QA 工程師的 AI Workflow Daily Routine
「我用 ChatGPT 但好像沒比較快」是 QA 用 AI 的常態。不是工具問題、是流程問題。這篇給你一套每天可照做的 9 段 routine、實測每天省 3-4 小時。
一日 routine 總覽
flowchart TB
M["09:00-09:30<br>晨間摘要<br>Claude 摘 CI fail + Slack"]
M --> SU["09:30-10:00<br>Stand-up<br>口頭自己講"]
SU --> SR["10:00-12:00<br>Spec review<br>Claude 兩段式 prompt"]
SR --> L[午餐 12:00-13:00]
L --> TC["13:00-15:00<br>寫 test case<br>Claude 出草稿 + 你 review"]
TC --> AT["15:00-16:30<br>寫自動化<br>Cursor copilot 加速"]
AT --> PR["16:30-17:30<br>PR review<br>CodeRabbit + 你補關鍵"]
PR --> WR["17:30-18:00<br>寫 PR / 日報<br>Claude 草稿"]
style M fill:#a855f7,color:#fff
style SR fill:#a855f7,color:#fff
style TC fill:#a855f7,color:#fff
style AT fill:#06b6d4,color:#fff
style PR fill:#10b981,color:#fff
style WR fill:#a855f7,color:#fff
09:00-09:30 — 晨間摘要
開電腦第一件事不是看 Slack、是用 Claude 摘要。
Prompt:
「以下是過去 12 小時的 Slack #qa 頻道訊息 + CI run 結果。
請摘要：
1. 重要 incident（Severity 1-2）
2. 阻擋 release 的 bug
3. 需要我今天回的問題
4. 可忽略的雜訊
[paste]」
省：20-30 分鐘的滑 Slack 時間。
09:30-10:00 — Stand-up（不用 AI）
口頭講 = 練思考。這段不要用 AI、機械化你會被同事看出。
10:00-12:00 — Spec Review（AI 殺手鐧）
兩段式 prompt（見 LLM Spec Review）：
Round 1: 「列 spec 所有需澄清問題」
Round 2: 「假設 PM 都按預設處理、列最會爆的 15 個情境」
人工從 LLM 出的 30 個問題篩出 8 個關鍵問題、會議上問 PM。
省：1-1.5 小時、且問題品質比手挑高。
13:00-15:00 — 寫 test case
Prompt:
「依下 spec 產 8-12 個 test case：
- 2 happy / 4 邊界 / 3 異常 / 1 安全
- 用 IEEE 829 格式（Precondition / Steps / Expected）
- test data 寫死、不要『合法 email』這種模糊
- 用繁體中文
[spec]」
LLM 出 10 個草稿 → 你刪 3 個重複、補 2 個 domain 規則 → 9 個高品質 case。
省：1.5 小時、且 case 覆蓋更廣。
15:00-16:30 — 寫自動化
Cursor / GitHub Copilot 即時 autocomplete。
// 你打：
// test login with valid credentials
test('
// Cursor 補完整 case
test('login with valid credentials', async ({ page }) => {
await page.goto('/login');
await page.getByLabel('Email').fill('[email protected]');
await page.getByLabel('Password').fill('Test@123');
await page.getByRole('button', { name: '登入' }).click();
await expect(page).toHaveURL('/dashboard');
});
省：50% boilerplate 時間。
危險區（不要 Copilot）
- ❌ Domain-specific 邏輯（稅法 / 健保 / 金融規則）
- ❌ Security 相關 code
- ❌ 業務判斷流程
16:30-17:30 — PR Review
flowchart LR
PR[PR 進來] --> CR[CodeRabbit 自動 review]
CR --> R1[100 條 comment]
R1 --> You[你看 5 條關鍵 + 補 3 條 AI 抓不到]
style CR fill:#10b981,color:#fff
style You fill:#a855f7,color:#fff
AI 抓 syntax / convention、你抓 business logic + risk。
17:30-18:00 — 寫 PR description / 日報
Prompt:
「依下 commit + test 結果、產 PR description：
- Summary 3-5 句
- What's tested checklist
- Coverage delta
- Test plan
- Reviewer guide 給非 QA 看
用繁體中文 markdown」
省：30 分鐘、且 reviewer 滿意度高。
一週 routine
mindmap
root((Weekly AI Routine))
週一
整理上週 retro
AI 摘要 incident
週二-週四
Daily routine 9 段
週五
週報 AI 草稿
Sprint planning 準備
週末
整理 prompt 庫
看新 AI 工具
量化省的時間
傳統工作日 8 hr:
Slack / 摘要: 30 min
Spec review: 2 hr
Test case: 2.5 hr
自動化: 2 hr
PR review: 1 hr
AI-augmented 8 hr:
Slack 摘要: 10 min (-20)
Spec review: 1 hr (-60, 品質更高)
Test case: 1 hr (-90)
自動化: 1 hr (-60)
PR review: 30 min (-30)
合計省: 3-4 hr / day
省下時間轉投到： - 探索性測試（AI 做不到） - Mentor junior（AI 做不到） - 跨團隊溝通（AI 做不到） - 個人成長（讀 / 寫）
工具配置建議
| 工具 | 月費 | 用途 |
|---|---|---|
| Claude Pro / Team | $20 | Spec review / 寫作 / 思考 |
| Cursor Pro | $20 | 寫 code 主力 |
| CodeRabbit | $15 | PR auto review |
| Perplexity Pro | $20 | 找資料 |
總計 $75/月、換每天 3-4 hr。ROI 爆表。
沒預算版
✓ Claude Free / ChatGPT Free / Gemini Free 輪流
✓ Cursor Free tier
✓ GitHub Copilot Free（學生 / OSS contributor）
✓ Perplexity 限量問
每天 50+ 次免費對話足夠 junior QA 用。
反模式
flowchart TD
Anti[AI Routine 反模式] --> A1["AI 出什麼直接用、不 review"]
Anti --> A2["丟公司機密 / 客戶資料"]
Anti --> A3["Stand-up 用 AI 寫文章式報告"]
Anti --> A4["每段都用 AI、變慢"]
Anti --> A5["不更新 prompt、用 1 年前模板"]
Anti --> A6["躲著用、被同事發現尷尬"]
Anti --> A7["AI 寫測試案例、自己不思考"]
style A1 fill:#ef4444,color:#fff
style A2 fill:#ef4444,color:#fff
style A3 fill:#ef4444,color:#fff
style A4 fill:#ef4444,color:#fff
style A5 fill:#ef4444,color:#fff
style A6 fill:#ef4444,color:#fff
style A7 fill:#ef4444,color:#fff
給 QA 的 5 句
- 建立 routine 比工具強
- AI 出第一版、你做品質審
- 判斷力永遠不外包給 AI
- 透明化用 AI、別躲著
- 省下時間投資高價值工作
最後
QA 用 AI 不是把自己變成 prompt 工程師、是把 AI 變成自己的助理。從這 9 段 routine 起步、一週後你會發現 5 點下班還能讀書。
延伸： - AI 共存的 QA 工具箱 - Prompt 範本庫 - 用 LLM 跑 Spec Review