这两年，AI 编程、Agent、自动化智能体被反复讨论。 但在工程一线，一个问题越来越清晰：
模型能力提升得很快，但系统并不会因此自动变稳定。
代码能写出来，不代表系统能上线； 结果看起来对，不代表过程是可控的。
对测试开发来说，这不是“被取代”的信号，而是一个非常明确的角色变化。
一、为什么 AI 编程在不同团队里，效果差距巨大
很多争论停留在“AI 编程有没有用”， 但真正有经验的团队，关心的是另一件事：
它在什么阶段是效率工具，在什么阶段是风险放大器。
AI 编程效果的分水岭
flowchart LR
subgraph S1["0-1 阶段 / MVP"]
A1[AI 编程介入] --> A2[功能快速堆叠] --> A3[允许返工 / 可丢弃]
end
subgraph S2["稳定期 / 成熟系统"]
B1[AI 编程介入] --> B2[隐式依赖多] --> B3[回归成本高] --> B4[问题外溢]
end
这张图想表达的只有一句话：
AI 的“好用”，高度依赖系统是否允许失败。
二、真正能落地的 AI 编程，靠的不是模型，而是工程约束
成熟团队在用 AI 时，有一个共同前提：
从不假设 AI 是可靠的。
1. PR 行数限制，本质是给测试留生存空间
“单个 PR 控制在 500 行以内”，不是为了限制开发效率，而是为了：
- 让测试知道该测什么
- 让回归能覆盖到真实风险
- 让问题出现后能快速定位
为什么 PR 变大，测试就失效
flowchart TD
A[PR 很小] --> B[影响面清晰]
B --> C[测试可覆盖]
C --> D[问题可定位]
E[PR 很大] --> F[影响面模糊]
F --> G[测试缺口]
G --> H[问题扩散]
这不是 AI 的问题，是工程规模失控的问题。
三、AI 系统真正的核心不是 Prompt，而是 Evaluation
很多团队把时间花在“怎么写 Prompt”， 但一线团队更关心的是：
改了之后，会不会悄悄把别的地方搞坏。
AI 系统里的 Evaluation 闭环
flowchart LR
A[需求 / 场景] --> B[Prompt / 策略修改]
B --> C[模型执行]
C --> D[Evaluation 评测]
D -->|通过| E[上线]
D -->|不通过| B
这套流程，对测试开发来说非常熟悉： 它本质就是一条自动化回归流水线。
区别只在于：
- 断言从 if/else
- 变成了评分标准（Rubric）
四、Context Engineering，其实是一个“状态治理”问题
在 Agent 系统里，Context 不是普通参数，而是一种持续累积的状态。
而测试最怕的，正是这种状态。
Context Rot = 状态污染
flowchart TD
A[初始上下文] --> B[加入新信息]
B --> C[继续叠加]
C --> D[上下文过长]
D --> E[冲突信息]
D --> F[过期决策]
D --> G[指令混乱]
这和一个无法 reset 的状态机几乎是同一类问题。
工程上的三种解法，本质都是“管状态”
flowchart LR
A[长任务 / Agent] --> B[历史压缩]
A --> C[结构化外部存储]
A --> D[Sub-Agent 拆分]
B --> E[减少上下文污染]
C --> E
D --> E
人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇
五、为什么文件系统成了 Agent 的“工程友好型底座”
相比一次性 Tool Call，文件系统非常“测试友好”。
Tool Call vs 文件系统
flowchart LR
A[一次性 Tool Call] --> B[结果直接输出]
B --> C[中断即丢失]
C --> D[不可修改]
E[文件系统] --> F[写入中间结果]
F --> G[可检查 / 可回放]
G --> H[可修改 / 可恢复]
对测试开发来说，文件系统解决的是一个关键问题：
我能不能验证 Agent 的每一步，而不是只看最终答案。
六、站在测试开发视角，角色正在发生什么变化
AI 并没有削弱测试的重要性，反而把问题提前暴露了。
测试开发角色的迁移
flowchart LR
A[传统测试] --> B[功能是否正确]
B --> C[单点验证]
D[AI 系统测试] --> E[行为是否稳定]
E --> F[是否可回归]
F --> G[风险是否可控]
测试关注点，正在从“结果”走向“过程和系统行为”。
模型在变强，但工程规律没变
不管模型多聪明，有几件事始终成立：
- 系统一定会出错
- 状态一定会污染
- 不可测的东西，一定不可控
模型决定上限，测试和工程决定系统能不能长期跑下去。
在 Agent 时代， 测试开发不是边缘角色， 而是让系统敢于持续演进的那一层结构。
