接上一篇， 上一次太晚了就睡了， 今天把我暂时能想到的其他几个常用的设计模式补上。

把本篇所有内容串起来，形成一套完整的工作流：纯文本│ Step 1：喂知识给 AI ││ API 文档 OR F12 抓包 + 功能描述 │││ Step 2：写第一个测试用例 ││ AI 生成 → 你校正 → 确认无误 │││ Step 3：利用语义检索扩展 ││ 存量代码成为参考，增量知识即可 ││ 代码多了，语义噪音↑│ Step 4：抽象 API 层 + Service 层 ││ 接口一处

同样，这里还需要输入产品的用例设计方法的知识库， 由于这涉及到我们产品的细节，所以我已经删除掉了。但这里需要跟大家说明，比如我们产品有模型广场这个模块，而产品中各个模块都有要使用模型的需求，所以我有个地方专门描述了模型涉及的功能点。生成测试用例的关键，除了提供当前的需求描述外，还需要输入产品的历史功能文档，并录入到知识库中（可以就是一个文件夹），这样AI才能进行深度思考功能与功能之间的关联，分析当

其实我已经入职有好一段时间了， 这里决定总结一下一些面试经验。我呢，最终还是决定要离开服务了 5 年多的公司。而这次跳槽历经 3 个月，前后聊了 10 家公司，进行了将近 40 场面试, 基本都是 4+1 的流程 (技术面 +HR 面)， 所以日程被排的很满。有一段时间每天都有 2 个面试邀约， 加上还有本职工作所以便没有精力再更新文章了。这次面试也算是个大活了， 经历了各式各样的面试场景。所以我

下周的公开直播要讲如何搭建一个 AI 驱动的 UI 自动化工程。为了这个直播之前在星球里也写了一系列文章进行铺垫了。目前这个 DEMO 工程已经准备好， 放在星球上可下载。知识星球搜索：测试开发之路。

这是一份精简版本的UI自动化工程中skill的设计，比之前的四Agent版本更精简，速度更快，token消耗更少。效果方面实测下来也没有消退多少。主要改动是以下两点：把代码搜索、分析、实现都放到生成者里。把验证放到验证者里。只有两个Agent了，更加精简。不再全量分析所有代码，而是在搜索时过滤出与需求相关的代码。下面我先给出提示词，然后再详细讲解。

在知识星球里已经写了很多篇 AI 提效的文章，也搞了几次直播。但可能之前我都是预设所有人都是有一定基础的。所以没有从 0 开始讲解，这导致有些同学有点跟不上。所以这次我决定来一个从 0 开始系列。从最基础最基础的地方开始讲起。PS：这里再推销一下自己的星球，感兴趣的同学在知识星球中搜索：测试发开之路。在 Cursor 的 Agent 模式下，AI 的能力可以通过Skill（技能包）来扩展和规范化。

在知识星球里已经写了很多篇 AI 提效的文章，也搞了几次直播。但可能之前我都是预设所有人都是有一定基础的。所以没有从 0 开始讲解，这导致有些同学有点跟不上。所以这次我决定来一个从 0 开始系列。从最基础最基础的地方开始讲起。PS：这里再推销一下自己的星球，感兴趣的同学在知识星球中搜索：测试发开之路。在 Cursor 的 Agent 模式下，AI 的能力可以通过Skill（技能包）来扩展和规范化。

介绍包含大模型的对话机器人是如何构建和测试的

我个人对未来的判断是这样的：AI 现在势头很猛，但短期内，绝大多数企业仍然需要大量人工来做测试工作，所以也没必要陷入那种"我马上要被替代"的焦虑；但长期看，行业里能留在第一梯队的人，画像基本都是"特种兵+AI"：方向感强、判断准、产出快，AI 是他们的放大器，不是替代品。后续更多精彩教程，可以在知识星球中搜索：测试开发之路最终再重申一遍：以后测试行业能混在第一梯队的人，一定是 特种兵 + AI 的