Mock 那条线：造出你等不到的错误，让「200 但内容不对」这种问题从碰运气变成必测。数据那条线：让 AI 造数据省下抄参数的力气，但审查的判断必须自己留着——单条审不够，还得整批审。两条线合起来是一句话：你得自己造出错的条件，也自己判断什么算对。

写测试用例的决策树：有输入数据？├─ 有范围 → 等价类 + 边界值 ⭐⭐⭐├─ 无范围 → 错误猜测└─ 多条件 → 判定表 / 因果图有业务流程？├─ 简单流程 → 场景法 ⭐⭐⭐└─ 复杂流程 → 场景法 + 判定表多参数组合？└─ 参数配置类 → 正交实验法优先级：场景法 + 等价类 + 边界值，覆盖 80% 场景。测试用例设计不是艺术，是工程。场景法 + 等价类 + 边界值。把基础打扎实

Day 7-10 我讲了 AI 工作流、Obsidian 第二大脑。进入 Linux 领域——测试工程师必备技能。服务挂了不知道怎么查日志满屏不知道看哪里性能慢不知道瓶颈在哪后来系统学了 Linux + AI 辅助，效率提升 10 倍。30 个常用命令（分组，实战必备）真实问题排查案例（用命令查分析）AI 辅助定位（ChatGPT + DeepSeek 两个工具实战）做了 5 年测试，我最大的感受