在 AI 時代，用各種自動化測工具 Appium、k6、pytest、Robot Framework 做出一個自動化 Demo，已經易如反掌。

跑得起來不難，難的是判斷它對不對。

這篇把前幾篇提過的概念，整理成一條學習路線，一共四件事。

本文摘要

• 看懂程式碼：不用會打，但要看懂因果，這是排查能力的分水嶺
• 舉一反三，追問：正著問、反著問，問不出來就讓 AI 給你三個反思問題
• 設計原則：程式、架構、流程、溝通，範圍一層比一層大
• 影響力：用 AI 做小工具解決真正的卡點，先小範圍試用再全面導入

一、看懂程式碼：目標是「看懂」

你不用再逐字敲程式碼了，但你必須看懂程式的因果：

• 這個 function 的參數，上下游在哪裡銜接？
• 這個迴圈在處理什麼？
• 這個錯誤訊息，對應到哪段邏輯？

這也是跟非工程背景的人用 AI 做出成品時，最大的差異。

更是 QA 排查能力的分水嶺。

而且不只 QA 自己寫的自動化，RD 的程式碼也要看得懂，才知道交付出來的東西到底在做什麼。

以前為了看懂後端的 Golang，只能自己從頭硬啃，真的很血汗 XDD
現在結合 AI，不管什麼語言、指令，都能懂個七七八八。

怎麼練

1. 挑一個熱門語言（ex. Python），問 AI if、for、while、switch 等等這些基礎語法
2. 讓 AI 出考題：能用程式碼回答最好，寫不出來用中文寫下解題思路
3. 做「簡單」的情境練習(畢竟一次想要學的很深入，你可能會很痛苦)：
   • API自動化：用 python 串接一個政府開放資料 API，對它做測試
   • Web自動化：用 python 做一個前往 Google 搜尋「伊隆馬斯克」，檢查第一筆結果是否正確
   • App自動化：用 python 開 Android 模擬器的計算機，輸入 1+1，檢查結果等於 2
4. 對第 3 步的產出反覆追問：為什麼這樣寫？這段在做什麼？有沒有更好的做法？
5. 重複 3～4 步，直到真的看懂
6. 換成業界常用的架構、工具，再來一輪
   

💡 怕 AI 的回答看不懂？直接在設定裡寫：
「回覆一律當我是程式新手小白，盡量用情境、實務例子說明邏輯」

二、舉一反三，練出打破砂鍋問到底的習慣

問 AI 時，不斷帶入疑問：

• 為什麼這樣設計？
• 有什麼風險？
• 之後誰來維護、怎麼維護？
• 十個人做跟一百個人做，差在哪？

再刻意反向詢問：為什麼「不」這樣設計？為什麼「不用」xxx 功能？

一開始問不出來沒關係，請 AI 在對話結束前給你三個反思問題，久了就會抓到該問的要點。

這招不只用在自動化，審 Spec、審 Test Case、帶團隊、改流程都通用。

懂得問題要點、知道風險與優缺點、能建議對方先做什麼
這就是 QA 最需要的「談判力」

三、設計原則：從一個 function 到整個團隊

程式設計

自動化腳本只會越長越多，每加一個功能就弄壞舊的，後面會維護得很痛苦。
例如：

• 這個 function 要帶多少參數？
• 要用 if / for 處理嗎？
• 怎麼擴充新功能，又不影響舊功能？

系統架構設計

架構一開始沒想好，專案很快就會變成沒人敢動的樣子。
例如：

• 檔案該放哪裡？為什麼這樣放？
• 用什麼自動化架構、工具套件？
• 怎麼串接第三方平台？
• 日後怎麼維護、成本多少？

團隊流程設計

要思考的是：什麼做法最適合這個流程？
關鍵是評估過再決定，而不是習慣性沿用，或習慣性重做。
例如：

• 實作、測試要花多少時間？
• 用腳本指令，讓人手動觸發就好？
• 還是搭配 Jenkins，排程或上線時自動執行？
• 沿用團隊既有流程接上去，還是另外開一條新的？
• 每個方案的風險代價是什麼？團隊是否可以承受此風險

備註：因為每次功能你都當成全新架構去設計，成本高、影響範圍與風險也大。

溝通設計

• 先講結論，再講背景、過程，大家才能快速聚焦
• 說明要淺顯易懂，別不小心講太多技術細節，越講越發散
• 團隊同步資訊時，要的往往只是一個摘要

好的溝通是打磨過、內化的，通常經驗豐富的 Senior 一看到問題，大概就知道該怎麼說了。

四、影響力：用 AI 做小工具，解決團隊真正的卡點

經驗、能力到一個程度後，一定會遇到想改善團隊流程的時候。

現在有 AI，很多想法都能快速做出來：

• 從自己的卡點開始
  例如：Bug 修復上線後要手動改測試案例？做一個「上線單與測試案例同步更新」的小工具，Web 平台或一支小腳本都行
• 擴大到其他團隊或整個公司：
  例如：做一個串接 Slack 的 AI Bot，大家 Tag 它就能用 QA 視角評估風險，RD、PM、客服都用得到

能解決團隊卡點、減少團隊成本最重要。

而影響力能走多遠，取決於前面三件事的基本功夠不夠紮實。

🧨 小坑洞：工具做得很完美，團隊卻不想用

• 當下以為的：細節、流程都處理好了，這工具超完美！
• 實際發生的：團隊真正想解決的只有「測試案例」，你卻多做了一堆附加功能，工具變得又複雜又難用
• 怎麼解：動手前先釐清卡點源頭、使用習慣、導入策略，再照下面的節奏慢慢導入
  

AI 讓「做出來」變得很便宜，但「看懂、問對、設計好、推得動」這些事，AI 沒辦法幫你扛。

這條路我自己也還在走，AI 每迭代一輪，就又有一堆新東西要學 XDD

你現在卡在哪一個階段呢？歡迎留言分享～