我用AI工具做了3个月测试,这些话不吐不快

先看结果

平均效率提升：约60%。

01 开篇：那个深夜，测试群里炸了

上周三晚上11点，测试群里突然热闹起来。

一位外包测试工程师发了条消息：

“刚看到JD，招高级测试，要求ChatGPT写用例经验优先。我们这些只会手工的不配投吗？”

群里瞬间炸了。

有人说：”完了，35岁还没到，先被AI淘汰了。”

有人说：”别制造焦虑，AI写用例根本不准。”

还有人说：”你知道吗，我们公司已经用AI自动生成测试用例了，虽然还要人工复核，但效率确实高。”

AI替代测试工程师的焦虑，已经不是狼来了，而是狼就在门口。

02 我不信，我要自己测

作为某中厂测试负责人，我决定亲自下场，用AI工具做3个月测试。

我选了3款工具：

AI没有想象中那么强，但它的进化速度比我想象中快得多。

03 AI到底能做什么？

能做：重复性高的标准化任务

场景：接口测试用例生成

我扔给通义一段接口文档，让它生成测试用例。

它的输出：

• • 正常登录：用户名密码正确，返回token
• • 用户名错误：用户名不存在
• • 密码错误：密码错误
• • 边界：空字符串、SQL注入、XSS注入

覆盖率约70%。需要人工补充业务逻辑，但80%的重复用例可以交给它。

场景：自动化测试代码补全

在Cursor里写Playwright用例：

# 我只写了注释
# AI自动补全了完整代码
await page.click('#login-btn')
await page.waitForSelector('.modal')
await page.fill('#username', 'testuser')

写代码确实快了。但复杂业务场景、异步处理，它经常出错。

场景：回归测试用例筛选

改动是”修改了订单退款接口” → AI筛出23条相关用例。

减少30%的回归测试用例量，漏测率控制在可接受范围。确实香。

不能做：业务理解+探索性测试

不能做1：理解业务规则背后的”为什么”

我们的退款逻辑有个特殊规则：退款金额 > 5000时，需要主管审批。

AI不理解这个5000是怎么来的。

而测试老手知道，这个5000可能和公司风险控制策略有关，他会在边界值5000、4999、5001上反复测试。

不能做2：探索性测试

我让AI去”测试”一个刚上线的营销活动页面。

它按照正常流程走了一遍：领取优惠券→下单→支付成功。

但它没有发现：同一个用户可以重复领取优惠券3次。

这是设计漏洞，不是”流程bug”。

AI擅长验证已知路径，不擅长发现未知风险。

04 三种测试人

第一种：彻底抗拒型

“AI写的那叫什么玩意儿，根本不能用。”

效率没有提升，但也没有被淘汰。只是越来越焦虑。

第二种：盲目依赖型

“反正有AI，出问题也是AI的问题。”

用例质量下降，漏测率上升，很快被团队发现。

第三种：聪明借助型

“AI负责80%的标准化用例，我来覆盖20%的核心场景。”

效率提升，自己有更多时间研究技术。成长最快。

05 测试人的护城河

06 不是AI取代你，是会用AI的同行

这3个月用下来，我最大的感受是：

AI是工具，你是使用工具的人。

工具越来越强，但使用工具的人，才是决定结果的那个人。

与其担心被AI取代，不如今天就开始用AI。

你迈出的第一步，比任何分析都有用。