用 Prompt 做软件测试：让 AI 输出更符合测试需求

AI总结缩略版

AI 输出质量不只取决于模型，也取决于任务说清楚了没有。一个测试 Prompt 要交代六块：

• • 任务
• • 输入资料
• • 分析步骤
• • 约束（不编造错误码、提示语或未确认的规则）
• • 输出格式
• • 完成前自查

光加一句"你是资深测试工程师"，补不上这些信息。像恰好 300 秒是否有效这类边界，Prompt 可以让模型指出来，但不能让它替业务做决定。

每次修改 Prompt，都用同一批脱敏样本重跑，按事先定好的检查点比较结果。

一句话：模板负责方法，项目资料负责事实；回答更长不等于质量更好。

完整版

同一个模型，有时能指出需求里的缺口，有时却只给出一组“正常、异常、边界”的通用清单。输出差异不只取决于模型能力，任务描述是否清楚也会影响结果。

写 Prompt 是为了把工作目标、可用证据、分析步骤、不能跨越的边界和交付格式说明白。角色说明可以辅助语气和视角，但不能代替这些信息。

一个测试 Prompt 需要交代什么

以手机号验证码登录为例，Prompt 可以由几块组成：

把这一结构填具体，比单独加一句“你是一位资深测试工程师”更有用：角色不会告诉模型验证码如何失效，也无法弥补需求缺失。

可以直接修改的模板

任务：分析下面的登录需求，并为已确认的行为设计测试用例。需求材料：{粘贴需求正文}已确认规则：{列出经过产品或研发确认的规则，并标注来源}项目上下文：{接口、角色权限、系统边界、环境和数据限制}工作步骤：- 区分需求事实、推测和待确认项。- 提取业务规则、状态变化和依赖。- 找出歧义、冲突、缺失条件及高风险路径。- 只针对有依据的行为设计测试场景和用例。- 对未知预期标记“待确认”，不要自行补全。输出：需求规则表、待确认问题、风险清单、测试场景和可执行用例。每条用例包含前置条件、操作、预期结果和需求依据。完成前检查：指出无依据的假设、重复场景和无法执行的步骤。

模板中的大括号部分是每次任务需要替换的资料；任务步骤、证据约束和输出字段则可以相对稳定。这样做比每次重写整段说明更容易比较和维护。

让 Prompt 贴合业务，不替业务做决定

“验证码有效 5 分钟”还不足以定义所有边界。测试设计可能还要问：从哪个时刻开始计时？恰好 300 秒提交算有效还是过期？由客户端还是服务端时间判断？网络请求晚到时按哪个时点处理？

Prompt 可以要求模型把这些问题指出来，但不能让模型凭行业习惯选一个答案。只有业务方或契约确认后，才能把相应预期写进用例。对每个结论保留规则编号或需求出处，后续审查会轻松很多。

同理，项目上下文也要按任务补充。功能测试可能需要用户角色和状态，接口测试需要请求与响应契约，自动化代码生成还需要项目框架、目录约定和测试数据创建方式。一个通用模板负责方法，项目资料负责事实。

业务变化也会改变检查重点：电商流程常要核对订单、库存和支付状态是否一致；金融流程要关注金额、权限和交易安全；多租户系统要检查租户隔离；AI 应用则要定义输出评估和安全边界。模板可以共享骨架，但不能假设一份固定清单适用于所有产品。

用固定样本检查每次修改

Prompt 会随着使用而变化。一次修改之后，答案看起来更长、更专业，不代表实际质量提高。可以准备几份脱敏样本：一份规则完整、一份缺少关键信息、一份含有冲突、一份边界条件复杂。每次改模板都用相同样本重新运行。

记录几项容易观察的内容：发现了多少预先标注的关键问题；把多少未知项误写成事实；输出字段是否完整；人工审查和修订花了多久。不要只用“回答满意度”评估，因为它很难说明是否真的发现风险。

若模板越写越长，也要检查有没有重复或相互冲突的指令。一个简洁、边界清楚的 Prompt，往往比堆满“务必全面、绝对准确”的要求更容易评审。

**记录一次 Prompt 修改的结果。**下表是评估记录示例，不代表任何模型已经运行或取得了改进：

只有输出更符合已知检查点、且没有把未知项写成事实，才能说这次修改改善了该样本的结果；回答更长或读起来更顺，不足以单独证明质量提高。

把 Prompt 当作持续维护的测试资产。每次运行后记录遗漏的风险、错误假设和人工修订，再按问题原因调整模板或补充上下文。调整后用同一批样本重跑，确认相关问题是否减少。

业务变化、模型更新或更换 Agent 工具后也要复测，因为相同文字未必带来相同输出。记录每次调整的结论，供后续按证据复用；不要把“最新版本”当成终点。

什么时候把模板继续沉淀

如果这个 Prompt 只用过一次，先保存任务背景和效果就够了。如果它在多个相似需求中反复使用，步骤也逐渐稳定，再考虑整理成团队模板或 Skill。下一篇会讨论 Skills 如何承载重复流程，以及引入它的维护成本。

更多

• • 点击阅读原文，获取更多信息
• • 个人网站链接：https://inaodeng.com
• • AI生成测试检测项目：https://github.com/AI-Native-QA-Lab/ai-test-auditor
• • DeepSeek QA 工作台项目：https://github.com/naodeng/dsh-qa
• • 更多AI 测试技能：https://inaodeng.com/zh-cn/qaskills/
• • 更多测试百科：https://inaodeng.com/zh-cn/wiki/
• • 更多 AI 百科：https://inaodeng.com/zh-cn/AIWiki/