最近 AI 圈又热闹了。
新模型一个接一个，刷榜的消息一条接一条。
每次看到“AI 写代码超过 XX% 程序员”的标题，总有人来问我一句话：
“AI 已经能写代码了，那我们还有位置吗？”
这个问题问得不焦虑，但要回答它，得先想清楚一件事：
AI 的编程能力，现在到底走到了哪一步？
如果你想找一个相对客观的参考坐标，业内常被提到的，是一个叫 SWE-bench 的基准测试。
今天不制造焦虑，就从它说起，聊聊 AI 到了哪一步，人该站在哪。
01SWE-bench 测的到底是什么？
SWE-bench 的全称是 Software Engineering Benchmark。
它不是让你写个冒泡排序，也不是让你补全一个函数。它的任务是：
在真实开源项目的代码库里，定位并修复一个真实存在的 GitHub Issue。
这背后包含的能力是：
- 理解一个有几千个文件的真实项目
- 读懂用户提交的 Issue 报告，搞清楚问题现象
- 定位到具体的代码文件、具体的函数
- 修改代码，确保不破坏其他功能
- 成功跑通该项目原有的全部单元测试
这不是“写不写得出来代码”的问题。
这是能不能参与真实软件工程协作的问题。
02一个重要的信号
如果你把时间拉回 2024 年初，会发现一个很现实的情况：
在 SWE-bench 这样的工程型评测中，主流模型的成功率极低，几乎可以视为“不可用”。
但随着模型能力提升，以及 工程化 Agent 方案 的引入，这个情况开始发生变化。
到 2024 年下半年：
- 部人模型在结合工具调用、上下文管理、多轮反馈之后
- 在 SWE-bench 上的成功率，开始进入 两位数
进入 2025 年：
- 在公开评测中
- 部分最优方案的解决率，已经接近甚至超过 40%
这说明一件事：
AI 已经不再只是在“写代码”，而是开始具备在受限条件下参与工程任务的能力。
03这是否意味着：AI 已经能“独立干活”了？
还没有。
SWE-bench 的进步，同时也非常清楚地暴露了 AI 的边界。
在那些失败案例中，AI 往往卡在这些地方：
- 问题本身是模糊的
用户说“有点慢”“不太稳定”，但没有明确标准 - 需要权衡与取舍
多种修复方案都成立，但要选哪一个？ - 涉及复杂业务逻辑
一个改动，可能影响到另一个团队、另一个系统 - 需要承担后果
改动上线后出问题，谁来负责？
这些问题的共同点只有一个：
它们都需要“人”。
AI 可以生成代码，但它不会为结果负责。
04测试工程师的位置在哪？
这对测试工程师来说，尤其值得想清楚。
很多人担心：“AI都能自动生成测试用例、自动执行回归了，测试是不是要被取代了？”
但你想一个问题：
测试的核心是什么？
不是“点点点”，不是“写用例”，不是“跑脚本”——这些都只是手段。
测试的核心是：判断一个系统是否可信。
这个判断，包含了很多东西：
- 这个Bug严重吗？要不要拦住上线？
- 这个功能用户体验好吗？会不会被用户骂？
- 这个系统的性能够吗？大促会不会崩？
- 这个改动有风险吗？会不会影响别的模块？
这些问题，AI回答不了。
因为判断需要理解业务目标、用户场景、组织约束和潜在风险——而这些，恰好是测试工程师每天都在做的事。
05在 AI 时代，人最重要的三件事
所以，在AI越来越强的未来，人该站在哪？
不是和AI对抗，不是和AI比赛写代码，而是做好这三件事：
第一，定义问题。
AI很擅长解题，但不擅长选题。用户说的“有点卡”，到底是前端渲染慢，还是接口返回慢，还是网络问题？把这个模糊的现象翻译成可验证、可执行的工程任务，是人的责任。
第二，校验结果。
AI写了一段代码，改了一个Bug，跑通了所有测试。但它真的改对了吗？会不会在边缘场景引入新问题？会不会破坏未覆盖的业务路径？这个深度验证与风险兜底，必须由人完成。
第三，承担责任。
上线出问题了，AI不会被问责。用户投诉了，AI不会被追责。最后签字、复盘、改进流程的，永远是人。这听起来沉重，但这就是人和工具最本质的区别——人有判断，也有责任。
06不是替代，而是扩展
回到最开始那个问题：
“AI 已经能写代码了，那我们还有位置吗？”
我的答案是：
不仅有，而且更重要了。
因为 AI 越强，对“能判断的人”的需求就越高。
未来更可能是这样：
- AI 帮你写脚本，你有时间思考系统风险
- AI 帮你分析日志，你能关注更大的稳定性问题
- AI 帮你生成用例，你可以深入理解业务逻辑
你不需要和 AI 比谁写代码快。
你要做的是：
让 AI 帮你干活，你去干 AI 干不了的活。
07写在最后
2026年的春天已经来了，路还长。
这一年，AI还会进化，模型还会更强，评测数字还会往上涨。
但有一件事不会变：
在需要判断对错、权衡利弊、承担责任的地方，永远需要人在。
你不是被AI替代的人。
你是那个用AI，让自己变得更强的人。
稳住，往前走。
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区，聚焦软件测试、软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试（AI 测试） 等方向。
学社内容覆盖 Python 自动化测试、Java 自动化测试、Web 自动化（Selenium、Playwright、App 自动化（Appium）、JMeter、LoadRunner、Jenkins 等测试技术与工具，同时关注 AI 在测试设计、用例生成、自动化执行、质量分析与测试平台建设中的应用，以及开源测试相关实践。
在人才培养方面，学社建设并运营高校测试实训平台，组织 “火焰杯” 软件测试相关技术赛事，探索面向高校学员的实践型培养模式，包括先学习、就业后付款等能力导向路径。
此外，学社还提供面向测试工程师的能力提升支持，包括名企大厂 1v1 私教服务，用于结合个人背景的定向指导与工程能力提升。
