1. Treeify 的愿景

1.1 我们为什么打造 Treeify

软件正在以前所未有的速度被构建出来。

AI Coding、Agent、MCP 和各种自动化工作流，正在快速改变软件生产方式。越来越多的工作，开始从“人直接完成”，变成“人定义流程，AI 执行流程”。但在测试设计领域，很多关键能力依然停留在专家个人的经验里，没有被真正结构化，也没有被沉淀成 AI 可以理解和执行的能力。

这正是我们打造 Treeify 的原因。

我们越来越清楚地看到，真正有价值的，不只是让 AI 帮忙生成一些测试结果，而是把专家在长期实践中形成的判断方式、拆解方法、覆盖思路和设计经验，逐步提炼出来，变成 AI 可以调用、执行和复用的 Skills。因为只有当这些能力被表达出来，AI 才不只是一个会回答问题的工具，而是真正能够参与复杂工作的执行者。

在我们看来，Skills 是 AI 的语言。

如果没有 Skills，很多专家能力就仍然停留在隐性状态，只能依赖人工反复参与；而一旦这些能力被整理、表达、结构化，它们就可以进入 AI 工作流，被不断调用、组合、优化和复用，成为真正可持续放大的生产力。

Treeify 的起点，是测试设计；但我们想做的，不只是一个测试设计工具。我们更希望通过 Treeify，探索一条路径：帮助专家把自己的隐性知识逐步显性化，变成 AI 时代真正可积累、可放大、可复用的新型资产。

1.2 我们希望改变什么

我们希望改变的，首先是专家知识的存在方式。

过去，最有价值的专业能力，往往掌握在少数有经验的人手中。它们存在于个人判断、工作习惯、经验直觉和项目复盘里，很难标准化，也很难复制。这些知识当然有价值，但因为没有被结构化，它们无法被高效传递，也无法真正融入 AI 流程自动化之中。

我们希望改变这种局面。

我们认为，在 AI 时代，隐性知识如果不能被表达、不能被结构化、不能被 AI 消费，它的价值就很难被真正放大。反过来，一旦这些知识被提炼为清晰的 Skills，它们就不再只是“专家自己会做的事情”，而会变成“AI 可以按这种方式去做的能力”。

这意味着，专家最有价值的部分，不再只是亲自完成一次次具体工作，而是把自己最核心的专业方法沉淀下来，形成可复用、可组合、可持续发挥价值的能力单元。

我们也希望改变大家对 AI 价值的理解。

AI 的价值，不应该只体现在“生成得更快”或“节省一些时间”上。更深层的价值在于，它能否真正承接人类专家沉淀下来的知识，并将这些知识带入更大规模的执行过程。对个人而言，这意味着专业经验第一次有机会从“服务”变成“资产”；对团队而言，这意味着经验第一次有机会不依赖某个人，而是变成组织可以持续使用的能力；对行业而言，这意味着未来会出现一种新的协作方式：专家提供 Skills，AI 消费 Skills，工作流调用 Skills。

Treeify 希望推动的，正是这样的变化。

1.3 Treeify 相信的测试设计方式

Treeify 相信，测试设计不只是一个结果生成任务，而是一个知识表达和能力沉淀的过程。

表面上看，测试设计是在分析需求、拆解对象、构建场景；但更深一层看，它其实是在不断把专家对业务风险、系统行为、覆盖逻辑和验证策略的理解，转化为可执行的方法。这个过程，本质上就是把隐性知识一步步显性化。

因此，我们相信，好的测试设计方式不应该只是依赖专家亲自完成，也不应该只是依赖通用 AI 一次性生成，而应该是一个 “专家经验持续沉淀为 Skills，AI 持续调用 Skills” 的过程。

在这个过程中，专家最重要的价值，不只是给出答案，而是定义方法；AI 最重要的价值，也不只是输出内容，而是按方法执行。只有这样，测试设计才能从强依赖个人经验的工作，逐渐变成可以被规模化复用、持续优化和自动化运行的能力体系。

这也是 Treeify 在产品设计上始终坚持的方向：
不仅帮助用户完成当前项目的测试设计，更帮助用户在每一次设计过程中，把有价值的专业知识提炼出来，沉淀为未来还可以继续被 AI 消费的 Skills。

从这个角度看，Treeify 的长期愿景并不止于测试设计本身。

我们希望未来能够打造一个由专家产生 Skills、由 AI 消费 Skills 的平台。
在这个平台上，专家不仅能够沉淀和复用自己的能力，也能够将这些能力作为资产进行共享、组合，甚至交易；而企业和个人，则可以找到真正适合自己场景的专业 Skills，让 AI 工作流建立在真实专业能力之上，而不是建立在通用生成之上。

我们相信，这会是 AI 时代一种新的价值分配方式：

专家贡献知识，Treeify 结构化能力，AI 消费 Skills，最终让每个人的专业经验都能变成可持续创造价值的资产。