我是做测试开发的干了 6 年日常就是写自动化脚本、搭测试框架、跑回归。说好听点是质量保障说直白点就是跟代码较劲确保上线别出岔子。一、困境2025 年之后AI 写代码能直接用的比例从年初不足 5% 冲到年底 90% 以上。这股风很快刮到我们测试这边——AI 开始自动写测试用例、自动生成测试代码。我们组引入了个 AI 测试工具你给它接口说明它半小时吐出一整套用例加 pytest 代码跑起来七八成能过。我干了六年的写脚本一夜之间被削掉一大半。从前一个版本要我写两天的回归脚本现在工具一小时出初稿我改改就能用。价值感一下子空了。去年一个大版本我写了六十多个接口自动化用例连续五天加班到十点。结果上线当天还是漏了个边界 bug被研发调侃你这脚本白写了。那周我特别丧——明明我干得最多出事还是我的锅。更压人的是内部的卷。有的团队搞代码量和 Token 用量排行榜末位淘汰周期缩到三个月。我们测试组虽没明着排但那种你产出不够就会被换掉的气氛肉眼可见。招聘那边也变岗位要求从会写 Selenium变成精通 AI 大模型应用、会做测试设计。我们组后来招人JD 从精通 Selenium改成会做 AI 测试设计、能编排智能测试。我一个老同事没去学半年后转岗去做手工回归活更边缘了。我看着他收拾工位心里不是滋味。他不是不努力是努力的方向停在了把脚本写得更熟没往让 AI 替我写、我来设计上转。慢这一步岗位就先把人转走了。我刷到过脉脉的数据35 岁以上程序员只占 17.2%。还有个 35 岁前端被优化理由是他干的活一个应届生用 Cursor 就能搞定。我不是前端可道理一样——纯执行型的活正越来越不值钱。我那点脚本手艺眼看着从必备滑向可替代。我那点骄傲是六年来一行行堆出来的覆盖率。可当覆盖率能一键生成骄傲就没处放了。残酷但得认。连研发都在变工位从写代码变成审代码产出翻几倍但每行要人扛。我这种写测试脚本的本就是依附在代码后面的环节代码本身都开始被机器包了我这道关自然也被重新算账。细想也合理。研发用 AI 把功能写出来了顺手让 AI 把单测也带了到了我这道系统测试AI 又把回归脚本出了。我站在两道机器产出后面存在的理由越来越要靠机器没想到的地方来撑。这理由不硬我心里清楚。二、接触我没硬扛。既然 AI 能写用例和代码我就去学怎么让它写得更准、更有用。我开始用 AI 做测试编排把需求文档和历史 bug 喂进去让它先提测试策略标出高风险模块再生成我可能漏掉的边界用例。这比我一个人拍脑袋全也更快。有回它生成的一批用例看着覆盖很全我抽检才发现它把接口超时的分支全跳过了——因为训练数据里成功的样本多它默认正常就行。这种盲点得人拿业务经验去补。从那以后AI 出的用例我必过一遍风险清单。我也让它写那些最无聊的回归脚本重复校验、格式转换之类我腾出手来想到底该测什么。慢慢发现AI 生成的代码常有坑——它假设接口永远返回成功忽略了超时和空值。这些得人去补。一个做测试的朋友点醒我工具越强越缺知道该测哪里的人。我琢磨这话对。AI 能铺量但测什么、为什么测、风险在哪还是得人拿主意。这句话点醒我的不是技术是位置。工具越强越不需要会写脚本的人越需要知道测哪里的人。我把这两年写的脚本翻出来看一半以上其实是重复劳动机器本就该接走。我把历史三个版本的 bug 库喂给 AI让它归纳哪类模块最爱出事。它真给我排出一张风险热力图跟我凭经验排的七八成重合还补了几个我没想到的冷门路径。我第一次觉得这东西不是来抢我饭碗是来当我副驾。但我没飘。副驾归副驾方向盘还在我手里。它会列清单可哪条先测、哪条能放得我拿业务轻重去排。有回它把支付那条线排在低优先级我硬给调到了最前——那是钱相关的错不起。三、现状改变现在我的活从写脚本挪到了质量策略和 AI 测试设计。日常是我用 AI 拉出测试范围和用例草稿我来判断覆盖够不够、哪里过度、哪里漏了AI 出代码我审、我补异常处理上线前我定质量门禁决定哪些能放、哪些卡住。现在一周大致这样周一跟产品对需求让 AI 出测试策略和草稿周二到周四我审用例、补边界、改 AI 的测试代码周五跑回归、定门禁、出报告。从前两个人搭的活现在一个人加工具能转但我并没闲着时间都花在了判断上。从前写脚本错了顶多返工现在定质量门禁错了是我放行的锅更重。上周一个 AI 生成的用例漏了并发场景我审的时候也没拦住上线后出了小问题。我反省的不是该多写几个脚本而是我该更早把并发列进必测清单——这已经是设计层的思考了。锅变重了活反倒更费脑。从前写脚本是体力活现在定门禁是判断活。一天下来手没怎么动脑子却累了。同事笑我升级了我笑不出来——这升级是被迫的不升就出局。能力上我从怎么把测试写出来变成怎么把测试设计对。定位上我从一个写脚本的变成盯着 AI 产出、做最后把关的人。收入没涨一截岗位还在工资大致如前但我的职责描述确实改了——从前写代码现在定规则。招聘软件上纯自动化测试工程师的岗在变少“AI 测试”“质量策略的岗在变多薪资没明显涨。我投过两个都卡在要有大模型测试落地经验”。我还在补这块不敢停。前阵子和一个在某大厂待过的老同事聊他 38 岁转去做大模型架构师那是别人的跳法。我跳不了那么远只想先把AI 测试设计这块站稳别哪天连这关都被机器自己过了。说到底我现在干的是教机器测、替机器兜底、比机器多看一眼。这活不光彩也不丢人就是实在。能站多久看我能比它多想几步。同事问我图啥我说图个不被甩。能多站一天就多一天。焦虑还在。工具每月都在进化我怕哪天它把设计也学会。网上的判断很冷“未来只需要过去五分之一的工程师八成会被淘汰。” 我不确定这数对不对但我知道停在原地的人最先被省掉。多数人还在陪跑我也是其中一个。结尾AI 没让我升职加薪它把我从敲脚本里解放出来推到要想测什么、为什么测的位置。这事不浪漫就是每天多学一点别让自己变成那个被省掉的环节。我能做的是比它慢半拍的人多走一步。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2026 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”