AI 辅助测试教程（软件测试人员专用）

本教程面向软件测试工程师，讲解如何利用 AI 工具（ChatGPT、Copilot、Cursor 等）提升测试效率，覆盖测试用例生成、测试数据构造、缺陷分析、代码审查等核心场景。

📘 入门难度 ⏱ 约 1 天 📋 前置：软件测试基础、接口测试概念 🎯 目标：掌握 AI 工具在测试工作中的实用技巧

项目	要求	获取方式
ChatGPT / Copilot	能访问 ChatGPT 或 GitHub Copilot	chat.openai.com / github.com/features/copilot
测试基础	了解测试用例设计、接口测试概念	接口测试完整教程-软件测试版
文本编辑器	VS Code 或任意编辑器	code.visualstudio.com

---

新手导读

AI 工具的核心价值是提效，不是替代。对新手来说，先把 AI 当成一个"超级助手"：

1. 用例生成：把需求丢给 AI，快速生成用例草稿，再人工修正。
2. 数据构造：让 AI 生成测试数据，省去手动造数据的时间。
3. 日志分析：把报错日志丢给 AI，快速定位可能原因。
4. 代码辅助：让 AI 帮写或优化测试脚本。

第一遍重点掌握：如何写出好的提示词（Prompt），以及如何判断 AI 输出的质量。

版本与维护说明

项目	说明
适用范围	ChatGPT、GitHub Copilot、Cursor、Claude 等主流 AI 工具
使用建议	始终验证 AI 输出，不要盲信；敏感数据不要贴给公共 AI
更新提醒	AI 工具迭代极快，每月都有新功能，建议关注官方更新日志

---

一、AI 测试概述

1.1 2025 年行业趋势

AI 在测试领域的定位

AI 不是替代测试人员，而是提效工具。2025 年，AI 辅助测试已成为行业标配，但测试人员的核心价值——业务理解、风险判断、探索性测试——是 AI 无法替代的。

当前主流 AI 测试工具：

工具	用途	适用场景
	ChatGPT / Claude	生成用例、数据、缺陷报告、日志分析
	GitHub Copilot	代码补全、测试脚本生成
	Cursor / Windsurf	AI 驱动的 IDE，代码生成 + 审查
	Applitools Eyes	AI 视觉测试
	Percy (BrowserStack)	视觉回归测试
	Testim (Tricentis)	AI 驱动的自动化测试平台
	Mabl	AI 驱动的端到端测试

2025 年新增 AI 测试工具：

工具	用途	适用场景
Claude (Anthropic)	长文本分析、代码审查、复杂推理	日志分析、需求审查、测试策略
Gemini (Google)	多模态理解（文本+图片+视频）	UI 截图分析、文档理解
GitHub Copilot Workspace	多文件代码生成 + 重构	自动化框架搭建
Amazon Q Developer	AWS 生态 AI 编码助手	云上测试脚本生成
CodeRabbit	AI PR 审查	测试代码审查
Devin	AI 软件工程师	自动化测试脚本编写

模型选择建议： Claude 擅长长文本和逻辑分析（适合日志分析），GPT-4o 擅长多模态（适合截图对比），Gemini 擅长多语言理解（适合国际化测试）。

1.2 AI 能做什么 vs 不能做什么

维度	✅ AI 能做	❌ AI 不能做
用例生成	基于需求描述快速生成用例草稿	理解业务上下文和隐含需求
数据构造	批量生成符合格式的测试数据	判断数据是否符合真实业务场景
缺陷分析	从日志中提取错误模式	判断缺陷的业务影响和优先级
代码生成	生成测试脚本框架	确保代码的可维护性和最佳实践
探索性测试	提供测试思路	替代人类的直觉和经验判断

关键提醒

AI 生成的所有内容都必须经过人工审查。AI 可能生成看起来正确但实际有误的内容（幻觉问题）。

---

二、用 ChatGPT/Copilot 生成测试用例

2.1 提示词模板

一个好的提示词应包含：角色 + 需求描述 + 输出格式 + 约束条件。

你是一名资深软件测试工程师。请根据以下需求，生成测试用例：

【需求描述】
<粘贴需求文档或功能描述>

【输出格式】
表格形式，包含：用例编号、模块、用例标题、前置条件、测试步骤、预期结果、优先级

【约束条件】
- 覆盖正常流程、异常流程、边界值
- 优先级分为 P0/P1/P2
- 每条用例的步骤不超过 5 步

2.2 实战：登录功能用例生成

提示词：

你是一名资深软件测试工程师。请为以下登录功能生成测试用例：

【需求描述】
- 登录页面包含：手机号输入框、密码输入框、登录按钮
- 手机号：11位数字，必填
- 密码：6-20位，必填，包含字母和数字
- 三次密码错误锁定账号30分钟
- 支持"记住密码"功能

