脚本化测试跟不上AI编写的代码，Datadog押注智能体来破局。
内容提要
AI编程普及后，Anthropic工程师代码产出增至8倍，瓶颈从写代码转向测试，人工编写测试成为拖慢开发周期的主要环节。Datadog收购Propolis，推出由智能体自主探索应用、按自然语言指令生成测试的方案，并结合可观测性提供日志与追踪，减少硬编码测试的脆弱性。
延伸解读
测试瓶颈的转移
文章指出，AI编程普及后，Anthropic工程师代码产出增至8倍，但瓶颈从写代码转向测试。人工编写测试需决定测试哪些用户流程、编写脚本并在流程变化时调整，这拖慢了开发周期。这意味着仅提升编码速度未必能压缩整体开发周期，测试环节的自动化成为关键。
智能体测试的运作方式
Datadog收购Propolis后，推出由智能体自主探索应用、按自然语言指令生成测试的方案。智能体可跟随用户流程，从纯语言提示生成测试，并结合Datadog的可观测性提供日志与追踪，以验证系统性能。相比硬编码测试，这种方式旨在减少测试的脆弱性。
待观察的边界与问题
文章提到，Datadog专家将讨论团队目前能卸载多少测试编写工作、智能体测试是否达到类似Claude Code的转折点，以及自然语言指令能否扩大参与测试的人员范围。此外，智能体何时能无需人工干预地测试AI编写的代码，仍是未解问题，表明该方案的实际效果和自主程度尚待观察。
Q&A
AI编程普及后，为什么测试环节成了新的瓶颈？
因为AI大幅提升了代码产出速度（如Anthropic工程师代码量增至8倍），但代码写完后仍需测试，而传统测试依赖人工编写脚本，包括决定测试哪些用户流、编写脚本以及流程变更时调整脚本，这拖慢了整个开发周期。
Datadog收购Propolis后推出了什么测试方案？
Datadog收购Propolis后，推出了由智能体自主探索应用、按自然语言指令生成测试的方案，并结合可观测性提供日志与追踪，减少硬编码测试的脆弱性。
智能体测试相比传统硬编码测试有什么优势？
智能体测试能自主探索应用、跟随用户流并基于自然语言提示生成测试，同时结合可观测性提供日志和追踪来验证系统性能，避免了硬编码测试的脆弱性。
AI写代码虽然快了，但为什么软件开发生命周期没有自动缩短？
因为AI写代码只是加速了编码阶段，但后续的测试阶段仍需人工编写测试脚本，测试负担反而增加，成为新的瓶颈，所以整体开发周期并未自动压缩。
Datadog的智能体测试如何减少对人工编写测试的依赖？
智能体可以自主探索应用、按照自然语言指令生成测试，并利用可观测性数据（日志和追踪）来验证性能，从而减少人工决定测试内容、编写脚本和维护脚本的工作。
智能体测试目前发展到什么阶段，未来能否完全无需人工干预？
文章提到将探讨智能体测试是否已达到自己的“Claude Code时刻”，以及距离智能体能读取智能体编写的代码并完全无需人工干预处理测试还有多久，但未给出明确结论。
