AI捉"Bug"登上世赛赛场，这个新项目究竟考什么？
大一报到那天，黎俊宇还从未听说过"世界技能大赛"这几个字。
2024年夏天，他头一回走进上海市职业技能竞赛的考场，选择的项目是移动应用开发。经过数月集中训练，同年年底的赛场上他拿到了第十五名，捧回一座优胜奖杯。
坦白讲，这个名次谈不上亮眼。
彼时在上海工商职业技术学院的集训教室里，周围很多同学一人兼报了两场比赛，而他手上只有一场。"难免会有些比较心理，总觉得自己怎么就少了一项。"他后来跟界面新闻说起那段日子。带着这份不甘，他去找了学院院长俞蝶琼，打听还能不能再报一个项目。
"你可以考虑一下软件测试方向。"院长的这句话，成了转折点。黎俊宇随即报名了第48届世界技能大赛上海选拔赛的软件测试赛道。
软件测试是这一届世赛新设的赛项。它和以往"动手写代码"的思路截然不同——更像是替一款已完工的产品做全面体检：用户在哪个环节容易卡住，系统在极限负载下会不会崩溃，某个功能表面上跑通了，换个操作路径是否就会暴露缺陷。
之前学计算机应用技术、打移动应用开发赛的经历给了他一定底子，可要从"造东西"切换到"验东西"，整套思路和技术栈都得推倒重建。
"做开发的话，有款专门的IDE基本就能搞定，但测试完全是另一回事。"黎俊宇介绍，测一个系统往往得同时驾驭好几套工具：前端界面交互可以用Python搭自动化脚本，后端接口验证靠Postman，压力和高并发场景用JMeter压测，还得深入源代码做白盒审查。
短短三个月，他硬是把一整套新方法啃了下来，从市选拔赛一路杀进全国总决赛第五名，入选国家队集训阵容，最终在世赛正式赛场上拿下银牌。
今年七月，黎俊宇再次踏进上海工商职业技术学院的大门，只不过这一次，他的角色从选手换成了带学生的教练。
从初登赛场的第十五名，到站上国际级竞技舞台，再到转身培养下一代选手，这段旅程也逼着他思考一个更深层的问题：既然AI已经能自动写代码、批量产出测试脚本、乃至介入整个测试流程，那职业院校的学生究竟该把精力放在哪里？
**软件测试远非"捉虫子"**
黎俊宇对计算机世界的最初好奇要追溯到读高中那会儿。刷短视频时偶然碰到几段编程教程，好奇心一旦被点燃便收不住了。高考落笔之后，他自掏腰包啃起了C语言和Java，顺带翻了数据结构和计算机组成原理的教材，也试着敲几个小项目练手。
"那时候纯粹出于好玩，既没想过要打比赛，也没规划过职业路线，压根不敢想象有一天自己能站到世赛赛场上。"他这样形容当初的心态。
直到进了上海工商职业技术学院，他才知道原来有这么一项全球性的技能赛事。开学不久，院长在新生通知群里说学院正筹备相关选拔，他就顺手报了移动应用开发的名。
虽然同属计算机大类，但这两个赛项的训练逻辑差别很大。黎俊宇把它们总结为一句话：一个侧重"把它做出来"，另一个侧重"检验它做得好不好"。
拿移动应用开发里的原型还原环节举例，考官给一张界面草图，选手要尽量一比一复现设计效果；而软件测试则是接过一个已经上线级别的APP，站在终端用户的视角去挖掘潜在体验问题。
"打个比方，你在微信里打字，输入框弹出来了却打不出字，或者按住语音键松手后发现根本没发出去——这类细节就是测试要抓的。"他用这个例子向界面新闻说明两种工作的区别。
从开发者变成测试者，最先要跨过去的坎其实是思维方式的切换。过去积累的开发功底依然有用，但测试逼着你换一个立场去审视同一件作品。
正因如此，他不认为软件测试就是通俗意义上的"挑毛病"。"我刚入行时学的是怎么把功能实现出来；现在转过来，核心任务变成了确保那个实现足够稳健、足够可靠。"
（配图：黎俊宇在全国总决赛现场 / 受访者提供）
上海工商职业技术学院副校长李向明在接受界面新闻采访时指出，世赛增设软件测试绝非一时兴起。"信息技术早已渗入社会各个角落，软件质量直接影响亿万人的日常——不管是手机上的应用还是工厂里的控制中枢，从远程问诊到自动驾驶，每一个环节都需要有人把关。"
