AI 辅助测试实操指南:8 个能直接用的场景,提示词直接抄走用

需求评审前，先把 PRD（产品需求文档）丢给 AI“嚼”一遍，让它把隐藏逻辑提前翻出来。拿到清单后人工补漏，评审会上照着提问，专业度立刻上来。

提示词骨架：PROMPT“按功能点、异常分支、数据约束、权限、兼容性 5 个维度，提取这份需求文档的测试点。”

进阶：这条玩熟了，可以固化成“需求转测试点”的 Skill，一键出清单。

AI 造用例的价值在起点不在终点——帮你铺骨架，精修交给人。把测试点给它，让它按固定格式吐出一版可用的用例，大半体力活就省了。

提示词骨架：PROMPT“根据这些测试点生成测试用例，按用例编号、前置条件、步骤、预期结果、优先级输出。”

进阶：更进一步的玩法是 PRD 直出 XMind 用例的 Skill，连格式都替你定好。

人写用例容易顺着正常路径走，AI 恰好擅长在正常路径之外发散——边界、异常、组合，正好补人容易忽略的地方。把已有用例喂给它，让它“找出还没覆盖的边界值（输入刚好踩在临界点的取值，比如最大值、空值）、异常和反向场景”。把它当用例评审的对手，帮你查漏。

进阶：把查漏规则做成 Skill，每次评审前自动跑一遍。

AI 写代码不是替你思考，是帮你省掉查语法、搭框架的时间。给它接口定义（URL、参数、断言——也就是验证返回结果对不对的检查语句），指定 pytest、requests 这类常见框架，让它生成脚本。新手也能快速拿到一份能跑的接口测试代码。

提示词骨架：PROMPT“根据以下接口定义，用 pytest 和 requests 生成接口测试脚本，每个接口带正向和异常断言。”

进阶：Web 自动化、JMeter 脚本都有现成的 Skill 思路，值得去抄。

测试数据准备是隐形时间黑洞。描述清楚字段规则——手机号格式、金额区间、枚举值——让 AI 一次生成几十条测试数据或接口入参，边界数据、异常数据、大批量数据都能快速拿到。

提示词骨架：PROMPT“按以下规则生成 50 条注册接口入参：手机号合法但不重复，金额在 0.01 到 50000 元之间，覆盖边界值。”

进阶：造数规则沉淀成 Skill，全团队共用一套口径。

AI 读日志比人快，能迅速圈出关键报错、给出可能原因。做法：贴脱敏（抹掉手机号、姓名等能定位到具体人的信息）后的日志片段，附上一句业务上下文，让它定位根因、给排查方向。线上问题快速初判，定位时间明显缩短。

提示词骨架：PROMPT“这是某下单接口报错的日志片段，业务背景是秒杀活动，请找出关键报错、给出可能的根因和排查方向。”

进阶：把排查套路写成 Skill，新人也能照着走完全流程。

测试经常要查库验证，AI 能按需求写查询和对比 SQL。给它表结构加校验目标，比如核对订单表和结算表的金额是否一致，它直接把 SQL 写好给你。落库核对、对账、数据一致性验证都能提速。

提示词骨架：PROMPT“根据以下两张表的表结构，写一条 SQL，核对订单表和结算表的金额是否一致，列出不一致的订单号。”

进阶：常用核对 SQL 固化成 Skill，下次一句话就能调用。

AI 能把你口语化的描述整理成开发爱看的缺陷单，也能帮做复盘总结。把现象描述丢给它，要求按固定结构输出，沟通效率上去了，来回扯皮也少了。

提示词骨架：PROMPT“把这段 bug 现象描述整理成缺陷单，按标题、环境、前置条件、复现步骤、预期结果、实际结果、复现率、日志摘要输出。”

进阶：缺陷单和复盘模板做成 Skill，输出永远整齐规范。

AI 不会替代测试，但它会替代“只会执行”的那部分工作。