当写代码不再是门槛，测试开发还剩什么？
十年前，想面上一个测试开发，路径很清晰。
会点自动化测试，能自己撸一个外部小系统，再懂一些基础的测试知识——这三样凑齐，基本就能过面试了。那时候"能开发"本身就是一道门槛，把很多人挡在门外，也把会写代码的人抬了起来。
十年后的今天，这道门槛正在肉眼可见地塌掉。
你有个想法，跟 Agent 聊上几个来回，一个能用的 skill 就出来了；常规业务场景里要的那些前后端代码，AI 写出来的东西基本够用。除非是几千上万人的大集团，要做那种对稳定性、架构都有硬要求的通用 CI/CD 系统，否则我们日常面对的，大多是"某个具体场景下的具体问题"——而这类问题要的工具，对架构和稳定性没那么苛刻，恰恰是 AI 最擅长快速交付的。
所以问题就摆在这儿了：当"能开发"这件事被 AI 基本补平，一个测试开发工程师，到底还该关注什么？
一、开发能力这道墙，AI 已经帮我们拆得差不多了
先承认一点：会写代码，当然还是有用的。
但"有用"和"值钱"是两回事。值钱的东西得稀缺。当 GitHub 上的开源基建已经足够好，当 AI Agent 能在几次对话里，就贴着你的业务场景把上层代码生成出来——"我会开发"就从一道门槛，变成了一项人人都能低成本获得的能力。
护城河一旦人人都能填平，它就不再是护城河。
二、于是很多人掉进了"盲目开发"的坑
门槛塌了，最先出问题的，反而是我们这些习惯了靠"能开发"证明自己的人。
我见过太多这样的场景：一个测开同学，兴致勃勃开发了个东西，自己看着特别有成就感——"你看，我做了个平台/工具！"可你要是往下追一层问：它真正改进了哪个问题？改进了多少？能不能横向复制到别的业务线去？往往就答不上来了。
做了很多，不等于解决了什么。 一个自我感觉良好、却没真正撬动问题的工具，在今天这个"做得快"越来越廉价的环境里，价值只会越来越低。
三、真正稀缺的，是 AI 替不了的那部分思考
那什么才是稀缺的？
我的答案是：发现问题、定义问题、以及衡量问题到底有没有被解决的能力。
关键的转变已经发生了。以前我们纠结的是"我要做一个什么系统"；现在真正该问的，是这几个 AI 替你答不了的问题——我们到底要解决什么问题？为什么值得做这个系统？该做一个什么样的系统？该用什么工具去解决眼下这个问题？
写代码这一段，AI 帮你跑得飞快；可"该往哪儿跑"，它替不了你想。代码是答案，而值钱的，是先问对那个问题。 结合我做这么多年测试开发的体感，越往后，这一点对测开的要求会越高，也越是能在当下站稳脚跟的东西。
所以，这个专栏想聊的，不是怎么写具体的代码。
那部分交给开源社区和 AI 就好——它们比我讲得快，也讲得全。我想记录和沉淀的，是日常工作里那些更慢、也更值钱的东西：遇到一个真实的业务问题，怎么把它拆开、怎么找到根因、怎么定义清楚、怎么衡量它到底改善了没有，最后怎么拿到结果。
当"做得快"变得越来越廉价，"想得对"才是那道拆不掉的门槛。
破局，就从想清楚"该解决什么问题"开始。