【输出格式】
Markdown 表格：用例编号、用例标题、前置条件、测试步骤、预期结果、优先级

AI 生成结果示例（需人工审查后使用）：

用例编号	用例标题	前置条件	测试步骤	预期结果	优先级
LOGIN-001	正常登录	已注册账号	1.输入正确手机号 2.输入正确密码 3.点击登录	登录成功，跳转首页	P0
LOGIN-002	手机号为空	无	1.手机号留空 2.输入密码 3.点击登录	提示"请输入手机号"	P0
LOGIN-003	密码错误	已注册账号	1.输入正确手机号 2.输入错误密码 3.点击登录	提示"手机号或密码错误"	P0
LOGIN-004	三次密码错误锁定	已注册账号	连续3次输入错误密码	提示"账号已锁定，请30分钟后重试"	P1
LOGIN-005	手机号格式错误	无	1.输入10位手机号 2.输入密码 3.点击登录	提示"手机号格式不正确"	P1
LOGIN-006	密码长度不足	无	1.输入正确手机号 2.输入5位密码 3.点击登录	提示"密码长度为6-20位"	P1

人工审查要点

AI 生成的用例通常需要检查： - 是否遗漏了并发登录、Token 过期等场景 - 步骤是否足够具体（如"输入正确手机号"应替换为具体值） - 预期结果是否符合实际产品设计

2.3 实战：接口测试用例生成

提示词：

你是一名接口测试工程师。请根据以下接口文档生成测试用例：

【接口信息】
- URL: POST /api/v1/orders
- 请求头: Authorization: Bearer {token}, Content-Type: application/json
- 请求体:
  {
    "product_id": 123,      // 商品ID，必填，正整数
    "quantity": 2,           // 数量，必填，1-999
    "address_id": 456        // 收货地址ID，必填
  }
- 成功响应: {"code": 0, "data": {"order_id": "ORD001"}}
- 失败响应: {"code": 1001, "message": "参数错误"}

【输出要求】
表格形式，包含：用例编号、场景、请求参数、预期状态码、预期响应、优先级

AI 会生成覆盖以下场景的用例：

• 正常下单
• product_id 缺失/非数字/负数/不存在
• quantity 为 0、1000、负数、小数、非数字
• address_id 缺失/不存在
• Token 缺失/过期/无效
• 商品库存不足

进阶用法

可以追加提示词："请额外生成边界值测试用例，覆盖 quantity 的边界值 1 和 999，以及特殊字符注入场景。"

---

三、AI 生成测试数据

3.1 用 ChatGPT 生成 JSON/CSV 测试数据

提示词示例：

请生成 10 条用户注册的测试数据，JSON 数组格式：
- name: 中文姓名
- phone: 11位手机号，以1开头
- email: 有效邮箱格式
- age: 18-65 的整数
- 包含 2 条异常数据（手机号格式错误、邮箱格式错误）

AI 输出：

[
  {"name": "张三", "phone": "13800138001", "email": "zhangsan@test.com", "age": 25},
  {"name": "李四", "phone": "13900139002", "email": "lisi@test.com", "age": 32},
  {"name": "王五", "phone": "15000150003", "email": "wangwu@test.com", "age": 45},
  {"name": "赵六", "phone": "1380013800",  "email": "zhaoliu@test.com", "age": 28},
  {"name": "钱七", "phone": "13800138004", "email": "invalid-email",   "age": 55}
]

3.2 用 Faker 库 + AI 辅助批量生成

pip install faker

让 AI 生成 Faker 脚本：

from faker import Faker
import csv

fake = Faker('zh_CN')
Faker.seed(42)

