从懵圈到上手，差的可能只是一个“小本本”
深夜十一点，某互联网大厂的办公区依然亮着灯。
杨宛婷盯着屏幕上密密麻麻的薪酬计算逻辑，感觉自己的大脑像是一台过载的服务器。她入职这家公司才一年多，负责公司内部薪酬系统的测试工作。
系统要从几十个上游数据源取值——基本工资、高管标识、离职补偿N+1规则……每一个环节都像是一道复杂的数学题，而她是那个必须确保所有答案都正确的人。
“我已经很努力了，可为什么还是感觉跟不上？”
这个问题，困扰了她很久。
一、业务不懂，测试怎么测？
“我们系统是自研的，专门给公司内部发薪酬用的。”杨宛婷在向林老师求助时说道，“有很多组织、很多计算模式，上游取数逻辑特别复杂。还有些专业名词，比如什么BPCB之类的，我完全不懂。”
这是一个很典型的场景——测试人员刚接手一个业务系统，发现自己是“最后一个知道答案的人”。
需求评审时，产品和研发讨论得热火朝天，她只能在一旁听着，插不上话。等开发做完了，给她show case，她才知道“哦，原来这里是这么测的”。
这种“被动接收”的感觉，让她非常焦虑。
林老师听完，没有急着给答案，而是问了一个关键问题：“你们产品会直接对接业务方吗？”
“会的，但我从来没参与过。”杨宛婷说。
“脸皮要厚一点，主动去找业务方。”林老师说，“我当年在淘宝的时候，产品跟我说什么我不信，我就直接去找运营，请人家喝咖啡，让他跟我掰扯业务到底是怎么一回事。”
这个建议看似简单，却是很多技术人员的“死穴”——宁愿对着代码琢磨三天，也不愿开口问人十分钟。
二、一个小本本，理清所有业务
针对业务复杂的问题，林老师给出了一个非常接地气的方法：
准备一个小本本。
把业务相关的所有单位、每一条流程都列出来。然后对每一条流程问自己四个问题：
数据从哪里来？
数据到哪里去？
经过哪些节点？
每个节点的计算规则是什么？
“你可以一条一条慢慢梳理，包括那些专业名词，问完了就记下来。”林老师说。
这个方法听起来朴素，但极其有效。它的本质是把暗知识变成显知识——很多业务逻辑只存在于老员工的脑子里，或者散落在各种过时的文档中，你需要用自己的方式把它们“打捞”出来，整理成自己能理解的结构。
林老师还分享了一个亲身经历：
“我以前负责集团的销售看板系统。每周开销售管理大会，老板说我做了1000万，销售大区总说我做了950万，数据总是对不上。后来我花了很多时间去搞清楚每一条数据的来源和规则，才能在会上讲清楚为什么有差异。”
做测试的人，某种程度上就是公司的“数据警察”——你要能说清楚每一笔数字的来龙去脉，才能在出问题的时候，找到真正的责任人。
三、零基础学代码，卡在哪了？
杨宛婷的第二个问题，关乎技术成长。
她报了一个线下的编程周末班，但上完第一节课就很受挫。
“老师讲框架的时候，我根本看不懂。比如class后面加个东西，有时候有object，有时候没有object，我不知道有什么区别。”
“我自己平时不写代码，感觉不知道怎么上手。”
林老师一针见血：“你这种情况属于真正的零基础。那些对老程序员来说很自然的东西，对你来说就是会卡住。”
他推荐了一个经典的免费资源——廖雪峰的Python教程。
“从头看起，每一步每一个代码，都自己独立完成一遍。先把基础语法、循环、判断这些代码结构搞清楚，再去上课，感觉会好很多。”
林老师还分享了自己当年学C语言的经历：“指针这块我卡了很多年，直到有一天有一个人两句话跟我讲清楚。”
编程学习最大的障碍，往往不是智商，而是正反馈机制的缺失。当你连“为什么这里要加括号”都搞不明白的时候，挫败感会迅速吞噬你的学习热情。
所以，选择适合自己的学习材料很重要。短小的、有即时反馈的、循序渐进的内容，对零基础来说远比“大而全”的教材更友好。
四、不好意思问问题，是新人最大的坑
“其实老师也问了，说你们有没有不会的，但我觉得我的问题太弱智了，就没问。”杨宛婷说。
林老师立刻纠正：“不弱智，这些问题真的不弱智。新人不懂就是不懂，没什么不好意思的。”
这句话说出了很多技术新人的心声——害怕暴露自己的无知，害怕被同事嘲笑，于是选择沉默。但沉默的代价是，你永远不知道那个“简单的问题”什么时候才能搞明白。
林老师还给出了一个实用的建议：先问AI，再问人。
“我们现在用文心一言做辅助教学，帮你解释代码、分析错误，效果还不错。基本上七八成的问题，学生自己看完AI的解释就能明白。”
这是一个很聪明的策略——AI没有情绪负担，你可以问任何“弱智”问题，它会耐心地一遍遍解释。等到搞不定的那二三成，再带着具体的问题去请教同事或老师，效率会高很多。
五、AI提效？别被形式主义绑架了
聊到公司正在推的AI提效工具，杨宛婷有些无奈：
“我们每周都要统计做了什么事，比如数据构造。但其实你直接在数据库里复制粘贴一条就行，为了好看非得做数据构造，挺浪费时间的。不做的话，周五点名说你没干活。”
林老师的回应相当直接：“这种都是形式主义，越是形式主义的东西，越要靠AI帮你解决。”
他坦言，目前AI在企业内部信息化场景中，直接提升业务效率“不太靠谱”。能用上的场景主要是：
写测试用例时让AI帮你优化
写代码时让AI帮忙生成
搭建知识库，方便查询业务知识
但对于那些“为了好看”的形式主义工作，让AI去干才是正解。
写在最后
这场对话持续了不到二十分钟，但信息量很大。
杨宛婷的问题，其实是很多技术新人的缩影：
业务复杂，不知从何入手
技术基础薄弱，学习受挫
不好意思开口问“弱智问题”
被形式主义的工作消耗精力
林老师给出的建议，总结起来就是几点：
主动出击：别等业务来找你，你去找业务。请人喝杯咖啡，把业务逻辑搞清楚。
小本本法：把每条流程、每个数据来源、每个节点规则都写下来，形成自己的业务地图。
选对学习材料：零基础不要硬跟高手班，找适合自己节奏的教程，从每一步代码开始练。
放下包袱问问题：不懂就是不懂，没有“弱智问题”。可以先问AI，再问人。
让AI干脏活：形式主义的工作，交给AI去应付，把精力花在真正重要的事情上。
成长没有捷径，但有方法。希望每一个正在迷茫中的技术新人，都能找到自己的“小本本”，一步一步，把不懂变成懂，把被动变成主动。
毕竟，所有的高手，都曾经是那个不敢开口问问题的“菜鸟”。
本文根据霍格沃兹测试开发学社真实私教服务案例改编，感谢每一位在技术道路上努力前行的你。
