【导语：Redis创始人antirez指出AI辅助编程虽提升开发速度，但代码质量不及手工代码，而LLM为软件测试和QA领域带来新路径，有望提升软件质量基准线，平衡开发效率与质量。】
Redis创始人antirez认为，AI辅助编程在开发速度上有质的飞跃，然而在代码质量方面，却难以达到手工代码的“结构品质和复杂性经济性”。这反映出当前AI辅助编程在追求速度的同时，在代码质量保障上存在不足。
传统软件测试依赖测试套件，包括本地化单元测试和集成测试，以及手动执行的质量检查流程。以Redis为例，单元测试相对容易，但集成测试存在大量时序、环境配置问题，且部分输出质量只能人工检查，导致很多测试场景因时间或流程限制无法执行。
LLM提供了全新的QA工作方式，核心是创建Markdown文件，指定AI Agent作为QA工程师对新版本进行手动测试。如在DwarfStar项目中，Agent会检查新提交变更，执行一系列检查项，包括分布式推理的工作情况、输出一致性、文件兼容性和速度回归等。
速度回归检测无需Agent知道此前预期速度，分布式推理集成测试也只需提供SSH端点等信息。Agent还会针对新增提交进行QA活动，专注发现特定回归。在Redis Arrays项目中，让Agent构建应用、搭建环境、模拟场景并检查异常。
这种测试方法甚至能延伸到软件质量的“心理层面”，让Agent识别可能令用户意外、未充分文档化或粗糙的新功能，这些以前常因时间限制被跳过。antirez认为，自动QA的引入可能提升新版本软件的质量基准线，弥补AI辅助编程带来的代码质量下降问题，是寻找开发效率与质量新平衡点的实践路径。
编辑观点：AI辅助编程与LLM在软件领域的应用各有优劣，LLM为软件测试带来的变革有望改善当前开发中速度与质量的矛盾，推动软件行业更健康发展。
