当AI学会自己“探索性测试”，纯手工点点点的QA还能活多久？

去年底和几个测试同行吃饭聊到一个很直接的话题AI时代测试工程师还能活多久三个人的回答完全不一样。一个说“测试要被团灭了”一个说“反而更值钱了”还有一个沉默了十几秒说“我不知道”。这不是段子。这是2026年每天都在发生的真实对话。一边是“一人公司”浪潮里创业者对着三个窗口——写需求的AI、写代码的AI、跑测试的AI——三个月从零做到上线全程没有出现“测试工程师”这个职位。另一边是行业报告显示2026年AI能覆盖六成左右的常规测试任务。信通院的数据更直接全球70%的企业测试用例已由AI生成。但真正让人后背发凉的不是“AI能生成测试用例”。而是AI开始自己“探索”了。目录一、手工“点点点”正在失效——不是被替代是被绕过二、探索性测试的本质变化——从“人的直觉”到“模型的世界模型”三、AI怎么“探索”一个应用——三层架构拆解四、一个真实对比——同样一个应用人和AI各自发现了什么五、工程落地启示——你现在就该做的三件事六、一个留给你的问题一、手工“点点点”正在失效——不是被替代是被绕过先讲清楚一件事AI做自动化测试不是新闻。2023年就有。但2025年到2026年发生了一个质变。之前AI在测试里干的是“辅助”的活——生成用例模板、帮忙写脚本、分析日志。2026年AI从“辅助”走向了“主导”。什么叫主导不是帮你想测试点是它自己去测。Thoughtworks在2025年的技术雷达里提到AI驱动的UI测试主要集中于探索性测试。到了2026年主流的UI测试框架Playwright和Selenium都已经引入了各自的MCP服务器让AI Agent可以直接驱动浏览器做探索。npm上出现了breakit这样的工具——一个命令行工具驱动真实浏览器遍历你的应用发现UX问题、功能bug、流程混乱、控制台报错和安全信号然后给你可复现的操作步骤和证据。还有explorbot描述写得特别直接“像一个最执着的QA工程师那样点击、填表、找bug”。不是脚本化的回归测试。是探索。脚本化测试验证的是你“已经想到”的路径。探索性测试找的是你“没想到”的。AI现在在干后面这件事。二、探索性测试的本质变化——从“人的直觉”到“模型的世界模型”要理解这件事的严重性得先搞清楚探索性测试到底是什么。传统的探索性测试核心是“边学边测”。测试人员没有预设脚本一边探索应用一边发现缺陷。这依赖两样东西测试人员的经验和直觉以及“人”对这个世界的基本理解——比如一个登录框正常人会怎么用会输什么会怎么绕过去AI现在能做到同样的事但路径完全不同。它不靠“经验”靠的是大语言模型对“世界”的理解。一个训练充分的模型看过几亿个网页、几千万个应用界面、无数种用户交互模式。它知道一个表单应该怎么填、一个按钮点了之后应该发生什么、一个流程走不通的时候用户会怎么反应。本质是它不是在“执行测试用例”它是在“模拟一个合理的人会怎么用这个软件”。2026年ACL Findings上发表的GUITester论文把这个逻辑拆得很清楚。多模态大模型在导航上已经很强了但之前一直卡在两个问题上一是“目标导向掩蔽”——模型太专注于完成任务反而忽略了中途发现的异常二是“执行偏差归因”——系统出了bug模型会误以为是自己的操作错了。GUITester的解法是把“导航”和“验证”解耦。一个模块负责探索和操作另一个模块专门负责判断“刚才发生的事情是不是问题”。F1-score达到了48.90%远超基线模型的33.35%。核心洞察AI做探索性测试不是一个模型干所有事是多角色分工。三、AI怎么“探索”一个应用——三层架构拆解工程上目前主流的AI探索性测试工具基本遵循同一个架构模式。拿explorbot举例它的工作流是这样的第一层Research研究。给AI一个URL和一个目标它先把页面切成不同的功能区域索引每一个可交互元素。不需要源代码不需要文档纯靠视觉和DOM理解。第二层Plan规划。基于对页面的理解AI自己起草测试场景——正常的、好奇的、边缘的三种风格同时进行。第三层Execute执行 Verify验证。