本文首发于公众号「技术落地手记」，一个国企技术管理者的实战笔记。关注回复「落地」获取更多技术管理实践。
上次写过一篇 用了12年CD系统，我在2026年用AI把它替换掉了，讲我们把CD系统换成自研系统的事。
那篇发出来之后，有几位同行后台聊过，说他们也在折腾类似的事。今天这篇算上一篇的续集，讲新系统跑了一段时间之后，又冒出来的新问题。
先说结论：研发环节用上AI之后，效率确实涨了一截，但测试这个环节没动，于是它从原来的"看起来还行"变成了现在的"明显拖后腿"。
研发提速之后，测试就堵在那里
需求分析、产品文档、架构方案、代码，这几个环节我们都接了AI辅助。不是百分之百靠它，是开发同事先用AI跑一版，自己再过一遍。
这种节奏下，一个中等需求原来要走三天的，现在一天多就能进入提测。
听起来是好事。但提测之后画风就变了。
测试同事原来一周接3个需求，节奏刚刚好。现在一周来5个，写测试用例、执行用例、提Bug、回归，全是手工的。AI在前面跑得越快，测试这边堆得越多。
有一周连续加班，测试同事跟我说：你们前面拿AI跑，后面让我用手干，这账你算过吗。
我当时没接上话。账确实没算过。
为什么以前没动测试
老实说，AI能不能用在测试，我心里一直有数，但一直没动手。
一是测试这个环节比代码生成复杂。代码错了好回滚，测试错了你还不一定发现，悄悄漏过去就上了线，风险更难控。
二是没现成的路子可抄。研发用AI业内案例已经一大把，测试这块大家都在试，没几家把整条链路跑通。
三是我们之前在CD系统上，CD系统是封闭系统，想接也接不进去。
但这三个理由，到现在已经站不住了。
模型这一年的进步比预想的快，做点用例生成、UI自动化这种事，能力是够的。研发系统自研之后，整条链子在自己手里，想接哪里接哪里，没人挡着。最重要的是，测试这个瓶颈是真痛，再不解决就要给项目排队。
这条AI测试链路是怎么走的
整体思路是把"AI生成测试用例 + AI执行测试 + Bug自动入库"这条链子，嵌到自研系统里。流程大致是这样：
需求录入之后走需求评审，评审通过后产品文档落地、UI图出来。这两份东西通过MCP读到本地Agent，Agent再去读这个项目的代码，三份信息合在一起，生成测试用例。这一步用一个专门为这个项目调好的skill来跑。
测试用例生成完之后，本地Agent开始自动化测试，优先跑冒烟，先把主流程兜一遍。这步也是一个项目专属的测试skill，因为不同项目的环境、依赖、登录态都不一样，得做项目级的适配，通用skill不顶用。
测试跑完之后，结果通过MCP回写到自研系统，形成"用例-Bug对照表"。Bug自动入库，分配给开发。开发改完提验证，验证不过就回到改Bug那一步，验证通过就走完一个完整闭环。
整个过程里，测试同事的角色变了。原来是一线执行者，现在是审核者：审AI生成的用例靠不靠谱，审AI跑出来的Bug是真的还是假阳性。
AI测试流程图
几个关键的取舍
为什么是项目专属skill，不是通用工具？
我们试过通用的测试用例生成工具，效果一般，用例都是大路货，缺对项目业务的理解。每个项目自己的skill，可以把这个项目的业务规则、边界条件、历史踩过的坑都喂进去，生成出来的用例才有针对性。
为什么是本地Agent，不是云端服务？
代码不出本地是底线。云端方案虽然方便，但代码、UI图、产品文档都得传出去，过不了内部安全这一关。本地Agent慢一点，但合规上没问题，长期看也省钱。
为什么先做冒烟，不是全量？
全量UI自动化是个无底洞，界面变一下用例就要维护一轮，投入产出不划算。冒烟覆盖主流程，每次发版必跑，把"明显坏了"先挡住，剩下的复杂场景人来兜。这个分工更现实。
能解决什么，不能解决什么
能解决的：
测试用例从"凭经验从零写"变成"有产物垫底再调整"，写用例的时间能省一大半。
冒烟测试不再占人，每次发版自动跑，测试同事腾出手做更深的探索测试。
Bug从"测出来再手工录"变成"跑完自动入库"，少一道转抄的工。
不能解决的：
复杂业务逻辑、奇怪的边界用例，AI还是看不到，得靠测试同事的经验。
线上环境特有的问题，Agent本地再怎么跑也跑不出来。
跨系统的集成测试，AI能帮忙搭场景，但判断结果对不对，还是人来看。
我希望大家对这件事的预期不要拉太高。AI不是来替代测试的，是把测试的活分一层出来：低层重复性的让AI干，高层判断性的留给人。
写在最后
现在还在搭的阶段，第一个版本这个月底能跑起来。等真跑一段时间之后，再写一篇复盘。
跟上次自研CD系统替代品的逻辑一样：以前算不过来的账，现在算过来了。AI辅助编程改变的不是代码质量，是自研的决策门槛；这次AI辅助测试改变的也不是测试质量，是"要不要把测试自动化做起来"这个老问题的答案。以前做这件事得专门组个自动化测试组，现在一个本地Agent加一套skill就能起步。
如果你的团队也卡在测试这个环节，先想清楚一件事：你们的瓶颈是用例不够，还是执行不过来，还是回归太重。这三个问题对应的解法不一样，别一上来就上工具，先搞清楚自己卡的是哪一段。
以上是我们正在踩的路，不一定走得通，仅供参考。
如果你也在折腾类似的事，欢迎后台聊聊。