确实，当初坚持走自动化和测开的，就算没啥实质性的成功，起码技术能力上还是有地方可以施展的。未来也一定是属于 agent 开发和落地的人才的。不过以前吃到过技术升级红利的人，这波除非不可抗力基本也会选择拥抱 AI 的，唯有年龄是真的最大的阻碍。

任何新增流程都需要额外的时间成本，在原有的投入下想提升，只有改变原来的开发模式。既然要改变开发模式就要引入新的工具例如 AI。然后推行下去，到这里你没权限也没能力去做这个事情了，这就是个悖论。你发起不了的

AI 需要边界，现在工作流式的 AI 效果比较好，提效也明显

有点类似我刚刚做管理时面试，想要候选人样样都会，且有一定的系统性学习深度。后来我才渐渐明白，你到底需要怎么样的一个人去完成怎样的一件事，想通这个很重要。而不是他好像无所不能

1. 解决负债，居有定所其实生活成本不高。
2. 主业该拓展的新方向该拓展还是得拓展，保持技术的敏感性即可。
3. 副业侧重学习和轻投资，个人更偏向身体力行的行业，能积累经验，纯投资有那脑子的就搞吧，反正我是不推荐高风险的了。
4. 就算完全毕业，也要有资本能苟活，然后学习实体吧，只有累的脏的在加上自己存的资本和认知赚点工资钱都没啥问题。
5. 体力状态，精力是厚积薄发的必要条件如果加班加废了，就完全的真的废了，有点存款都没用的。

测试用例生成，用例补充，用例 + 接口文档决策优化，用例 + 需求文档行为场景决策优化。
自动化测试，根据接口信息模型生成，基础封装，根据步骤自动编写填入。其他的明年再做咯

在今天 AI 能够生成基础数据模型，封装接口，根据步骤结合工程上下文合理推导测试用例的今天。拥抱未来吧，这些真的是炒冷饭了。

复杂场景，用例规模达 10000+，你最终还是会回头到 pytest 和 junit 这类单元测试框架上的。即使低代码引入关联，模块组件等功能也完全不能达到代码级别继承组合能力。另外小打小闹几百条用例用啥都一样。

locust 是用 gevent 协程实现并发的，但是 requests 是同步库你可以使用 locust 的框架类去实现，上面已经提到了 httpUser。顺便一提你问 AI 的问题应该是也有问题的，你应该问为啥你的脚本在 locust 里面为啥没有实现并发的效果，AI 肯定能指出问题原因的。

root 或者兼容流程，这个是厂商底层的设置你没 root 权限根本关闭掉会再不同的地方给你弹出来或者自动弹出来的