📝 面试求职： 「面试试题小程序」 ，内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试，命中率杠杠的。（大家刷起来…）
📝 职场经验干货：
AI编程正在改变传统的开发模式，它让编程变得更像是一场对话。与传统编程相比，AI编程有三个显著特点：
门槛降低：用自然语言就能编写代码
迭代加速：可以快速修改和优化
角色融合：产品、设计和开发的界限变得模糊
在这种新的编程方式下，我们的重点从"怎么写代码"转向了"要解决什么问题"。通过与AI持续交流，我们能更清晰地表达需求，最终完成产品或工作的开发。
那对于测试小白，我们要如何使用AI编程呢？我的建议如下：
1.遵循项目开发流程：按照项目背景分析、需求评审、开发、执行、测试、部署运行的标准流程，系统思考项目各阶段任务，确保项目有条不紊推进；
2.调研合适的 AI 工具：前期投入时间调研适配的 AI 工具至关重要。例如，前端页面设计可选用 readdy.ai，开发环节可尝试 cursor、windsurf、trade 等工具。必要时，合理投入资金购买优质工具，往往能显著提升工作效率；
3.全面收集项目信息：借助 AI 补充项目需求、架构与技术细节，在明确项目目标与方向后，再着手代码编写。同时，记录并学习过程中遇到的专业术语，逐步积累知识；
4.明确自身角色定位：从自身角色出发向 AI 寻求指导，如开发新手可请 AI 指导搭建项目框架，确保 AI 提供的建议与代码易于理解和实施。部分上下文关联性强的 AI 工具，如 cursor，角色定位并非必需。
5.优化与 AI 的沟通方式：采用结构化表达与丰富上下文信息与 AI 沟通，推荐使用 Markdown 格式描述需求。这种格式天然具备内容 “分块” 特性，便于 AI 理解；
6.任务拆解与分步开发：将复杂任务拆解为多个小功能模块，逐一开发，有效控制代码质量，减少返工风险。例如，避免一次性要求开发复杂的 “卖书网站”，而应逐步推进；
7.借鉴现有案例：通过模仿现成网站案例，快速确定项目大方向。向 AI 提供目标网站地址，学习其设计与功能实现思路；
8.简化复杂问题：面对复杂问题，添加调试代码，采用逐步排查、一次解决一个问题的策略，精准定位并解决问题；
9.运用代码管理工具：使用 svn、git 等代码管理工具，防范 AI 误操作导致的代码混乱与无法回滚问题。若不熟悉代码管理工具，可采用手动备份与标注版本的方式确保代码安全；
10.定期复盘与强化 AI 记忆：项目开发非一蹴而就，隔日重启项目时，让 AI 重新读取项目结构与代码，分析功能实现，既有助于复盘，又能强化 AI 对项目的理解，防止出现功能异常；
11.及时生成文档：每完成一项功能，及时生成 readme 文档，完善项目资料，方便团队成员理解与后续开发维护；
12.团队协作规范：团队协作开发同一项目时，确保文档清晰，在开发前让 AI 充分读取项目结构、理解需求，并通过 git 等工具严格管理代码，避免冲突；
13.避免无关代码修改：严禁随意修改无关功能代码，防止引入不必要的问题，导致开发过程陷入混乱；
14利用 AI 的思维链能力：遇到问题时，引导 AI 运用思维链能力，列举所有可能问题，分析原因并给出解决方案。在此过程中，开发者可凭借观察快速定位问题，直接指导 AI 修改；
15.设置专属提示词：根据项目需求与个人习惯，设置专属提示词，优化与 AI 的交互效果，提升沟通效率；
16.积累项目经验：丰富的项目开发经验能够显著提升开发效率。经验丰富者可在项目中发挥指引作用，快速整合资源，应对问题，高效完成产品搭建；
17.同步生成测试用例：每次生成功能代码时，要求 AI 同步输出包含边界条件验证的测试用例。例如，生成登录接口代码时，应同时生成正常登录、密码错误、SQL 注入攻击、高频请求防御等测试用例，确保功能完善；
18.灵活应对 AI 的局限性：AI 并非无所不能，当遇到其提供的解决方案不合理时，开发者需自行搜索资料，重新引导 AI 调整方向；
19.提升与 AI 沟通的准确性：AI 在处理细节时可能出现偏差，为降低沟通成本，需确保提示词准确清晰。若问题无法解决，可尝试更换工具或寻求资深开发者的帮助；
20.保持积极学习的心态：在 AI 开发过程中，难免遇到各种困难与问题。保持积极心态，将每一次问题的解决视为成长的契机，持续学习，不断提升自身能力；
以上为个人在AI 开发实践中的经验总结，希望能为测试领域的同行们提供有益参考，助力大家在测试之路上稳步前行。
最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