驱动真实浏览器一步步操作过程中实时适应应用的变化。每发现一个问题就做根因聚类、截图、录屏然后把通过的流程保存成可执行的测试脚本。注意几个关键设计决策策略是确定性的战术是AI驱动的。什么意思整个工作流研究→规划→测试是固定的、可预测的。但具体“怎么点这个按钮”“弹窗出来了怎么办”“操作失败了怎么恢复”这些是AI实时决策的。便宜的模型干活聪明的模型做决策。实际执行点击和读取的Agent用便宜的模型跑决策层只读短操作日志用聪明模型也不贵。一个完整会话的成本是“美分级别”。每次运行都会学习。同一个页面跑得越多决策越快越准。这已经超越了“自动化”进入了“自主进化”的范畴。breakit的设计思路类似但它更强调“角色扮演”——不同的探索策略本质上是不同的LLM驱动的Agent每个有自己明确的目标、风险等级和关注点。比如有的是专门“虐待”表单输入的有的是模拟低技术素养用户的有的是在移动端视口下操作的。这些不是随机乱点。每一个策略都在追求自己的目标在覆盖完关注区域或用完操作预算后停下来。四、一个真实对比——同样一个应用人和AI各自发现了什么说个我去年亲眼看到的对比。一个中等复杂的SaaS产品有个多步骤的表单流程——大概7步每步有验证、有条件分支、有文件上传。团队手工做了一轮探索性测试一个资深QA花了两天发现了大概20个问题。主要是边界值、文案错误、个别流程卡死。然后用一个AI探索测试工具跑了同样的流程4小时发现了47个问题。数量不是重点。重点是类型。手工测试发现的问题集中在“预设路径”上——测试人员按照自己对产品的理解走了主要路径和少量分支。AI发现的问题里有相当一部分是“正常人不会这么走但某个真实用户可能真的会这么走”的路径。比如在第三步上传了一个超大文件、第四步退回第二步修改、再回到第四步时状态错乱。比如用极慢的网络完成前两步、然后突然加速、缓存状态和服务器状态不一致。比如在移动端和桌面端之间来回切换设备、浏览器状态残留触发的异常。手工测试不是想不到这些场景。是时间不够精力不够覆盖不了。AI可以24小时不停地跑。它不累不烦不会因为“这个路径太绕了”就跳过。这就是差距的本质人受限于注意力和体力AI受限于算力和token预算。而算力在降价token在变便宜。五、工程落地启示——你现在就该做的三件事说几个实际的判断。第一别跟AI拼“覆盖”。手工测试的核心价值从来不是“覆盖了多少路径”。是“判断什么值得测”。AI可以一天跑几万条路径但它不知道哪条路径对应的业务风险最大。这一点目前没有改变短期内也不会改变。测试人员的角色正在从“执行者”变成“策略设计者”。你不需要再花大量时间手动执行测试但你需要花更多时间定义AI应该重点探索哪些区域哪些发现是真正严重的哪些可以忽略第二把AI探索测试当成“新增层”不是“替代层”。单元测试测函数端到端测试测固定路径探索性测试测“没想到的”。这三层目前是互补关系不是替代关系。AI探索测试不会取代你的回归测试套件——它覆盖的是回归测试覆盖不到的东西。它也不会取代手工探索性测试——它更像一个“先遣队”先跑一轮把明显问题筛出来然后测试人员把精力集中在确认、深挖和判断上。第三现在就开始积累“测试知识库”。AI探索测试工具的效果严重依赖你对它的“调教”。explorbot允许你通过纯文本的领域提示来引导它。你告诉它“这个应用的支付流程特别重要”“这个模块历史上出过三次数据一致性问题”“这几个页面不要乱点因为会触发真实邮件”AI的探索效率会完全不同。未来的核心竞争力不是你会用哪个测试平台而是你如何定义AI的输入和校准AI的输出。换句话说你不需要会训练模型但必须会“教”模型怎么测你的产品。六、一个留给你的问题AI探索测试已经在改变这个行业了。它不是“会不会来”的问题是“已经来了你团队用上没有”的问题。但有一个更深的问题我到现在没有找到确定的答案当AI可以自主探索、自主发现、自主生成测试脚本的时候测试工程师的“判断力”——判断什么值得测、什么算问题、什么可以放行——这个能力AI什么时候能学会或者说你现在的测试流程里有没有一个环节是AI暂时替代不了的那个环节是什么