 被动接收，认知留存率差距可以达到3-5倍。 ③ 用"教学测试"代替写博客 写博客的本质价值是"费曼技巧"——把东西教给别人，才知道自己到底懂没懂。但写博客成本高、反馈慢。 替代方案：写可以独立运行的"教学测试"。
32110编辑于 2026-04-15
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