# 生成 100 条测试数据
with open('test_users.csv', 'w', newline='', encoding='utf-8') as f:
    writer = csv.writer(f)
    writer.writerow(['name', 'phone', 'email', 'age', 'address'])
    for _ in range(100):
        writer.writerow([
            fake.name(),
            fake.phone_number(),
            fake.email(),
            fake.random_int(min=18, max=65),
            fake.address()
        ])

print("已生成 100 条测试数据")

3.3 边界值与异常数据生成

提示词：

请为"订单金额"字段生成边界值和异常测试数据，表格形式：
包含：数据描述、具体值、预期系统行为

数据描述	具体值	预期系统行为
最小正常值	0.01	创建成功
零值	0	提示"金额必须大于0"
负数	-100	提示"金额必须大于0"
最大值	999999.99	创建成功
超出最大值	1000000	提示"金额超出限制"
小数精度	0.001	按规则四舍五入或拒绝
非数字	"abc"	提示"请输入有效金额"
空值	null	提示"金额不能为空"

---

四、AI 辅助缺陷分析

4.1 用 AI 分析错误日志

提示词模板：

以下是一段程序报错日志，请分析：
1. 错误原因
2. 可能的问题代码位置
3. 建议的修复方案

【日志内容】
<粘贴完整错误日志>

实战示例：

【日志内容】
java.lang.NullPointerException: Cannot invoke "String.length()" because "username" is null
    at com.example.service.UserService.validateUsername(UserService.java:45)
    at com.example.controller.UserController.register(UserController.java:23)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)

AI 分析结果：

分析项	内容
错误原因	username 变量为 null 时调用了 length() 方法
问题位置	UserService.java 第 45 行的 validateUsername 方法
修复方案	在调用 length() 前添加 null 检查：if (username == null) throw new IllegalArgumentException("用户名不能为空")
测试建议	补充 username 为 null 的测试用例

4.2 用 AI 写缺陷报告

提示词：

请根据以下信息生成一份标准缺陷报告：

【复现场景】
在订单列表页面，点击"退款"按钮后页面白屏，控制台报错。

【环境信息】
- 浏览器：Chrome 120
- 系统：Windows 11
- 测试环境：staging

请按以下格式输出：标题、环境、前置条件、复现步骤、预期结果、实际结果、严重程度、备注

4.3 用 AI 生成缺陷复现步骤

请帮我将以下模糊的缺陷描述转化为清晰的复现步骤：

"用户反馈下单有时候会失败，好像和优惠券有关"

AI 输出：

复现步骤：
1. 登录测试账号（确保有可用优惠券）
2. 添加商品到购物车，进入结算页
3. 选择一张满减优惠券
4. 修改商品数量使订单金额不满足优惠券使用条件
5. 点击"提交订单"

预期结果：提示"优惠券不满足使用条件"，允许用户调整后重新提交
实际结果：提交后页面报错，订单未生成

---

五、AI 视觉测试

5.1 视觉回归测试原理

传统 UI 测试只验证元素是否存在，视觉测试验证页面是否"看起来正确"：

┌─────────────┐    快照对比    ┌─────────────┐
│  基线截图    │ ──────────→  │  当前截图    │
│  (Baseline)  │   AI 判断    │  (Current)   │
└─────────────┘              └─────────────┘
        │                          │
        └──────── 差异报告 ────────┘

5.2 Applitools Eyes

特性	说明
AI 对比算法	不做像素级对比，用 AI 模拟人眼判断是否"有意义的变化"
跨浏览器	同一基线对比不同浏览器/设备的截图
布局模式	忽略内容差异，只关注布局变化

# Applitools + Selenium 示例
from applitools.selenium import Eyes, Target

eyes = Eyes()
eyes.api_key = "YOUR_API_KEY"

driver = webdriver.Chrome()
driver.get("https://example.com/login")

eyes.open(driver, "登录页面", "登录功能视觉测试")
eyes.check("登录页面", Target.window().fully())
eyes.close()

5.3 Percy (BrowserStack)

特性	说明
CI 集成	与 GitHub/GitLab CI 深度集成
响应式测试	自动截取多种分辨率的截图
审批流程	变更需审批后才更新基线

# Percy CLI 安装
npm install --save-dev @percy/cli @percy/selenium

# 运行视觉测试
npx percy exec -- python test_visual.py

---

六、AI 辅助代码审查

6.1 用 Copilot 审查测试脚本

在 VS Code 中，选中代码后按 Ctrl+Shift+I（或自定义快捷键）让 Copilot 审查：

# 待审查的测试脚本（有问题的版本）
def test_login():
    driver = webdriver.Chrome()
    driver.get("https://example.com/login")
    driver.find_element(By.ID, "username").send_keys("admin")
    driver.find_element(By.ID, "password").send_keys("123456")
    driver.find_element(By.ID, "login-btn").click()
    assert "首页" in driver.title
    driver.quit()

