小灰熊AI学员丽薇：作为测试主管，我没想到有天也需要学大模型

大家好，我叫丽薇，31 岁，是一家供应链 SaaS 企业的测试主管。

听起来和大模型八竿子打不着，对吧？我以前也这么认为。

可从去年开始，我们的产品团队突然非常执着——他们想把系统“AI化”。包括：

自动生成测试用例

自动定位报错原因

智能巡检

文档自动摘要

客户问题自动分类

几次需求会上，技术负责人都问我：

“丽薇，这些能不能用大模型做？”

我只能苦笑：

“听起来都能做，但我不会啊。”

后来我意识到问题不只是“不会”。是如果再不学，我整个测试团队就在未来两年内会被边缘化。

AI 测试工具越来越成熟，自动化程度越来越高，越来越多功能会被模型代替人工判断。我必须让团队具备新的价值，否则我们很快就从“核心职能”变成“可替代岗位”。

于是我给自己下了一个决定：必须系统化学一次大模型，并且要可落地。

在小灰熊AI的学习里，最震撼我的不是技术本身，而是：

“原来测试领域也能用大模型做这么多事。”

我第一次用大模型自动生成复杂的 API 测试用例时，那种从“靠手写”到“靠智能生成”的差距，让我突然理解了为什么那么多人说大模型是“能力放大器”。

后面我做了一个团队内部的 Demo：上传接口文档 自动输出测试点 自动生成用例 自动总结 Bug 类型 自动生成测试报告。

这个 Demo 还被 CTO 在周会上点名表扬。

他说：

“这就是我期待的测试团队的未来。”

我突然发现，过去我以为“学习大模型”是偏研发的事，但其实它能帮助我重新定义整个测试体系的价值。

现在我正在推动一个 3 个月的小型 AI 测试项目试点，我甚至觉得几年后自己可能会成为“AI 测试主管”。

学习大模型不是我主动想做的，而是行业变化逼着我去做的——但幸运的是，它给了我新的可能性，也给了我职业的第二条增长曲线。