两条路线，一个答案：来自测开视角的 AI 新范式实战手记

📌 一句话摘要

本文通过一个真实的查询轨迹记录需求，从具备代码能力和代码能力有限两种视角，详细阐述了测试开发工程师如何与 AI 协作完成从需求分析、架构设计到代码实现的全过程，并总结了 AI 时代测试开发的新定位与核心价值。

📝 详细摘要

文章以京东保险业务中保单指挥中心平台的查询轨迹记录功能为实战案例，系统性地展示了测试开发工程师如何利用 AI 辅助开发。作者创新性地从两个视角切入：一是作为具备代码能力的“架构师”，让 AI 充当“执行者”，负责生成技术方案和代码，自身则专注于架构决策、代码审查和质量把控；二是作为代码能力有限的“产品经理”，让 AI 充当“技术顾问”，通过业务语言描述需求，引导 AI 解释技术概念并生成方案，自身则负责需求翻译和验收判断。文章详细呈现了两种路径下的具体交互过程、AI 生成的完整技术方案（包括 AOP 切面、异步线程池、注解定义等代码），并对比了各自的优劣。最终，作者提炼出 AI 时代测试开发的核心竞争力在于测试思维、质量把控和业务理解，其定位是与 AI 协作而非被替代，并给出了具体的实践建议。

💡 主要观点

- AI 辅助开发存在两种有效路径，分别适配不同技术背景的工程师。 对于代码能力强的工程师，AI 是高效的“执行者”，可快速生成方案和代码，工程师的价值在于架构决策和代码审查；对于代码能力有限的工程师，AI 是“技术顾问”，可将业务需求翻译为技术方案，工程师的价值在于需求定义和验收判断。

测试开发工程师在 AI 时代具有独特的协作优势。 测试开发兼具测试思维（关注边界、异常、并发）和质量把控意识，能有效引导 AI 产出更健壮、更符合验收标准的方案，其核心价值在于懂业务、懂验收、懂协作，而非单纯比拼代码能力。

人机协作的核心是“人定义问题与验收，AI 寻找方案与执行”。 无论技术背景如何，人的核心职责始终是明确需求目标、做出关键决策（如架构选型）、设定验收标准。AI 的价值在于快速提供技术选项、生成可执行代码、解释技术原理，从而大幅提升开发效率。

具体的、结构化的输入是获得高质量 AI 输出的关键。 案例显示，无论是提供详细的技术架构背景，还是用生动的业务场景类比，清晰、结构化的需求描述能显著提升 AI 生成方案的相关性和可用性，降低后续沟通和修改成本。

💬 文章金句

- 人负责定义问题和验收结果，AI 负责寻找方案和执行实现。

• 测试开发的核心竞争力，从来不是比开发更会写代码，而是：比开发更懂测试，比测试更懂技术，比产品更懂落地。
• AI 不会取代你，它只是在你的工具箱里，又添了一把好用的锤子。至于怎么用这把锤子，取决你想打造什么。
• 热爱让我们愿意去探索、去尝试、去相信‘也许可以试试’；敬畏让我们在关键时刻保持清醒，不盲从、不迷信、不让 AI 替我们做决定。
• 无论哪种视角，最终的目标都是一样的：交付一个可用的、可扩展的查询记录功能。两种视角的路径，注定不同。

📊 文章信息

AI 初评：89

来源：京东技术

作者：京东技术

分类：人工智能

语言：中文

阅读时间：22 分钟

字数：5264

标签： AI辅助开发, 测试开发, AOP, 异步处理, 京东技术

阅读完整文章