软件测试人员如何正确的使用AI?

昨天和目前在鹅厂的一个老同学远程聊了聊当前各自的工作状态以及目前AI给我们带来的冲击和变化，收获很多。

其中也有聊到如何正确的使用AI，如下三点分享给各位，如果对你有所启发，请点赞转发，谢谢！

1. “足”：提供足够的信息

AI 的回答质量取决于输入信息的完整度。

• • 给全上下文：需求文档片段、业务规则、接口定义、代码风格示例等。
• • 明确角色与目标：例如“你是一名资深测试架构师，请为我设计……”。
• • 提供约束与偏好：如“不要使用第三方付费库”“输出格式为表格”。

✅ 正确示例：“我们有一个用户注册功能：手机号+验证码登录，首次登录需绑定昵称。验证码有效期 5 分钟，同一手机号每天最多发 5 次。请帮我生成测试用例，覆盖正常流程、异常流程和边界情况。用 Markdown 表格输出。”

2. “够”：控制在上下文长度内

即使模型窗口足够大，过多的无关信息也会降低输出质量。

• • 提炼核心信息：先梳理关键规则，剔除冗余描述。
• • 分而治之：将大任务拆解为多个小任务，每次聚焦一个子问题。
• • 多轮对话：第一轮给核心信息，后续根据回答补充遗漏点或纠正偏差。

💡 技巧：对于长文档，可以先让 AI 提取要点，再基于要点进行后续工作。

3. 批判性思维：审视 AI 的输出

AI 追求“合理”而非“正确”，需要用专业眼光验证结果。

• • 检查逻辑漏洞与边界：AI 容易遗漏边界值、并发场景、权限组合等。
• • 验证事实：AI 可能编造 API、字段名或第三方服务，务必对照实际文档或代码。
• • 关注安全合规：避免 AI 生成硬编码密码、敏感数据或不符合规范的方案。
• • 防止过度设计：AI 有时会把简单问题复杂化，需判断是否符合团队简洁原则。
• • 让 AI 自我校验：追加提示如“请指出以上方案中可能遗漏的风险点”。

使用心法把 AI 当作一个“能力强但需要监督的实习生”——你负责提供清晰的任务说明，它高效产出初稿，最后由你把关、打磨、兜底。