AI 审查建议：

1. ❌ 缺少显式等待，元素可能未加载就操作 → 添加 WebDriverWait
2. ❌ 硬编码账号密码 → 使用配置文件或环境变量
3. ❌ 没有异常处理 → 添加 try/finally 确保 driver.quit() 执行
4. ❌ 断言过于简单 → 增加登录成功的具体验证点

6.2 用 AI 优化自动化代码

提示词：

请优化以下 Selenium 测试脚本，添加：
1. 显式等待
2. Page Object 模式
3. 异常处理和截图
4. 日志记录

【原始代码】
<粘贴代码>

优化后示例：

import logging
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.common.exceptions import TimeoutException

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

class LoginPage:
    def __init__(self, driver):
        self.driver = driver
        self.wait = WebDriverWait(driver, 10)

    def login(self, username, password):
        try:
            self.wait.until(EC.presence_of_element_located((By.ID, "username")))
            self.driver.find_element(By.ID, "username").send_keys(username)
            self.driver.find_element(By.ID, "password").send_keys(password)
            self.driver.find_element(By.ID, "login-btn").click()
            logger.info(f"登录操作完成，用户：{username}")
        except TimeoutException:
            self.driver.save_screenshot("login_timeout.png")
            logger.error("登录页面加载超时")
            raise

    def is_login_success(self):
        return "首页" in self.driver.title

---

七、AI 测试的局限与风险

7.1 幻觉问题

AI 幻觉

AI 可能生成看起来完全合理但实际错误的内容。例如： - 生成不存在的 API 接口参数 - 编造不存在的测试工具功能 - 给出错误的代码语法

防范措施：

风险	应对方法
API 参数编造	始终对照官方文档验证
工具功能虚构	先查阅官方文档再使用 AI 建议
代码语法错误	必须实际运行验证
测试策略误导	结合自身经验判断合理性

7.2 数据隐私

不要把公司代码贴给公共 AI

• 公共 AI（ChatGPT 网页版）会将对话用于模型训练
• 敏感数据（密码、Token、用户信息）绝对不能贴给公共 AI
• 建议使用企业版 AI（如 ChatGPT Enterprise、Azure OpenAI）或本地部署模型

安全实践：

# ✅ 安全做法：脱敏后再输入 AI
错误日志中的真实邮箱: zhangsan@company.com
脱敏后输入 AI: user001@example.com

# ❌ 危险做法：直接贴真实数据
"帮我分析这个包含用户身份证号的日志..."

7.3 AI 不能替代的工作

工作类型	为什么 AI 无法替代
探索性测试	需要人类直觉和经验判断
业务理解	AI 不了解公司内部业务规则
用户体验评估	需要真实用户视角
测试策略制定	需要对项目风险的综合判断
沟通协调	与开发、产品的需求澄清

---

八、实战案例

8.1 完整案例：用 AI 从零生成一套接口测试用例

场景： 电商系统商品搜索接口

第一步：整理接口信息

接口：GET /api/v1/products/search
参数：
  - keyword: 搜索关键词，必填
  - page: 页码，默认1，1-100
  - page_size: 每页条数，默认20，1-50
  - sort: 排序方式，可选值：price_asc, price_desc, sales, newest
  - min_price: 最低价格，可选
  - max_price: 最高价格，可选

第二步：输入 AI 生成用例

请为商品搜索接口生成完整的测试用例集，要求：
1. 覆盖每个参数的正常值、边界值、异常值
2. 参数组合测试
3. 输出 Markdown 表格
4. 标注自动化优先级（适合自动化的标 A，需手动的标 M）

第三步：AI 输出用例（约 25-30 条），人工审查补充

用例编号	场景	keyword	page	page_size	sort	预期结果	自动化
SEARCH-001	正常搜索	手机	1	20	无	返回手机相关商品	A
SEARCH-002	关键词为空	(空)	1	20	无	400 参数错误	A
SEARCH-003	特殊字符