这两天一直在面试测试岗位。

准确来说，现在已经没有传统意义上的前端、后端、测试、设计这些岗位了。

去年开始，我们就在团队内部做了一次组织调整：所有研发相关岗位统一归为研发工程师（Software Engineer），只是每个人承担的职责有所不同。甚至在今年年初，我们还直接砍掉了设计岗位。

原因很简单。

过去的软件开发模式是：

AI 辅助人完成工作。

而今天，我们认为真正高效的模式已经变成了：

AI 是主要执行者，人负责规划、判断和质量。

这个变化，比很多人想象得更快。

最大的问题已经不是写代码，而是判断结果是否正确

今天的大模型，写代码已经越来越快，甚至可以在很短时间内生成前端页面、数据库设计和接口开发代码。但真正困难的地方，反而变成了另外一件事情：

你不知道它写得对不对。

AI 可以一分钟生成几百行代码，但由于其生成机制本身具有概率性，它始终存在错误的可能：

它永远都有可能犯错。

因此，未来的软件工程瓶颈已经不再是「生成」，而是：

如何保证生成结果的质量。

传统的软件工程依赖人工 Review、人工测试和人工验收，但 AI 将开发效率提升了一个数量级。如果测试仍然停留在手工执行、逐个 Case 验证，那么整个研发流程必然成为瓶颈。

所以我越来越相信一句话：

打败魔法的，只能是魔法本身。

未来的软件质量，同样必须依赖 AI 去保证。但这里很容易产生一个误解：好像只要把测试也交给 AI，一切问题就解决了。

实际上，AI 擅长的是执行，而不是思考。它可以高效生成测试用例、自动执行回归、快速覆盖大量场景，但它并不真正理解系统边界，也很难主动提出那些"应该被测试但还没有被想到"的问题。

就像产品开发一样，AI 可以根据需求快速实现功能，但真正困难的是定义什么才是一个"正确的需求"。测试也是如此。

真正有价值的，不是执行测试，而是思考：

• 这个系统最容易出错的地方在哪里？
• 哪些场景是用户最可能踩坑的？
• 哪些边界条件会导致系统崩溃？
• 哪些隐含假设其实是不成立的？

这些问题，往往不是通过生成就能得到答案的。

所以未来的质量工程，更像是一种"问题设计能力"。

AI 负责执行，而人负责提出问题、定义标准、构建验证体系。真正负责质量的人，不再亲自执行测试，而是不断思考：

还有什么，是我们没有测试到的。

面试过程中，我看到了三类开发者

第一类：仍然抗拒 AI

这是最容易识别的一类。

他们并不愿意接受 AI 已经改变软件工程这个事实。

甚至会认为：

为什么面试要考 AI？

为什么不用传统开发能力？

他们更多是在否认变化，而不是理解变化。

这种抵抗，其实来自于一种心理惯性。

因为一旦接受 AI，就意味着过去积累多年的工作方式，需要重新学习。

而改变，总是不舒服的。

第二类：意识到了 AI，但停留在体验阶段

这是人数最多的一类。

他们已经意识到变化，也尝试过一些工具，但始终停留在浅尝辄止的阶段。体验过之后，又回到原来的工作方式，没有真正把 AI 融入流程，也没有思考如何用 AI 重构自己的工作，更没有形成稳定的使用习惯。

于是就出现了一种状态：看起来在用 AI，实际上并没有发生本质变化。直到有一天，发现环境已经彻底改变，而自己还停留在原地，那时候往往已经来不及了——不是被 AI 唤醒，而是被淘汰。

第三类：已经走在 AI 前面

这类人已经开始真正理解 AI，知道 Agent、Workflow、Context、Prompt 等核心概念，甚至已经在实际工作中让 AI 承担一部分研发任务。

但让我意外的是，他们中的很多人仍然没有意识到，AI 带来的并不是简单的工具升级，而是岗位层面的重构。

我在面试时经常会问一个问题：如果未来没有测试岗位了，你准备做什么？

很多人其实从未认真思考过这些问题，因为 AI 带来的变化，不只是工作方式的改变，而是整个组织角色正在被重新定义。

AI 的变化，已经不是温水煮青蛙

很多人直到今年才真正开始关注 AI，甚至不少名校毕业生、硕士毕业生（这里指的是已经有一定工作经验的人），也是最近才开始认真学习。反而是那些还没有毕业，或者刚刚毕业的年轻人，对 AI 的接受度和拥抱程度更高。

但现实的发展速度远比大家想象得更快。

过去一年，AI 更像温水，很多人觉得没关系，可以慢慢学，还有时间。然而到了今年，我越来越清晰地感受到，水已经烧开了。很多岗位的变化并不是未来才会发生，而是已经在发生，当人们真正意识到这一点时，往往已经不得不面对新的竞争。

一个建议与两个变化：模型、质量与产品思维

一个建议：先体验最好的模型

面试的时候，我都会给候选人一个建议：无论最后有没有机会合作，都希望他们去体验一次目前世界上最好的模型。

原因很简单。很多人对 AI 的判断，其实来自于各种免费的模型、开源模型以及国内平台。不是说这些模型不好，但如果你的第一印象来自能力还不够成熟的模型，那么你很容易得出一个错误结论：

AI 也不过如此。

而事实上，真正领先的模型，和普通模型之间的体验差距，远比很多人想象得大。如果没有体验过最好的模型，就很难真正理解 AI 会把软件工程带到哪里。

变化一：测试正在变成质量工程

同时，我也越来越清晰地看到第一个变化——测试的变化。

很多人喜欢讨论测试岗位会不会消失。我的答案是：传统意义上的测试会减少，但质量不会消失。

未来真正重要的，不是测试（Testing），而是质量工程（Quality Engineering）。测试工程师不再只是执行测试，而是通过开发能力、自动化能力和 AI 能力，建立整个质量保障体系。

AI 写代码，AI 自动生成测试，AI 自动执行测试，AI 自动验证结果。而质量工程师负责定义验证标准、设计测试体系、构建自动化能力，以及找出 AI 没发现的问题。

他们更像站在产品对立面的"白帽黑客"，不断寻找系统最容易出错的地方。这种能力，在 AI 时代反而会越来越重要。

变化二：产品思维成为核心能力

第二个变化，是产品思维的重要性。

未来，无论开发还是测试，都应该具备产品思维。不仅仅会写代码，不仅仅会完成任务，而是能够站在用户角度理解产品、理解业务、理解体验，理解为什么要这样设计，以及真正需要解决的问题是什么。

AI 会越来越擅长完成执行工作，而真正难以替代的，是判断、规划、产品理解和系统思考。这些能力，未来会成为每一个研发工程师最重要的竞争力。

写在最后

这几天的面试让我更加确信一件事：AI 正在改变软件工程，但真正决定成败的，不是它写得有多快，而是它能否支撑高质量产品的交付。

AI 可以极大提升生成效率，但如果输出质量不稳定、不可靠，那么再快也没有意义。

尤其是在企业环境中，面向客户的产品一旦缺乏严谨性，就很难建立信任，更谈不上获得认可与付费。

因此，严谨性、稳定性和可验证性才是第一优先级。

未来的软件工程，本质上是在解决一个问题：如何在 AI 大规模参与生产的前提下，构建一套能够保证产品质量的体系。

未来的软件工程师，不再只是代码的编写者，而是 AI 的指挥者、质量体系的设计者，以及高质量产品的守门人。

这才是 AI 时代软件工程真正的核心。