他认为，世赛把软件测试请上赛场，释放了一个清晰的产业信号：数字时代的技能人才不能只会埋头"生产"，还必须懂得如何发现隐患、验证品质、守住底线。
第48届世赛将软件测试单列成赛项，让这种行业转向变得格外醒目。软硬件产品更新换代的速度越来越快，市场对研发的要求早就不止于"功能能不能跑通"，安全性、性能表现、长期稳定性同样被摆上了同等重要的位置。
相应地，软件测试的训练复杂度也在攀升。黎俊宇刚起步时就要同时上手Python、Postman、JMeter等多款工具，还得啃白盒测试的理论。"一下子要消化这么多东西，当时确实挺头疼的。"
真正进入国家队集训后，内容又上了一个台阶。有一次模拟测试突然加了一道AI相关的题目，那是他此前从未涉及过的领域。
考题要求对一个面向公安交管部门的多模态大语言模型进行测试，该模型的任务是从车辆照片中提取车牌号等关键信息。黎俊宇的工作就是在各种光照、角度、遮挡条件下反复投喂图片，观察模型的输出表现。
具体做法是：先让AI批量生成大量机动车图像，再把它们逐条送入被测模型，根据返回结果不断调参，逐步拉升识别精度。
这也是他头一回把AI当作直接的"被测对象"来对待，而非仅仅把它当成提效的小助手。
**AI拉低了地板，却顶高了天花板**
在黎俊宇的判断里，AI已经不可能被排除在程序员的日常工作之外。
"现在几乎所有开发者都会借助AI来生成一些基础层面的代码片段。"他指出，对于那些高度重复、模式固定的任务，AI的效率优势非常明显，软件测试领域也不例外。
他列举了几类容易被AI接管的活计：通用测试脚本的模板化编写、例行漏洞扫描、标准化用例的设计等等。
所以，AI首先改变的是入行的门槛——"就算你完全不懂，也可以直接问它下一步该怎么操作。"但这绝不意味着从业者自身的能力标准跟着水涨船高变成了水落石出。恰恰相反，越往高阶走，测试人员越需要具备辨别AI输出是否靠谱、并能在此基础上修正和改进方案的功力。
在他眼里，未来人与AI最合理的分工是：机器包揽基础性、流程性工作，人类则聚焦复杂业务理解和最终决策。
"光会写代码，其实创造不了商业价值。"他谈到真实的职场情境：技术人员碰到的第一道关往往是模糊的客户诉求，对方通常不会给你一份现成的技术方案，只是含糊地说说自己想要什么。"你得先把这些零散的想法翻译成清晰的需求文档，再用技术手段一步步落地。"
比起单纯打磨编码技巧，他觉得年轻一代更紧迫的功课是读懂业务本身。
这也是他衡量"AI到底能不能取代人或测试工程师"时的核心标尺。AI固然能吐出代码，但要彻底吃透一个大型项目背后的业务脉络、独立完成需求拆分、做出风险评估、把控全局进度，目前仍力有不逮。
落到测试岗位上，未来真正值钱的能力大概率集中在：业务场景的精细化拆解、棘手问题的精准定位、潜在风险的提前预判、测试策略的整体设计，以及对结果的深度复盘与持续改进。
"到了高水平层面，核心考验反而是你能否识破AI的失误、优化它的方案，这对综合素质提出了更高的要求。"他对界面新闻说道。
今年七月重返校园后，黎俊宇注意到眼前的学生和他当年已判若两人。
他观察到，如今的学生获取技术资料的路径更短、更便捷，用AI工具也更为熟练，但反过来看，一部分人对底层原理的理解反而浮在了表面。
他并未一刀切地禁止学生使用AI，态度恰恰相反——他鼓励大家用起来。"我当教练不可能全天候在线解答所有疑问，但AI可以。"
对基础薄弱的同学而言，AI完全可以充当第一道答疑通道。不过在正式训练节奏中，AI绝不能沦为最终的拐杖。
学院的安排是每隔一周或两周搞一次全真模拟赛，届时直接断网，选手必须在两小时半内按正规赛制独立完成整套试题。在那种环境下，一切花招都不管用，最终拼的还是自己的硬功夫和临场判断。
黎俊宇希望学生达到的境界不是"会用AI"这么简单，而是清楚AI在哪些场景下值得信任、在哪些节点上可能翻车。
"把AI当工具机械地套上去是一回事，真正的专业素养在于拥有独立分析、架构设计、故障排查和事后复盘的底层思维能力。"
**除了技能，还有什么值得教？**