📝 面试求职: 「面试试题小程序」 ,内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试,命中率杠杠的。(大家刷起来…)

📝 职场经验干货:

软件测试工程师简历上如何编写个人信息(一周8个面试)

软件测试工程师简历上如何编写专业技能(一周8个面试)

软件测试工程师简历上如何编写项目经验(一周8个面试)

软件测试工程师简历上如何编写个人荣誉(一周8个面试)

软件测试行情分享(这些都不了解就别贸然冲了.)

软件测试面试重点,搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用(永久使用)


上篇聊了用 Claude Code 做接口自动化测试,评论区最多的一条是:"测试用例怎么让 AI 写?写出来能用吗?"

今天来交作业。

这篇完整分享:怎么用 AI 辅助设计和编写测试用例,包括思路、Prompt 模板、真实案例,以及我踩过的坑。不是让 AI 随便生成一堆用例凑数,而是系统性地提升覆盖率。

图片


先说结论:AI 写测试用例到底靠不靠谱?

直接上数据:

指标

纯手写

AI 辅助

一个模块的用例数量

30-50 个

80-120 个

编写时间

1-2 天

2-3 小时

场景覆盖率

60-70%

85-95%

边界值覆盖

容易遗漏

系统性覆盖

关键发现:AI 最大的优势不是写得快,而是想得全。

手写用例最大的问题是"盲区"——你总会漏掉一些场景。不是能力不够,而是人脑的工作记忆有限,很难同时兼顾正常流程、异常分支、边界值、权限组合、并发场景。

AI 没有这个限制。给它一个清晰的需求文档,它能系统性地枚举所有测试维度。


我的方法论:3 层测试用例生成

我把 AI 生成测试用例分成 3 层,每层解决不同的问题:

图片

第 1 层:从需求文档生成功能用例

这是最基础的一层。把 PRD 或需求文档喂给 AI,让它提取每个功能点的正常场景用例。

Prompt 模板:

请阅读以下需求文档,为每个功能点生成测试用例: - 每个功能点至少 2 个正常场景(不同输入组合) - 格式:用例ID | 模块 | 用例标题 | 前置条件 | 测试步骤 | 预期结果 | 优先级 - 优先级参考:核心流程 P0,重要功能 P1,辅助功能 P2

这一层的准确率最高,基本 90% 以上不用改。因为正常场景就是需求的直接映射,AI 很擅长这种"翻译"工作。

第 2 层:从功能用例推导异常 + 边界用例

拿到第 1 层的功能用例后,让 AI 基于每个正常场景推导异常和边界情况。

Prompt 模板:

基于以下功能测试用例,为每个用例补充: - 2-3 个异常场景(参数缺失、类型错误、权限不足、资源不存在) - 2-3 个边界值场景(空值、最大值、最小值、特殊字符、超长输入) - 1-2 个业务规则冲突场景 - 标注哪些场景需要数据准备

这一层是 AI 最大的价值所在。手写的时候我们经常忽略边界值和异常分支,但 AI 会机械地枚举每一种可能。

第 3 层:交叉组合 + 场景覆盖分析

让 AI 检查前两层用例的覆盖度,找出遗漏。

Prompt 模板:

请分析以下测试用例集,检查覆盖度: 1. 是否覆盖了所有接口/页面/功能点? 2. 是否有遗漏的用户角色或权限组合? 3. 是否覆盖了关键的状态转换?(如:订单从待支付→已支付→已取消) 4. 列出建议补充的用例,标注原因

这一层相当于让 AI 做了一次 Review。实测下来,它通常能找出 5-10 个我们遗漏的场景。


真实案例:用户管理模块

拿一个常见的用户管理模块来演示完整流程。

需求简述

  • 用户注册(邮箱 + 密码)

  • 用户登录(邮箱 + 密码)

  • 个人信息编辑(昵称、头像、手机号)

  • 密码修改(旧密码 + 新密码)

  • 账号注销

第 1 层结果(AI 生成的功能用例,节选)

ID

模块

用例标题

优先级

TC-001

注册

使用有效邮箱和密码成功注册

P0

TC-002

注册

注册后收到验证邮件

P0

TC-003

登录

使用正确的邮箱密码成功登录

P0

TC-004

登录

登录后获得有效的访问令牌

P0

TC-005

信息编辑

修改昵称成功

P1

TC-006

信息编辑

上传头像成功

P1

TC-007

密码修改

使用正确旧密码修改成功

P0

TC-008

注销

确认注销后账号不可登录

P0

第 2 层结果(AI 补充的异常 + 边界用例,节选)

ID

用例标题

类型

优先级

TC-101

注册:邮箱格式无效(缺少@)

异常

P1

TC-102

注册:密码少于 8 位

边界

P1

TC-103

注册:密码 128 位(最大长度)

