夜雨聆风导读：这篇写给没做过测试、或几乎没写过代码的朋友。做过功能测试的，请看另一篇《功能测试转AI测试》——那边不讲两三周的测试入门，讲的是你怎么跳过重复、两三周补脚本。本文按阶段拆：每一段写为什么要学、学到哪就够、常见误区、建议时间。下表「5～8 个月」指每天约 2～3 小时、两条线各有一个能演示成果；「3～4 个月投岗」指同一节奏下先走完线 A。在职或主要周末学，月数乘以 1.3～1.5。
作者：测试员周周 | 14 年测试老兵 阅读时间：约 15 分钟 搭配阅读：https://mp.weixin.qq.com/s/ZRaNrM6PIViQtF9eUcDMpg——已有测试基础的同学不必从头抄本篇
先选对篇、选对线（选择树）
你是谁？
├─ 零基础 / 没写过代码 → 读《本篇》（5～8 个月路线）
│ ├─ 建议先走线 A（3～4 个月可投自动化岗）
│ └─ 目标岗位明确是 AI / Agent → 线 A 底座后主走线 B
└─ 会功能测试 / 会用例 → 读《功能测试转AI测试：别重学零基础那篇》
├─ 业务里 AI 占比小 → 主走线 A（赋能：AI 帮你测业务）
└─ 岗位明确是 AI / Agent 产品 → 主走线 B（测智能行为）
功能测试背景的同学不要从头抄本篇的测试入门与 6～8 周 pytest 节奏；零基础同学定好「读本篇 + 主走哪条线」再往下翻。
前阵子有个读者问我："我想转 AI测试，要学多久？"
我说大概半年。他说网上有七天速成的。我说那你去看七天速成吧。
七天速成的课看完了，肯定还是不知道自己能干什么。
AI测试不是"少学三个月就能上岗"的方向，但也不必默认"一定要学满一年"。岗位往往同时要你会写一点脚本、懂一点大模型、还要保留测试思维。每天能稳定学 2～3 小时、两条线各做一个能演示的成果时：
上表按每天能稳定学 2～3 小时（可当作全职自学节奏）估算。共同底座 + 线 A 走通后，大约 3～4 个月 可先拿线 A 去投自动化/测开类岗，不必等线 B 学完，线 B 可边投边补。
「3～4 个月投岗」的硬性门槛（达不到就别焦虑「为什么我还没到 3 个月」）：
- 不查教程
，自己能写一个 pytest 项目 - 能口头讲清
：需求 → Prompt → RAG → 规范 → 脚本 → CI 有一个 GitHub 仓库，README 能让人看懂你在做什么
否则「3～4 个月」只会变成新的焦虑源。
在职每天约 1.5～2 小时，或主要只能周末学：上表月数及「3～4 个月投岗」请乘以 1.3～1.5（投岗约 4～6 个月，双线作品集约 7～10 个月，视冲刺/稳妥而定）。
顺序上我建议：先把"用 AI 帮你测"这条路走通，再学"怎么测 AI"。不是第二条不重要，而是你先会写 pytest、跑通一条自动化，后面做评测批跑、黄金集回归会省力很多。反过来，一上来就啃幻觉检测、Agent 工具调用，很容易变成"听得懂、手做不出来"。
线 A 和线 B 不是「简单 vs 难」，也不是谁先谁后的进阶课，而是两个维度：
线 A = 测软件；线 B = 测智能行为。建议先走通线 A，再进线 B，不是因为线 B「更高级」，而是因为线 A 的 pytest、批跑、规范习惯会省后面很多时间。
第一阶段：共同底座
这一阶段枯燥，但决定了后面快不快。
测试在测什么（两到四周）
先建立直觉：测试不是点点点，而是在风险和时间里做取舍。你会写几条手工用例、会写一份别人能复现的缺陷——复现步骤、期望和实际、环境写清楚。找一份功能测试入门材料即可。
学到哪就够：能独立写一小份用例和缺陷，不需要会自动化。
常见误区：急着上 ChatGPT 写用例，连业务场景都说不清。
Python 和 pytest（冲刺约 4～6 周 / 稳妥约 6～8 周，本阶段最重）
重点不是当程序员，而是测试工程师常用的那一小块：发 HTTP 请求、读写 JSON、用 pytest 组织用例和断言。按"测开常用 20% Python"的思路学即可，别系统啃完整 Python 课。
这一阶段结束时，你应该能对任意一个文档齐全的 HTTP 接口写一个小脚本：批量请求、结果存成文件、用 pytest 断言状态码和返回结构。先不要纠结大模型回答得对不对，那是后面线 B 的事。
学到哪就够：关掉教程，自己从零写出一个能跑的 pytest 文件。
常见误区：系统学完整 Python 课程，半年还没写到 pytest；或者只抄代码不理解断言在守什么。
