AI 生成测试用例实践经验:AI反问和原文追溯

新闻

作者：微信文章
最近在团队里落地AI生成测试用例，踩了不少坑，也走了一些弯路。这篇不聊“哪个平台更强”“哪个产品更成熟”，只分享真实可落地的实践经验。如果你现在也在折腾AI + 测试，希望这篇能帮你少走点弯路。

---

一、先说结论：别一开始就陷进“成熟平台”的选择里

刚开始做 AI 生成测试用例时，我也干过一件现在回头看非常浪费时间的事：

对比各种「成熟的 AI 测试平台 / 测试助手 / 测试管理系统」研究它们的能力、集成方式、价格、权限模型想一步到位，选一个“以后都能用”的方案想一通百通，选一个各个业务都能用的方案

结果是：

平台接入成本很高

生成的测试用例质量并不理想

想要做一些工作流的、输入输出的调整，但很困难

最关键的是：很多时候我根本不知道问题出在哪

后来我才意识到一件事：

AI 生成用例的效果，90% 不取决于平台，而取决于你是怎么“喂需求、拆需求、约束输出”的。

所以我现在的建议是：别一开始就选平台，先自己写点代码，把链路跑通。哪怕只是：

Python + API 调模型

本地文件 / 简单知识库

控制 Prompt + 输出结构

你都会对「AI 到底卡在哪一步」有非常清晰的感知。vibe coding的加持下，1-2天的时间足够搭建出一个简易的工作流。二、第二个坑：太早做“平台集成”，反而毁了效果

很多人做 AI 测试，喜欢不管三七二十一先和自己团队的项目管理工具做好集成：

监测需求流转自动读取需求自动读取代码自动触发生成用例工作流自动发邮件/其他通讯工具自动提bug

但现实是：

各种找项目管理工具的hook点

费精力结构化集成代码，否则小规模更改实现都要到处确认代码对集成方面的影响用例难以使用，无人在意你的集成

我后来彻底调整了优先级：

先把「单次生成测试用例的质量」做到可用，再考虑平台化。

换句话说：如果你在命令行里跑出来的用例都不好用，那你接再多系统，也只是“规模化地产垃圾”。

---

三、我目前用下来最有效的两个实践

下面说重点，这是我现在真实在用、而且效果明显提升的做法。实践一：不只让 AI 查知识库，而是让 AI 主动“承认不懂”

一开始我以为：

只要给 AI 接好知识库，它就能自动补全需求理解

但实际情况是：

需求里有大量隐含规则

有些字段、流程、状态迁移，AI 根本没见过

一个需求涉及大量模块，前期知识库建设成本很高

需求文档可能自己有矛盾点或者不清楚的地方

AI有胡编乱造的情况

后来我加了一条非常关键的规则：

在生成测试用例前，AI 必须先指出：
当前需求中有哪些点，它无法从已有信息中确认，需要人工补充说明。

效果立刻不一样了：

AI 会主动提问题

暴露需求里的歧义点

帮测试提前发现风险

后续写出的用例更加完善

这一步，本质上是把 AI 从单纯的回答者变成了有条件的提问者，让AI来反问我，防止它臆测需求里不清楚的地方。实践二：先拆需求点，再逐点生成用例，并强制引用原文

这是我觉得最重要的一步。❌ 不推荐的做法：

“根据以下需求文档，生成测试用例”

✅ 我现在用的做法是：

先让 AI 分析需求，拆成明确的需求点每一个需求点，单独生成测试用例每个需求点必须给出：对应的需求原文引用

比如结构上会强制要求：

需求点描述

对应的原文句子 / 段落

正向 / 异常 / 边界测试点

这样带来的好处非常明显：

用例不再“凭空发挥”

测试可以反向校验：这个用例到底在测哪句话

需求变更时，也能快速定位受影响的用例

这一步，其实是在用 AI 强化“需求可追溯性”，而不是只追求数量。如此，在对AI生成的用例进行检查时，按如下顺序进行：

是否所有原文句子都被引用到？如果有未引用到的，引导AI继续生成，或者人工补充。需求点是否全面？每个需求点下的测试用例是否足够全面？或者反过来，这些测试用例是否足够测试这个需求点？

相比一股脑的用例大全，这种方式生成的用例更加易读，也更全面，人工补充也更方便。

---

四、最后一点感受：AI 测试不是工具问题，而是设计问题

做到现在，我最大的感受是：

AI 生成测试用例，拼的不是你用哪个模型、哪个平台，
而是你有没有把测试思维，前移到“如何引导 AI 思考”。

如果你现在：

用 AI 生成的用例看起来很多，但不敢直接用

每次都要人工大改

感觉“好像也没省多少时间”

那我建议你先别急着换工具，先问自己几个问题：

我的大脑是怎样把一篇需求文档转化成测试用例的？如果我要把这个过程拆分成2步，我能说清楚这两步吗？3步、4步呢？我编写的测试用例是怎样的结构？我在阅读需求文档的时候是怎样的顺序？我在检查他人写的测试用例时是按怎样的顺序？如何把我的思维过程中间产物转成结构化文本比如json？

这些问题都能帮助你开拓思维，不断优化AI的工作链路。总结一下我在本文中提到的有用的实践经验就是：

AI 是不是被允许说「我不懂」？AI是不是先真正理解了需求结构？生成的每条用例，是否能追溯到需求原文？

这三个问题解决了，效果自然会上来。