好久没有写博客了，从2023年chatGPT开始问世到现在智能体的出现，AI技术有了飞速的发展，本来我是可以跟着AI一起进步的，但是因为个人的选择，所以这3年几乎没有怎么用AI，仅仅只是刷刷AI的视频介绍。
2025年年底时，openclaw诞生了，他虽然有很多安全问题，但是掀起了多智能体协作的时代，并且他还会自主解决问题，只要安装了对的SKILL就几乎没有他完成不了的事情，国内的相关智能体也是应运而生。
对此，最近我焦虑自身测试岗位的危机的同时，也在谋求发展，同时基于我日常的测试工作，琐碎又无聊，所以想到能不能用AI辅助我完成这个质量体系建设的工作呢？
再加上目前身边很多人都在用AI，所以我也想在AI高速发展的这期间，尝试一下自己的AI应用，目前我想到的一个实践方式就是：【AI完成质量体系建设】
看到这个名字，就可以知道他是一个过去工业化的标准建设，只不过过去实践这个是靠组织和技术来实现管理质量体系的，而我现在想试试能不能用AI组织+AI技术来实现。
大致思路就是，按照标准测试的流程，拆解出对应动作、标准、产品以及中途需要的知识库、技能等等，然后逐步完成整个质量体系的建设。
开展这个实践专题之前，我已经和deepseek进行了初步的可行性分析，我提出了这个工程建设是否在AI时代会逐步失去价值的问题，他给的回答是，这个体系建设的价值要分层讨论，结合AI每6个月会迭代一次，部分内容会在6个月内失去价值，
但是也有一部分内容能坚持几年。
几年，也就够了，通过这个案例练手，也能初步掌握人机协同的相关要点，并形成经验，获取能为未来搏得一线生机。
我会利用业务时间来完成这个实践。
大致动作主要有：
1、项目立项阶段，AI辅助对项目章程、可行性分析报告进行质量分析，产出风险测试清单、质量门禁等质量产物
2、需求评审阶段，AI辅助对需求内容进行标记形成需求清单，分析上下文评估影响范围，需求颗粒度和要补充的点，提升需求质量
3、测试用例设计阶段，AI结合需求清单按照测试用例设计方法论、测试用例知识库、测试用例模板、测试用例设计不同维度、优先级划分、功能模块划分设计测试点、测试用例
4、测试数据准备阶段，提测前，产品中的接口、库表已经确立完毕，这个时候将库表、接口、参数、功能模块、功能提供给AI，让AI帮助设计测试数据
4、测试缺陷提交阶段，通过人机交互确定缺陷提交的元信息，让AI可以自动提交缺陷，节约缺陷提交时间，提高缺陷描述的准确性
5、测试报告和项目总结阶段，AI辅助进行质量分析、根因分析
难点：
1、工作量比较大
* 收集项目章程、可行性分析报告，AI分析项目章程和可行性分析报告的提示词，参考知识库，产出的风险测试清单应该遵循哪些维度，质量门禁每个公司都不一样，需要定义。
* 需求识别时，可能需要采用多种技术，包含OCR识别、把需求转化为HTML文档给AI、对HTML文档进行微调、python读取word文档，处理章节-小结-表格正文图片之间的关系、输出的需求清单模板、上下文评估的方式标准是什么、甚至要搭建需求向量库
* 测试用例设计时，需要基于需求清单设计，所以需求清单中的需求版本、关联的测试点、测试用例都需要设计清楚，并且AI根据测试方法论设计的测试用例是否可靠，对比分析都需要花费时间，还有测试知识库，这个需要时间不断整理。
* 测试数据准备阶段，接口、库表、测试点、测试用例、需求、测试数据之间的关系相对复杂，需要严格定义控制，并且库表与代码有关，一旦代码发生变动，那就需要维护AI生成数据的逻辑
* 缺陷提交阶段，个人认为这点比较好完成，在需求、用例、版本都成功关联的基础上，测试只需要提供操作步骤、环境、日志截图、报错截图等信息给AI，调用接口自动提交是可以的。
* 测试报告和项目总结阶段，这点之前使用过，把缺陷表格发给AI，再给个模板AI就会按照模板自动总结，但是根因分析的到底是不是准确的，需要人工评审