计算机相关科班往往可偏冲刺档。是整条路里最值得多投时间的一块。
大模型 API 入门（大约 2～3 周）
弄清 Token、上下文、温度、怎么调 API、出错怎么办即可。目标不是背模型名，而是以后自己调接口、看日志、跟开发沟通时不发懵。要能解释：为什么同一个问题问两次，答案可能不一样——这直接关系到后面你怎么设计用例。
学到哪就够：自己封装一个最小调用（带耗时、token 之类日志），能稳定调通。
可与 pytest 后段略有重叠。
第二阶段：线 A —— AI 赋能测试
这条线的本质是：你还是测普通软件，AI 是帮手。目标是落地自动化，不是搭 AI 平台。别和线 B 混：线 A 的 Agent 是编排测试流程，线 B 的 Agent 是被测产品。
判断标准（时间紧时用这个筛）：如果一个模块不能让你少写代码、少维护用例，就先别学。
按顺序学这八个模块
RAG 的唯一位置（核心线，不要往后挪）：RAG 不是「高级 AI 模块」，而是 Prompt 和规范驱动的「记忆外挂」——查规范、查用例、查缺陷。它紧跟 Prompt、走在规范驱动之前，不能等到 Playwright、CI 之后再「有空再补」。零基础最容易踩的坑，就是把 RAG 当成选修。
核心线（必学，按此顺序）：
pytest
└── Prompt
└── RAG（查规范 / 用例 / 缺陷）
└── 规范驱动（SKILL.md）
└── 接口 or Playwright（二选一）
└── CI
| RAG（赋能） | |||
可选线（有余力再碰，时间紧可整段跳过）
| 建议跳过 |
浏览器用 Playwright 直连 即可——调试成本高、初期对业务收益不明显的，是 Agent 套 MCP 套浏览器那一圈。
保底三件套：pytest + Prompt + 规范驱动——但 RAG 与三件套同属必学，缺了 RAG，Prompt 和规范会各写各的、越学越散。时间紧也要走完上表 1～6，Playwright 与接口只选一个。
最小落地版目录（面试能打开仓库讲清楚即可）：
tests/
├── test_xxx.py # pytest
prompts/
├── gen_case.txt # Prompt
specs/
├── SKILL.md # 规范驱动
rag/
├── chroma/ # 查规范、用例、缺陷（记忆外挂，核心线必做）
.github/
└── workflows/ci.yml # CI（先跑 pytest）
这一阶段结束时，你应该能拿出什么
pytest 冒烟 或 一条 Playwright（二选一深耕） 一份规范 + 对应脚本能跑；RAG 能演示「查规范/用例再生成或改脚本」 一张流程图：Prompt / RAG / 规范 / Playwright或接口 / CI 各站哪；Agent、MCP 有则标「可选」
集中留两周打磨。面试讲改需求改哪一层、怎么少维护用例，比堆 Agent、MCP 名词有用。
第三阶段：线 B —— Agent / AI 系统测试
进入这条线时，你要换脑子：被测对象会"想怎么说就怎么说"，很多用例没有唯一标准答案。
下面十个模块都是真实方向，但零基础阶段不是十个都要学完，更别按「10 个 × 每个 2～3 周」去乘——那会误以为又要学一年。
- 必会（求职最小集）
：Prompt 工程、模型评测、RAG 系统、Agent 系统、安全与合规（+ AI 测试专项里的可批跑项） - 可选
：性能与成本（至少会看延迟、Token、预算类指标） - 进阶（工作后再补）
：多模态、微调、自研评测平台架构
线 B 不要造轮子（直接记住这四句）：
❌ 不要自己训模型 ❌ 不要自己搭 RAG 框架内核 ❌ 不要自己写 Agent 调度内核 ✅ 会用、会评、会限流、会拦截
线 B 的目标不是「做出 AI」，而是守住 AI 的行为边界。
按顺序学这十个模块
| Ollama | |||
| 黄金集维护 | |||
| 性能 | |||
建议顺序：大模型基础复习 → Prompt工程 + 模型评测 + AI测试专项 → RAG + Agent 并行 → 安全 → 项目实战打磨 → 面试。性能与成本时间紧可后置，但「成本计量」别完全跳过（至少能读 Langfuse/LiteLLM 账单类视图）。