边界

P2

TC-104

注册:已存在的邮箱重复注册

业务冲突

P0

TC-105

登录:密码错误 5 次后锁定

业务规则

P0

TC-106

登录:锁定后等待 30 分钟解锁

业务规则

P1

TC-107

信息编辑:昵称包含特殊字符

边界

P2

TC-108

信息编辑:上传超过 5MB 的头像

边界

P1

TC-109

密码修改:新密码与旧密码相同

业务冲突

P1

TC-110

注销:注销后尝试用原密码登录

业务规则

P0

第 3 层结果(AI 覆盖分析发现的遗漏)

AI 指出了 7 个我们遗漏的场景:

  1. 并发注册

    :两个请求同时用同一邮箱注册

  2. Token 过期

    :访问令牌过期后的行为

  3. 跨设备登录

    :同一账号在多设备登录的策略

  4. 邮箱大小写

    :test@mail.com 和 Test@mail.com 是否同一账号

  5. 密码修改后

    :旧 Token 是否失效

  6. 注销中的订单

    :账号有进行中的订单时能否注销

  7. SQL 注入

    :邮箱/密码字段的安全测试

这 7 个场景里,有 3 个是 P0 级别的,手写的时候很可能就漏了。


5 个关键 Prompt 技巧

技巧 1:给 AI 明确的用例格式

不要让 AI 自由发挥格式。给它一个明确的模板,输出才能直接用。

格式要求: | 用例ID | 模块 | 标题 | 前置条件 | 步骤 | 预期结果 | 优先级 | 类型 |  类型包括:正常、异常、边界、安全、性能

技巧 2:分层生成,不要一次性

一次性让 AI 生成所有用例,质量会下降。分 3 层逐步细化,每一层基于上一层的输出。

技巧 3:提供业务上下文

AI 不知道你的业务规则。这些必须明确告诉它:

业务规则: - 密码必须 8-128 位,包含大小写和数字 - 同一邮箱 24 小时内最多注册 3 次 - 连续 5 次登录失败锁定 30 分钟 - 账号注销有 7 天冷静期

技巧 4:让 AI 标注数据依赖

对于需要特定数据准备的用例,请标注: - [需要已注册账号] - [需要已锁定账号] - [需要有进行中订单的账号] 这样方便后续写自动化脚本时准备测试数据。

技巧 5:用 AI 做交叉检查

写完用例后,换一个 Prompt 让 AI 做 Review:

请以资深测试工程师的角色,Review 以下测试用例集: - 是否有重复用例? - 是否有遗漏的关键场景? - 优先级标注是否合理? - 用例描述是否清晰可执行?


4 个常见的坑

坑 1:AI 生成的用例太泛,不可执行

症状:用例标题写"测试登录功能",没有具体步骤。

解决:在 Prompt 里强制要求写具体步骤和预期结果。加一句"每个用例必须包含至少 3 个具体操作步骤和 1 个可验证的预期结果"。

坑 2:缺少业务上下文,用例不贴合实际

症状:AI 生成的用例看起来正确,但和你的系统规则不符。

解决:在 Prompt 里提供完整的业务规则和约束条件。AI 不知道你们"密码最多 128 位"还是"最多 256 位"。

坑 3:用例之间有依赖但没标注

症状:TC-105 依赖 TC-003 创建的用户,但没有说明。

解决:让 AI 标注数据依赖和执行顺序。用"前置条件"字段明确写出。

坑 4:过度生成,P2 用例太多

症状:AI 生成了 200 个用例,其中 150 个是 P2。

解决:在 Prompt 里限制比例:"P0 占 20%,P1 占 40%,P2 占 40%。P0 和 P1 用例必须覆盖所有核心业务流程。"


从用例到自动化:无缝衔接

测试用例写完后,可以直接让 AI 基于用例生成自动化脚本。这就是上两篇文章(E2E 测试 + 接口测试)的内容了。

完整流程:

需求文档 → AI 生成测试用例(本篇)          → AI 生成 E2E 脚本(#01)          → AI 生成接口测试(#02)          → 集成 CI/CD 自动执行

三篇文章串起来,就是一套完整的 AI 辅助测试工作流。


效率对比总结

图片

环节

纯手写

AI 辅助

提升

功能用例设计

4-6 小时

30 分钟

8-12x

异常 + 边界补充

2-4 小时

20 分钟

6-12x

覆盖分析 Review

1-2 小时

10 分钟

6-12x

总计 1-2 天 1 小时 约 8x

覆盖率从 60-70% 提升到 85-95%,时间反而缩短了 8 倍。

这不是因为 AI 比人聪明,而是因为:

  1. AI 不会"想当然"地跳过边界场景

  2. AI 可以系统性地枚举组合

  3. AI 不会因为赶工而砍用例

最后: 下方这份完整的软件测试视频教程已经整理上传完成,需要的朋友们可以自行领取【保证100%免费】

​​

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