在微服务越来越普遍的今天，接口测试面临一个很现实的问题：

测试环境难搭、依赖服务太多、Mock 成本越来越高。

一个简单的接口调用，背后可能依赖数据库、Redis、消息队列以及多个下游服务。为了编写自动化测试，我们往往需要花费大量时间构造 Mock 数据，维护测试环境。

今年，各公司纷纷将重心放在 AI 上。随着半年的“热火朝天”，AI 领域也开始出现了名词膨胀的现象，仿佛流畅说出各种高大上的概念，就代表对 AI 有了深入理解，以便升职加薪，或是吸引流量、贩卖焦虑。

Shopify 最近更新了一篇文章，讲了他们如何使用 MySQL 替换 Redis 实现库存预留（Inventory Reservation）。我进行了一番阅读，并结合自己的实验做了一些分析。

一、为什么 AI 项目越来越像“玄学”

很多人第一次做 AI 应用时，都会有一种错觉：

“调用一下 GPT API，不就做完了吗？”

例如：

response = llm.invoke(prompt)

看起来确实简单。

上周上班时候，听到对面一个小姐姐惊呼：“我的天呐，这个需求怎么测下来没几个bug，我好慌！”

其实不少人应该都体验过这种感觉，而且对于开发来说心里更加没底，跟测的时候焦急地等待，却没等来几个bug，总感觉上线要爆雷。

在测试领域，流量录制一直是一个“听起来很美好，但落地往往困难重重”的方向。

我体验了一段时间 Keploy 后，发现它可能是目前少数真正把“录制 → 回归”链路打通的工具，但目前网络上它好像有点低调，因此我专门写一篇文章。