随着 AI 编程助手的普及，机器编写代码的成本正在趋近于零。开发效率的成倍提升，无疑给传统的质量保障体系带来了巨大的冲击。在近期上门回收业务的迭代验收中，我们深刻地认识到：如果在 AI Coding 时代，我们依然沿用过去“等代码写完再去执行用例”的模式，注定会陷入漏测的噩梦。
我们发现的 AI 编码两个致命缺陷
即便 AI 写出的代码格式规整、语法完美，但它在复杂的回收业务理解上存在两个致命缺陷，极易骗过开发的 Code Review：
- “盲目自信”：AI 缺乏业务常识，经常会自作聪明地将旧业务的校验规则强加给新业务。
- “局部视角”：AI 往往只关注当前代码块，缺乏系统的全局观，极易导致业务场景缺失或遗漏隐蔽的触发入口（如一些异步的补偿任务）。
软件工程的瓶颈，已经从“如何写代码”变成了“如何准确向机器传递业务意图”。因此，作为质量保障者，我们必须完成身份的进化——从传统的执行角色，蜕变为“前置的质量策略专家”。
为了实现这一目标，我们团队正在以下三个方向进行重点尝试：
一、 废弃传统用例，全面拥抱“意图驱动测试（Intent-Driven）”
痛点： 过去“第一步点哪里、第二步输入什么”的流水账式用例，AI 根本无法理解其背后的业务逻辑。如果让 AI 续写这类用例，只会产生海量堆砌字符的“垃圾用例”。
我们的尝试： 我们正在将用例编写方式全面转向“意图驱动”。不再拘泥于繁琐的操作步骤，而是定义高层语义的“需求意图文档”。
- 核心三要素：明确意图（验证什么业务规则）、评估风险（出错的后果）、制定验收标准（边界在哪里）。
- 人机协作：高层语义的意图用例将成为 AI 完美的 Prompt。规则由我们来定，AI 则基于意图向下派生，自动生成可执行的接口及 UI 自动化步骤。真正实现“人来定规则，AI 来写步骤”。
过去：流水账式的传统用例，重步骤、轻目的，充斥着繁琐的“操作步骤”极易陷入细节汪洋，AI 难以理解其背后的业务逻辑。 | 现在：意图驱动测试（Intent-Driven），以“意图-风险-验收”三要素构建核心逻辑，结构清晰，高层语义完美契合大模型的理解模式。 |
二、 升级提测质量门禁，实施“业务视角 AI Code Review”
痛点： 传统的 SonarQube 等代码扫描工具只能拦截规范和基础语法漏洞（如空指针），却防不住 AI 生成代码的“业务逻辑跑偏”，导致核心的回收履约流程在提测后才发现走不通。
我们的尝试： 我们开始在提测（MR）环节引入大模型，进行深度的业务视角 Code Review。
- 业务契约校验：我们将刚刚产出的“意图用例文档”作为 VibeContract（业务契约），与提测代码一同交给 AI Agent 进行双向对比。
- 前置拦截隐患：让 AI 自动评估代码实现是否满足了意图的验收标准，提前暴露 AI 编码可能遗漏的前置校验或缺失的业务场景，将业务逻辑 Bug 直接拦截在提测大门之外。
图 1：意图与代码的残酷对峙。AI 将 QA 编写的意图用例与开发代码逐一比对，精准抓出高风险逻辑漏洞。 | 图 2：面对多项后端冒烟用例缺失，AI 给出明确的“不建议提测”结论，并生成开发修复清单。 |
三、 打通自动化基建，全面聚焦测试“深水区”
痛点： 面对 AI 开发翻倍的产出，如果团队依然将大量精力消耗在手工回归和维护易碎的自动化脚本上，结果只能是“根本测不过来”。
我们的尝试： 我们正在将测试策略从“盲目的全面覆盖”转向“基于风险矩阵的精准聚焦”。
- 基础验证交给 AI：打通现有的 ApiTest 平台和 UI 自动化底层，将常规的“快乐路径（Happy Path）”和基础规则验证全面放权给 AI 去生成、执行和维护。
| 接口自动化执行报告：海量接口用例的快速回归，有效释放了日常保障的人力成本。 | UI 自动化执行报告：基于意图生成的自动化脚本稳定运行，AI 代替人工完成了繁琐的界面遍历和断言。 |
- 人类专家攻坚“深水区”：释放出来的 QA 资源和核心精力，将精准投入到上门回收业务中高风险、AI 无法处理的绝对盲区：
1. 场景组合爆炸测试：重点关注多流程交织时的状态冲突与越权。例如：
- 时间窗口与转单规则的冲突：当订单已经打上“超时标签”且“联系窗口期已过”时，用户修改时间依然错误触发了系统转单。
- 离职流程与资产管理的串位：提交员工离职申请审批时，系统错误地生成了“操作人”的教练机寄回单据。
- 并发更新的资源竞态：并发更新物资盘点单时产生的脏数据与作废数量回退失败。
2. 极端状态与负向异常：主要针对 AI 极易漏掉的时序状态漏洞、边界值和静默错误。例如：
- 复杂状态机遗漏：回收师流转到特定阶段（如指标考核阶段）时，由于 AI 缺乏全局观导致的“未触发教练机归还单创建”这类隐性流程断裂。
- 负向边界处理失效：飞检风控规则中，当订单价差恰好卡在临界值（如
价差=300）时，系统错误降级风险等级。 - 数据静默过滤的极端态：端侧（如本地通话记录上报）接口 Http 请求成功，但由于隐蔽关联字段（如
adminNumber）为空被服务端静默拦截过滤，导致数据“成功地未落库”。
结语：从“测试执行者”到“AI 测试副驾驶”
面对 AI 技术浪潮，QA 团队的护城河不再是“能执行多少用例”，而是“如何将模糊的需求拆解为可量化、可自动化的规则引擎”。通过意图驱动前置风险，通过 AI Code Review 守住门禁，通过释放双手聚焦深水区——我们正在从传统的“测试执行者”，正式变身为“AI 测试工具链的副驾驶”。
作者简介：么宏亮，上门回收团队测试工程师
声明：来自转转QA，仅代表创作者观点。链接：https://eyangzhen.com/8383.html
