鐵人檔案
我是一名 QA。這 30 天，我要替公司做一個能回答「這張票要測什麼、這個改動影響哪裡、當初為什麼這樣決定」的知識庫——零 API 成本、資料不出公司、跑在一台沒有獨顯的筆電上。
但這個系列真正想講的，是過程中我一直撞到的同一件事：AI 產出的東西不是「會胡說八道」那麼簡單，它是大部分正確、少部分錯得很有說服力。
那少部分附了 PR 編號、檔名和條列格式，看起來完全像真的。我把 AI 統整的 18 張卡拿去逐項對照程式碼，抓到 8 處錯誤；其中一條甚至一路走到新人手上，變成一份「假的測試失敗」。
難的從來不是讓 AI 回答問題，是怎麼知道它答錯了。而這正好是 QA 每天
在開始這個系列之前,我先講一件發生在我身上的事。 報名鐵人賽之前,我想搞清楚一件事:這個比賽到底能不能用 AI 幫忙寫? 我拿到了一段答案。條列清楚、術語精準、...
昨天講的是一段假規則怎麼騙過我。今天講這個專案的起點,一個看起來完全相反的問題: 我們的票卡全都是真的,而且寫得很詳細。但我看不懂。 團隊的原話 「之前票卡...
昨天結尾我寫了一句話:我想把「去問人」那一段,變成可以被問第二次。 那麼下一個問題就來了: 被問什麼? 這聽起來像廢話,但它其實是這整個專案唯一真正難的地方。因...
昨天那張表寫完之後,照理說下一步應該是開始做 AI。 我沒有。 第一版是一個靜態網頁。四個檔案,零 API,連一行跟 AI 有關的程式碼都沒有。 這篇講為什麼。...
昨天講了知識庫最可怕的失敗:它好好地站在那裡,說著已經不成立的話。 今天講另一種失敗,它一點都不可怕,只是很吵: 整個站變成一片白。 我看到的是三件事 當時的...
Day 1 我提過這件事,但只講了結局。從今天起講完整的過程。 我讓 AI 幫我把 89 張卡,統整成一份「每個頁面現在長什麼樣」的說明書。 這篇講我怎麼決定...
