AI对测试岗位的影响

AI的发展快到令人发指,今天主要和大家分享一下AI时代对测试测开的一个影响,下面主要从裁员危机面试影响职业发展这三个角度分析。

裁员危机

行业裁员

  • 当下热点:最近大家肯定被一大波裁员信息刷屏了,亚马逊裁员一万人,微软裁员两万人,国内的百度字节等裁员几千人。如果仔细研究一下相关的数据就会发现国内的公司不止近两年裁员,他们一直都在裁员然后招新人,短期看AI并没有对国内的IT岗位数量造成太大的影响。
  • 裁员案例:大规模的裁员一般都是整个部门被端掉了,比如字节的游戏部门(朝夕光年)整个业务都被端掉了一下子干掉上千人(技术+非技术)。裁员的理由永远只有一个,那就是你的性价比不够了,从你身上赚不到钱了。如果你去一些新部门那么就需要承担这种风险。

测开裁员

  • AI测试工具现状:如果是学测试的应该会了解最近比较火的一些AI生成测试用例,或者AI编写自动化等等,从我们组以及其它大厂的朋友那里了解到的都是辅助,短期想完全替代基本不可能,特别是AI生成的测试用例,顶多只能参考或者应付一些小需求
  • AI代码更加需要测试:还有就是AICoding时代研发用AI写的代码更加需要严格的测试,一个大的复杂的项目,里面的坑是非常多的,用AI写的代码更是需要注意,比如上个月接的一个需求研发就是用AI写的,测了两三天测出来了八十多个bug。目测是AIcoding的时候没有约束好,改了很多老逻辑。

总结:所以短时间看测开裁员的话还是比较乐观的,特别是一些重大厂,对于质量的保障有严格的要求,出了问题股价是真的苦苦往下掉,在没有高质量的AI工具落地之前不会轻易大裁员的。

面试影响

从牛友们的校招面经以及身边朋友的社招测开面经来看,AI相关的问题绝对是不可避免的,就是自动化对于当初点点点的冲击一样。

  • 校招:对于校招这块面试更多的会问你对如今比较火的AI概念了解不懂不懂原理有没有实操过,有没有做过以及相关的经验有没有。问的最变态的应该就是我同事了,问校招有没有做过模型调优。
  • 社招:最近煮包也准备趟一下社招的水,所以也是了解了一些行情,主要是需要你有AI相关项目的落地经验,有没有实操过,他们希望的是能把这套东西直接搬过来。

职业发展

AI焦虑是正常的,大家在看到原来自己一天才能写好的代码AI半个小时也需求就写完了,谁都慌,不过大家不要太担心,资本的野心是扩张,他们想的是原来10个人创造100的价值,AI时代10个人要创造300或者500的价值。AI在资本的眼里带来的是生产力的提高而不是生产力不变我裁掉一半人。这样同行不就趁虚而入拿着更高的产能干掉你了吗?

所以测开相关的职业发展也很明朗那就是扩充更多的技术栈,利用AI工具完成更多的需求,测开的话更快的去开,测试的话提高测试效率

最后:来干互联网就别想着稳定了,无论是你我还是领导都是说不定哪天就被裁了,尝试去接受这种不稳定才是互联网行业的生存之道 。

#AI替代不了什么?##投票#
打破求职信息差 文章被收录于专栏

分享一些找实习和秋招的经验,为一些正处于迷茫或者经历过和我一样困难的小伙伴指引一些方向,偶尔也会分享一些测开的干货。

全部评论
希望能升到管理层
1 回复 分享
发布于 04-11 23:05 辽宁
问问你的同事为什么这么变态
点赞 回复 分享
发布于 04-17 08:10 河南
感觉确实比较难替代
点赞 回复 分享
发布于 04-11 23:18 北京

相关推荐

05-04 08:24
东南大学 C++
一、基本情况与项目背景1.请做一个简单自我介绍。2.你简历里的两段 AI 项目和字节实习经历,整体技术背景是什么?二、计算机基础3.顺序存储和链式存储有什么区别?在随机访问、遍历、插入删除上的效率分别如何?4.HTTPS 的加密原理是什么?对称加密和非对称加密有什么区别?为什么 HTTPS 要结合两者使用?5.高并发场景下,数据库性能可以从哪些方向优化?比如索引、分库分表、缓存分别适合解决什么问题?6.Redis 缓存穿透、缓存击穿分别是什么?一般怎么解决?三、RAG 与检索系统7.RAG 的完整流程是什么?从文档处理、分块、向量化、索引、检索、重排到生成答案,每一步分别做什么?8.混合检索一般包含哪些方式?向量检索和关键词检索分别适合什么场景?9.向量检索在哪些情况下表现不好?比如专业名词、日期、编号、精确字段为什么更适合关键词检索?10.如果 RAG 检索质量比较低,可能是什么原因?你会从 Query 改写、Embedding 模型、Top-k 召回、重排、关键词匹配等方面怎么优化?四、大模型生成参数与输出控制11.如果希望大模型输出更稳定、更确定,可以调整哪些参数?Temperature、Top-k、Top-p 分别有什么作用?12.除了调参数,提示词层面如何提高输出的准确性、确定性和可追溯性?五、LangChain / LangGraph 技术选型13.你的项目为什么选择 LangChain?14.LangChain 和 LangGraph 的区别是什么?什么场景下 LangGraph 更适合?六、Multi-Agent 架构设计15.你的多 Agent 系统是怎么设计的?主控 Agent、子 Agent、分析 Agent 分别负责什么?16.多 Agent 之间是如何协作的?任务编排、工具调用、状态管理和结果汇总是怎么做的?17.相比单 Agent,多 Agent 在上下文隔离、职责拆分、问题排查方面有什么优势?又会带来哪些复杂度?七、金融 Agent 的幻觉控制与冲突处理18.金融场景对准确性要求高,你做了哪些减少幻觉的设计?比如降低 Temperature、引用来源、无依据不输出等。19.如果实时新闻和知识库结论冲突,你会如何处理?如何根据用户意图判断该更信实时数据还是长期经验?20.系统里有行情数据、新闻数据、知识库数据等异构数据,你是如何分别处理的?如果要统一检索,会如何设计 metadata、过滤和重排策略?八、AI 交互系统与上下文管理21.你项目里的滑动窗口 / 类滑动窗口上下文管理是怎么做的?超过 token 限制时如何丢弃或保留历史?22.如果不想直接丢弃历史对话,如何通过摘要机制、长期记忆、短期记忆来优化上下文管理?23.子进程调用 AI 接口、主进程通过 JSON 通信这一套机制是怎么设计的?为什么不让主进程直接调用?24.如果子进程调用 AI 接口超时、崩溃或失败,主进程如何感知、重试、记录日志和停止重试?九、Agent 评估体系与后续优化25.你的 Agent 系统现在是怎么评估效果的?如果要做完整评估体系,会从人工评测、测试集、系统指标、RAG 指标、用户反馈哪些方面建设?26.如何评估工具调用成功率、接口超时率、运行成功率、检索召回率和回答质量?27.你的 Agent 后续有哪些优化方向?比如长短期记忆、用户画像、反馈闭环、动态调整子 Agent 权重等。28.为什么 Agent 的“自动自进化”比较难,仍然需要人工干预和质量评估?
查看28道真题和解析
点赞 评论 收藏
分享
评论
26
7
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务