我是做测试的，干了四年，前三年基本是手工点工。
刚入行那会，一天能点完一个模块就挺满足。需求多了就加班点，眼睛看花，手指点麻。那时候觉得稳，因为活儿总在。现在回头，那种“稳”其实建立在“这活儿只能人来干”上，而这点正在松动。所以我写这些，不是劝你转行，是劝你别装看不见。
说困境得先说环境。AI 写测试用例、自动化测试工具在这两年里成熟得很快。我们组 2024 年初试用的生成工具，当时能用率不到百分之五，基本是凑数。但到 2025 下半年，生成可用率过了七成，年底稳定在九成以上。2026 年，不少同事真做到只给 AI 下指令、自己不手写用例了。
压力是实打实的。以前我一天的工作是照着需求文档一条条点、做回归、记 bug。现在 AI 能把用例铺一大片，自动化脚本也能生成，我手工点的价值被快速压缩。组会上有人提，隔壁技术文档岗整个被砍，改让 AI 出文档——今天是你邻座，明天会不会轮到测试。我一个做功能测试的同学，去年转去做 AI 训练数据的标注和校验，她说手写用例的活儿在变少，但“判断标注对不对”的活儿在变多。听着像换汤，其实是把位置往前挪了一步。
招聘侧变化也明显。满屏岗位写“精通 AI 大模型应用”，纯手工测试的要求在减少，初级测试岗在收缩。我们组去年还招人，今年编制冻结。内部也卷，有团队搞代码量和 Token 用量排行榜，末位淘汰压到三个月。我这种做执行的，最容易被覆盖。圈子里一个大厂员工判断，以后可能只需要过去五分之一的测试工程师，剩下大多数在“陪跑”。这话刺耳，但坐在工位上，我确实开始想：如果用例和脚本都能生成，我还能干什么。有天我看着 AI 一口气铺出八十条例子，突然不知道自己这一天该干什么——那种空白比加班还累。
最难受的是日常。早上到公司，先领一排 AI 生成的用例，我点一遍、勾一遍。手点是快了，可我越来越像个“确认按钮”——它出什么我验什么，慢慢忘了自己当初为什么能发现问题。有回一个新功能上线，AI 用例全绿，我也没多想，结果用户那边报了个老接口字段被改的错。我才惊觉，我连“该测哪”都快不会想了。那阵子我半夜常醒，想的就是“如果我只是个确认按钮，公司留我干嘛”。不是矫情，是那种被架空的感觉真来了。
逼我动的，是一次回归测试事故。一个大版本上线前，AI 生成的回归脚本漏了一个边界场景，我照着脚本跑没发现问题，结果线上出了错。复盘时我意识到，问题不在 AI 能不能写脚本，而在没人去判断“它写的到底够不够”。事故之后，我跟组长提了个规矩：AI 出的脚本，必须有人写“为什么测这些”的说明，才能进回归库。不然脚本越来越多，没人说得清它到底护住了什么。这个规矩现在成了我们组的习惯，也算是我从那次事故里挣来的一点东西。
接触 AI 辅助，是从那之后认真开始的。我不再把它当替代品，而是当助手：我用模型帮我把需求拆成测试点，再让它在我的测试点基础上生成用例和脚本，最后由我来审——哪些场景它没覆盖、哪些断言写得松、哪些边界它想当然。慢慢地，我的角色从“写用例的人”变成了“判断用例好不好的人”。我学这些也没走什么特别路。公司给的模型工具我先用起来，别人的提示词我抄来改，跑出来的用例我一条条看哪里不对。前一阵卡在“怎么让模型别重复造用例”，后来我发现关键是先把测试点列清楚、再让模型照着扩，而不是一股脑让它自由发挥。这事儿听着简单，是我试错试出来的。我也试过直接让模型读整个需求文档出用例，结果它把“用户可选填”理解成“必填”，生成一堆无意义断言。后来我学乖了：先自己把关键路径画出来，再交给模型扩，质量才稳。
具体怎么变？以前我花八成时间在点和记，现在八成时间在定策略：这段业务风险高，得加异常流；那段是老逻辑，跑一遍核心脚本就行；新接的第三方接口不稳定，得单独盯。AI 负责把重复的部分铺开，我负责决定铺哪里、收哪里。有回它生成了一百条用例，我翻完发现真正卡风险的只有十几条，剩下大多是同义重复，我把它压掉，反而让回归跑得更快更准。另一个变化是接口测试：以前我一个个填参数、看返回，现在我把接口文档丢给模型，让它按字段组合出异常用例，比如超长字符串、空值、越权 token。它出的初版常有遗漏，但我一眼能看出“还差哪类”，补上就行。比起从零写，这种方式让我把精力放在“想漏了什么”上。
现在组里做测试设计会先拉我一起看需求，因为比起“谁点得快”，更缺“谁知道该测什么”。开发改完代码会先问我“这段要加什么测”，我也更愿意早进项目，在需求阶段就标风险，而不是等成品丢过来点。位置往前挪了半步，话语权也跟着多了一点。我也开始写一些固定的检查清单，把哪些模块必须覆盖、哪些边界不能省写成规则，让 AI 照着出，我再做最后一道关。相当于我从“亲手跑”变成了“定规矩再加一道关”。听起来是上升，其实只是换了个更费神的位置。
现状是真的变了，但没到逆袭那种程度。我从手工点工，变成了做质量策略和 AI 测试编排的人。组里做测试规划会拉我，因为比起“谁点得快”，现在更缺“谁知道该测什么”。可我照样累，因为责任更靠前了——AI 出的东西我得兜底，漏一个场景就是我的锅。收入还是那份工资，没多没少，只是我对“自己被需要”这件事，比从前踏实一点。踏实归踏实，活儿并没少，只是从“动手”挪到了“动脑加兜底”。组里一个做了五年手工测试的大姐，去年转去做 AI 测试编排的内部分享，她说最开始也怕，后来发现“会问模型要什么”比“会手写脚本”更值钱。这话我信。所以我没有松气，反而更想把检查清单和规则整理成组里能复用的东西。虽然这话听着像套话，但它确实在发生。
说句实在的，我还是会怕。模型更新快，今天好用的招明天可能就失灵；新人一来就会用工具，我那点“会判断”的壁垒也不厚。但我比原来清楚的是：别跟生成比数量，要去站到它前面决定它怎么干。这一层，目前还得人来坐。前阵子招人面试，主管问我“AI 都能写用例了你价值在哪”，我想了想说：价值在知道哪次它写的是假的绿。他点了头。这句话，是我用一次线上事故换来的。前阵子那个大姐还跟我说，她最怕的不是 AI，是“明明知道该往前站，却懒得动”的自己。我懂，因为我也常犯。我也不是天天都清醒，有时候活儿堆上来，也会偷懒让 AI 全包，然后草草过一遍，心里知道这不踏实。人和工具的关系，说到底是要自己拎得清——它快，但锅是你的。
写到这，我不给你灌信心。AI 没让我脱胎换骨，它只是把我从“重复点”换到了“判断点”。如果你也在做容易被生成替代的活儿，别只愁“它会不会替我”，也看看你能不能站到它前头，决定它该怎么干。至于走得顺不顺，得你自己试，我不替你打包票。
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 AI：
1. 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”！