常见误区：用例十条号称全覆盖；没有人工复核档；工具装了一堆从没批跑过；RAG 只评生成不评检索；红队只扫一次不进集；Agent 只会跑通 happy path。
这一阶段结束时，你应该能拿出什么
零基础版最小交付物（目录名可自定，结构建议照抄）：
project-demo/
├── README.md # 这个 Demo 测什么、环境、怎么跑（面试官第一眼看这个）
├── golden_set.jsonl # 黄金集，10～30 条即可，能说清怎么维护
├── run_eval.py # 批跑脚本，一键跑完
├── report.md # 版本对比结论：拦 / 放行 + 依据（哪怕只比两个 Prompt）
└── .github/workflows/ci.yml # 合并或定时触发评测
硬性要求：README.md 和 report.md 写不清楚的，不算「能面试的项目」。比「我读过 RAG」有说服力的是：别人 clone 下来能跑、能看懂你拦了什么。
还可口头补充：一小套可回归红队用例、一次发布决策（什么指标拦、什么只告警）。建议留两到三周集中整理，而不是零散笔记。
第四阶段：进阶（有空再做）
工作一两年的人常问："测试平台 / 评测平台到底长什么样？"
走线 A 深的：读一读把 pytest、Playwright、编排、知识库串起来的架构说明。目标不是复刻一个大系统，而是能画出模块、知道每一块解决什么问题。
走线 B 深的：读面试专题里偏架构、评测的篇目，想清楚发布门禁：哪些指标拦发布、哪些只告警、线上怎么抽检。
零基础的，进阶可以放到入职后再补，不必在第一条工作前硬造平台。
附录：线 A 周检查清单（约 18 周）
按每天 2～3 小时估算；某周未完成可整体延后最多 1 周，不过关不进入下一周（尤其 pytest、RAG 不可跳）。在职或主要周末学：周数 × 1.3～1.5。
test_*.py | |||
prompts/ | |||
rag/ | |||
specs/SKILL.md | |||
.github/workflows/ci.yml | |||
附录：线 B 周检查清单（约 16 周）
前置：共同底座完成（pytest 独立能写、API 调通）。若从零单走线 B，请先完成上一附录第 1～6 周或等价能力。
不要造轮子：本周目标均为会评、会拦，不是训模型或写框架内核。
golden_set.jsonl | |||
run_eval.py | |||
性能与成本：时间紧放在第 16 周之后自学，会读 Token/延迟即可。
时间紧时怎么取舍
如果只能保一件事：pytest 必须独立能写。
如果只能保一条线：先完整走完线 A 的一个成果，再动线 B。
线 A 核心线（1～6 顺序不能乱，RAG 不能后置）：pytest → Prompt → RAG → 规范驱动 → Playwright/接口二选一 → CI。砍掉：MCP；Agent 只学到能画图。RAG 不是「以后再加」的选修。
线 B 必会：Prompt + 模型评测 + RAG（含检索评测）+ Agent（含可复现失败集）+ 安全（5～10 条可回归用例即可）。可选：性能/成本会看指标。进阶后置：多模态、微调、自研平台。
阶段路线图（一张表看清全貌）
对照结论：你下一步干嘛
读完若仍不确定从哪下手，用下面两条对照（二选一）：
如果你关掉教程仍写不出 pytest、或只会抄代码却跑不通：
👉 留在第一阶段共同底座（测试直觉 + Python/pytest + API），不要急着进线 A / 线 B。跟本篇 「附录·线 A 周检查清单」第 1～5 周。
如果你已经能独立写出 pytest、本地一键跑绿：
👉 用上文 选择树 定节奏：先完整走通 线 A 核心线（约 3～4 个月可投自动化岗），岗位明确测 AI 再主攻 线 B。按 附录·线 A 或线 B 周检查清单 推进，目标是一个 能 clone、README 能看懂 的 GitHub 项目。
某块卡两周正常；以「本周交付物」和文首 投岗硬性门槛 验收，不以课表页数为准。
你觉得呢？
你是零基础还是已有测试经验？现在卡在哪个阶段？评论区说，我帮你判断下一步。
给同样在转 AI测试路上摸索的同学转发一下。
关注测试员周周，14 年测试老兵，持续分享 AI测试实战经验。已有功能测试基础的，请直接看《功能测试转AI测试：别重学零基础那篇》——和本篇分工不同，不是换标题的同一套内容。
本文首发于微信公众号"测试员周周"转载请注明出处
