从DeepSeek Harness到AI测试：测试开发的下一站到底在哪里？

回看测试这个职业的十几年，你会发现一部被浪潮反复追赶的历史。

脚本自动化来的时候，有人说手工测试要完了；持续交付来的时候，有人说不懂流水线的测试要完了；大模型来的时候，又有人说不懂评测的要完了。

这一次，浪潮的名字叫 DeepSeek Harness：上线半小时破1万星，约42小时破10万星，目前超过15万星，被称为"GitHub 史上最快涨星项目"之一。它的终极目标更是直接——让 Agent 在运行中自己编写、安装、替换插件，实现自进化。

老问题再一次摆上台面：测试开发的下一站，到底在哪里？

我的答案，是三个判断。

判断一：测试对象，从"死的"变成"活的"

这是最根本的一个判断。

传统测试的一切方法，都建立在一个默认前提上：被测物是静态的。今天提交的代码，明天不会自己变样，用例结论可以放心复用。

而 dsh 指向的方向恰好相反。它的愿景是 Self-Evolving Agent Harness：Agent 能自检运行状态、即时编写并安装插件、在后续任务中复用；错误的修改，靠 Revertible Effects 机制留下的"反向方法"按相反顺序撤回。换句话说，昨天的系统和今天的系统，内部组件可能已经不一样了。

行业已经意识到了这一点：测试对象正从静态代码，变成会自我演化的系统。

对象活了，方法就得跟着活。未来的测试工作会向三个新坐标迁移：验边界——它能改什么；验回滚——改错了收得回来吗；验收敛——不同的改法，会不会走到同一个终点。dsh 自己的三个机制——可回滚副作用、响应式环境依赖、收敛性——恰好为这三类验证提供了原型。

判断二：质量职能，从下游上移到架构

第二个判断：测试不再只是研发流程的末端。

原因很现实：在一个会自进化的系统里，“能不能安全地进化"不是测出来的，是设计出来的。dsh 的底层由 Cordis 插件治理框架驱动，对应论文专门讨论"时空可组合性”——这就是在架构层面，把"演化可治理"当成一等公民来设计。

过去测试人反复追问的问题——能不能回滚、可不可控、一不一致——如今出现在框架作者的设计文档里。质量的话语权，正在上移。

这对测试开发人不是坏消息，而是重新定价：能参与定义演化规则的人，比只会执行用例的人，贵得多。

判断三：人与机器，在"定义目标"上重新分工

第三个判断：分工将被改写，但改写的不是"谁干活"，而是"谁负责什么"。

dsh 的实测能力已经覆盖文件操作、命令执行、检索、Skills、任务编排、会话管理——执行层面的活，Agent 正在批量接管。而人退守到三件事上：定义目标、划定边界、验收结果。

这也间接回答了"失业论"：机器拿走的是执行，人守住的是定义和验收。执行越强，验收越值钱——因为执行越强，跑偏的代价越大。

当然，愿景要打折着看。dsh 目前仍处于 developer preview 阶段，官方明确警告会有破坏性变更；实测响应偏慢、复杂长任务稳定性不足、API 成本随任务长度放大；业内也不乏"软件自进化是伪命题"的质疑。下一站清晰，但路还长。

路长，恰恰是人的机会。

写在最后：下一站，是长期主义

十几年的浪潮史反复证明一条规律：每一轮技术浪潮，淘汰的都不是测试这个职业，而是旧版本的测试人。脚本自动化送走了只会点点点的时代，也造就了测试开发工程师；这一轮 AI 浪潮会送走纯执行者，也会造就质量架构师。

所以，下一站不是某项具体技术，而是三种姿势：

• 对新对象保持敏感——被测物一旦变活，方法论必须第一时间更新；
• 对定义问题保持训练——会提问的人，永远比会答题的人稀缺；
• 对时间保持耐心——浪潮来得快，但站上浪潮的，都是提前学会游泳的人。

星数从1万涨到15万，只用了几周；一个职业的进化，却要以年为单位。与其盯着别人的涨星曲线，不如经营自己的成长曲线。

测试开发的下一站，不在浪潮的对岸，就在浪潮之上。

本文整理自霍格沃兹测试开发学社的原创分享，愿每个测试开发人都找到自己的下一站，我们下一篇见。