从 9 月到现在，我把一套自动化测试改成由 AI Agent 执行：读需求、出测试计划、造数据、跑用例、归档证据。

两个月 422 次提交，最终收敛成四层结构。这篇讲怎么实现的。

当测试人员不再需要记住复杂的命令和参数，只需要用自然语言说出需求，AI 就能自动完成测试——这不是未来，而是我们正在使用的现在。

引言：测试的痛点，我们都懂

作为一名测试工程师，你是否也经历过这样的场景：

当一个行业足够复杂，最好的知识沉淀方式不是堆文档，而是写一本书。

引言：从资料堆到业务之书

做业务分析久了，总会遇到一个问题：分析成果怎么沉淀？

上一篇聊了循环产业的宏观趋势，这篇聊点具体的：一条真实的回收订单，从用户点击”提交估价”到最终打款，中间到底经历了什么？这条链路上，AI Agent 能在哪些环节创造真实价值？

为什么写这篇

三个月前，我对AI编程的认知还停留在”聊天机器人帮我写写正则”。

现在，我用AI改了37000行Java代码、写了定时任务、调了MQ消费者、优化了SQL查询。

故事开始

上个月，我接了个需求。

CTO说：”你先研究一下某二手回收公司的后端架构，然后改个接口。”

引言

中国每年有超过2.3亿部二手手机进入流通，市场规模超过4500亿元。

但这个行业的大多数交易，还停留在地摊买卖的阶段。

引言

中国每年有超过2.3亿部二手手机进入流通，市场规模超过4500亿元。

但这个行业的大多数交易，还停留在地摊买卖的阶段。

中国二手手机回收行业：一个被低估的AI落地富矿

每年2.3亿台旧手机流转，6000亿交易规模，却只有一家企业实现了盈利。15年的行业演进告诉我们什么？AI又带来了什么新机会？

为什么做这个？

几个月前，我开始研究”某二手回收公司”——一家四次递表港交所、背靠小米、却四年半亏损3.37亿的二手手机回收公司。

研究过程中我发现了一个巨大的机会：