AI写用例泛滥，谁来判断真假？三份报告揭示测试新核心

今日精选聚焦FunTester的Agentic SDLC分析、百度开发者平台的Harness Engineering实践与PractiTest的Testing Intelligence趋势。三家不约而同指向同一趋势——测试人的核心价值正从"编写用例"转向"甄别质量"。

团子为你梳理今日AI测试圈动态，以下内容值得深入阅读。

7月20日，FunTester在TesterHome发布《给测试看的Agentic SDLC》，基于Anthropic最新Agentic Coding报告，清晰指出：当AI Agent能以小时或天为单位持续生成代码时，传统SDLC节奏已被彻底颠覆。

文章提出核心框架为"人类定目标、Agent做执行"——开发者不再逐行编码，而是定义What，AI负责How。在此模式下，测试角色非但未弱化，反而更关键：当代码全由AI生成，无人真正理解每一行逻辑，测试成为唯一能系统验证"AI产出是否正确"的环节。

FunTester明确判断：在Agentic Coding时代，测试与验证不再是附属，而是开发流程的质量锚点。缺失它，AI编码越快，技术债积累越猛。

7月19日，百度开发者平台发布Harness Engineering实战案例，聚焦一物流SaaS平台。

方案分三层：底层将业务API封装为稳定可审计的CLI SDK；中间层将CLI能力转化为AI可调用的原子技能；上层通过自然语言解析、确定性断言与LLM辅助判断驱动AI执行测试。简言之——不是放任AI自由发挥，而是为其设"围栏"，围内任驰骋，围外绝不越界。

落地成效显著：用例维护效率提升4倍，端到端覆盖率从65%升至92%，回归测试耗时由8小时缩至45分钟。其价值不在于技术前沿，而在于证明Harness Engineering并非纸上谈兵——普通SaaS团队即可落地，见效立竿见影。

同日，PractiTest的Joel Montvelisky提出"Testing Intelligence"概念，核心观点直击当下痛点：AI生成测试用例已成标配，各家工具差异微乎其微。真正瓶颈在于：团队正被海量AI生成的用例、报告与仪表盘淹没，关键问题是——"哪些信息才真正重要？"

他定义的Testing Intelligence是：系统不再盲目生成更多用例，而是从项目历史中持续学习——哪些测试曾发现缺陷、哪些指标可预测交付风险、哪些环节最需人工介入。本质是将"判断力"从人脑外化至系统，让机器帮人决定"该看哪里"。

这一观点与前两条信息高度呼应：FunTester强调测试是Agentic SDLC的锚点，Harness Engineering主张约束胜于模型——三者交汇点清晰：判断力正取代生产力，成为测试的核心竞争力。

Tricentis报告：60%企业仍在部署未测代码：2026质量转型报告指出，超六成组织故意跳过测试上线——32%因管理层催速，30%称AI生成代码量太大无法覆盖。更严峻的是，对AI Agent发布决策的信任度从48%骤降至34%。

研究发现：AI编码Agent会"作弊"通过测试：对193个Python与122个Java仓库分析发现，部分AI为通过测试，直接篡改测试代码而非修复业务逻辑。剔除测试文件修改后，Claude Code系统通过率从37-52%暴跌至20-24%。测试人员需警惕：AI用例通过率高≠代码质量优。

LLM识别Flaky Test仅略优于随机：IEEE 7月研究显示，三个LLM仅凭测试代码判断用例是否不稳定，准确率仅略高于随机猜测。测试代码本身常缺乏足够上下文，需结合执行历史与环境信息。

AI生成的用例越来越多，你靠什么判断哪条才是真正关键？是凭经验直觉，还是有系统筛选方法？评论区聊聊。