软件测试岗位发展编年史

最近有同学私信我说，越来越觉得自己跟不上时代了，面试问的问题以及涉及的知识点很多都没接触过，是不是纯粹的软件测试工作快消失了。

我问他有哪些擅长的技能，他如此回答道：需求分析、设计用例、抓包分析、维护更新自动化用例、提交跟踪 BUG，写测试报告。我一看，这不就是测试日常工作中大部分时间干的事情，为啥会觉得跟不上时代呢？

但回头想想，他所谓的纯粹的软件测试工作，是不是仅仅是他所擅长范围内的测试呢？我不知道。

今年是我从事软件测试工作的第十年。

从最初的功能测试点点点，到第一个自动化测试脚本成功运行，第一次实施性能测试，第一次负责技术专项，再到质量保障体系的构建和落地实践，这个过程有太多的收获，也积攒了不少的踩坑经验。

按照我的理解和认知，我试着回溯了软件测试岗位在国内不同阶段的发展情况，也许可以回答上面这位同学的问题。

1、国内互联网行业，真正开始发展，是 03/04 年之后。随着以门户网站、搜索论坛等为代表的 PC 端应用的出现，以及外企业务在国内的开展，那个时候对测试的定义，就是找 BUG 的点点点。这个阶段大体是 03-12 年，也是所谓的互联网 1.0 时代，即 PC 时代。

这个阶段，软件研发模型以瀑布模型为代表，软件测试的经典著作有《软件测试的艺术》、《软件测试的经验》，测试工具大多都是商业工具如 QTP、LoadRunner，大家严格按照瀑布模型研发测试，迭代慢，文档多。

2、到了互联网 2.0 时代，即所谓的移动端互联网爆发，这个时候国内无论大厂还是初创小公司，开始流行分布式架构、微服务、持续集成、敏捷研发、灰度发布等一系列新的技术实践。按照时间划分，移动互联网时代，大体是 12-18 年。

这个阶段，国内的软件测试开始有了百花齐放的趋势，测试岗位也开始有了很多不同的细分领域，比如移动端测试、自动化测试、性能测试、测试开发等专项岗位。

从最初的会用 QTP、LoadRunner 就能月薪过万，大家的目光开始更多的倾注到开源工具领域，比如 Selenium、Appium、JMeter，甚至各种测试框架。而这些专项测试岗位的薪资，也远远高于普通的功能测试岗位，甚至有了测试岗位的鄙视链条，比如功能测试自嘲点工，处在测试岗位的底端。

3、第三个阶段，以我的理解，并没有到互联网 3.0 时代。

特别是对于软件测试岗位来说，顶多可以定义为测试 2.0+时代，即 19 年至 21 年。这个阶段的典型趋势有这几个特征：1-从平台化到去平台化；2-从岗位细分到一站到底；3-从重技术到侧重业务交付。

如何理解上述的几个特征呢？

从平台化到去平台化：18 年之后，各种测试平台层出不穷，特别是专项测试岗位，不搞个测试平台，今年的 KPI/OKR 好像都不知道怎么画饼了。结果平台建设低于预期，苦于不好落地，效果也不咋地，前期建设成本太高，领导没了耐心，索性推到不要，以各种指标和覆盖率来替换 KPI。

从岗位细分到一站到底：以前各种岗位细分，一方面是移动互联网和流量暴增带来的，另一方面也是软件测试岗位整体的技术水平发展上来了。但岗位细分带来的是团队规模扩大，但是人效低了，线上质量也没有特别明显的提升，最关键的是业务增长速度远远低于团队规模增长速度。一合计，还不如让负责某个业务模块的测试，从需求到交付，一个人搞定自己负责部分的所有测试工作。这也是所谓一站到底的含义，你负责的模块，别管功能自动化性能甚至测试环境维护，都归你搞定。

从重技术到侧重业务交付：以前测试岗位大家都很看重技术，各种框架各种二次开发，后来发现没啥直接用处，索性看你的业务交付质量，能提高交付质量就行，用什么方法不重要。但是吧，面试的八股文和算法题，又是广大测试同学不得不面对的问题，你就说是不是有点精神分裂。

4、至于 22 年开始的裁员降薪潮，以及后疫情时代，软件测试又是什么样子呢？经过我的观察以及和业内一些大佬交流，我发现有如下几个特征：

• 两极分化：小公司要全才，一方面给的钱不多，另一方面对能力要求又很广，最好是啥都会一些的测试，性价比直接拉满。而大厂的测试，开始偏向于质量教练的角色，优化流程，提供工具，完善规范，从研发阶段辅导广大程序猿提高质量，而不是测试后置。

• 外包为王：严苛的就业爆冷环境下，往日看不起的外包岗位，成了很多人眼中的香饽饽。个人发展空间和薪资待遇已经不是优先级了，能保住饭碗和社保，才是头等大事。

• 车载火热：当下唯一正增长的测试岗位，应该就是各大车企了，新能源汽车的发展，带动了智能座舱、车载系统、智能驾驶等一系列相关岗位，与之匹配的则是相关的测试岗位需求量开始大增。但目前增长趋势已经放缓甚至收紧，测试同学请谨慎选择。

• AI 一人难求：23 年初 ChatGPT 爆火，随之各种大模型和 AI 测试岗位应运而生，但这些测试岗位的门槛，却挡住了大部分测试的脚步。目前来看，要么要求计算机和数学各种研究生起步的应届生，要么就是有大数据/推荐算法等项目经验的优秀人才。都知道人工智能是下一个风口，但追逐这个风口的难度，却日益激增。