研发测试不分家，在AI时代，LLM/GPT技术的冲击之下，不论是研发还是测试人员都可能会担忧，AI是否会取代自己的工作。从笔者的角度看来，这根本不是一个需要担心的问题，就和围棋一样，在AlphaGo之后，大家都会利用AI来学习围棋，超越以前时代的人。而作为研发或者测试人员的你，也可以利用AI技术的产物，实现进一步的自我提升。
今天，笔者决定简单聊一下，AI时代下，研发测试人员实现自我成长的一些方法。
首先需要认识当前流行的AI技术，本质的极限在哪里。以ChatGPT类工具为例，LLM再大也是人类知识的结晶，上线不会超越人类整体的智慧，但结合GPT对话技术，一是能够具备知识生成能力，二是具备比单个人类更大的算力，因此这类效率工具可以解决许多自己工作中的问题，比如查询某类八股文知识，生产一些文案图片大纲，甚至日常聊聊人生，补充情绪价值，都是可以的做法。
这里重点是，需要专注于自己的需求，纳AI为己用，而不是被八股文玩，被prompt玩，被复杂不知道哪里下手的AI理论玩。比如说今天这个命题，如果遇到了，不妨问问GPT，看一下GPT自己能够提炼出什么结论。GPT给出的答案可能会有那么一些：领域深耕、发展软技能、关注AI无法替代的领域，以及持续广泛学习等等方式，这些答案虽然比较浅尝辄止，只提供大方向，不提供具体执行的方法，但至少有参考的价值，毕竟选择题比开放题更加好做。
要自我成长，还是得先拆解自己的需求目标，多问自己几个问题，把东西都抛出来。比如你是一个测试开发，在职业发展上可以多想想这些，以后做管理还是做技术，做技术做什么方向的技术，要做精准测试的话广度覆盖哪些场景，深度精准到什么层次，什么指标来衡量好坏，怎样论证精准测试提升了产品研发的质量，后续团队如果人多了，需要如何分工，在确保团队的产出的同时，保证大家的工作积极性和自我成长。然后才是，解决这些问题，怎么去切入AI。比方说技术类问题的解决，有这几种可能性：
- 精准测试：直接通过LLM分析变更代码含义，定位到具体的用例或者自主生成测试用例
- 自动化测试：通过代码分析自动生成单测用例，减少用例编写的研发成本
- SRE/基础架构：通过结合AI定位分析线上问题，提供问题分析和应急解决方案
- DevOps质量：通过分析变更内容和线上服务指标/告警变化，推断问题成因和变更异常严重度
拆分了具体方向之后，接下来就是看哪些是自己做，哪些是自己带的人做，或者是第三方已有能力可以提供，可以通过沟通合作达到目的。这样，解决了一个又一个的问题，自己的视角爬到更高，自然可以体会到自己的成长。
最后，AI是人造的，社会规则也是人造的，所以不需要过份担忧AI，不要担忧MOSS会不会被造出来，比起担忧社会，更应该担忧自己，适当逼一下自己。搞定人，搞定事，自然可以成长。