ARTICLE · 1352002

我把需求文档喂给 Codex,它交回来的用例让我改了 10% 就上线了

发布时间：2026-11-13 19:19:41 最近访问：2026-11-13 19:19:42

我把需求文档喂给 Codex，它交回来的用例让我改了 10% 就上线了

先说结论：那次迭代，Codex 交回来的用例，我只动了大概 10% 就上了线。

改的那 10%，不是错误，而是它没法知道的东西 —— 公司内部的历史坑、上个版本踩过的边界、某个接口约定俗成的特殊处理。剩下的 90%，格式对、覆盖全、前置条件写清楚、预期结果能验收，我几乎是照着读了一遍就收了。

但这件事有个前提：第一版不是这么顺的。

一、第一次喂它需求，我看完只想重写

第一次我很随意，把 PRD 往输入框一贴，加了一句 "帮我把需求转成测试用例，格式规范一点，多覆盖异常场景，按公司模板来"。

结果它交回来的东西，看着像用例，其实是 "作文"。

字段名叫错了，跟我们公司模板对不上号；异常场景列了七八条，全是 "输入非法参数"" 网络异常 "这种万能句式，验收时根本没法判断到底测没测到；边界值倒是写了，但跟接口文档里的字段约束完全对不上。最难受的是评审会上，我拿着这份用例，别人问" 这个异常场景对应哪条规则 "，我答不上来。

后来我才反应过来，问题不在 Codex，在我的输入。

"格式规范一点" 这句话，我对着同事说，同事也会反问："多规范？"

测试同事之间很少只靠形容词沟通。我们会直接把 PRD、接口文档、公司用例模板丢过去 —— 不是因为我们勤快，是因为语言在天上飘，文件在地上落。

和 AI 协作，本质上一模一样。

文字描述	真实问题
"格式规范一点"	每个人理解不同
"多覆盖异常场景"	过于模糊
"按公司模板来"	难以精确传达

靠形容词协作，结果就是三个词：字段名对不齐、异常覆盖无法验收、评审来回拉扯。

二、换成文件驱动，第二版质量直接跳档

第二次我改了做法：不再描述 "要什么样"，而是直接给它 "长什么样"。

操作路径其实很短，短到你不会相信它能改变结果：

1. 点击输入框左侧的加号（+）
2. 选择「文件和文件夹」
3. 上传参考文件，或者把本地文件夹加入任务上下文
4. 把公司测试用例模板、接口说明文档一起挂上
5. 输入提示词，让 Codex 按模板迭代

我一次挂了两样东西：公司的用例模板，和补充了 swagger 语义的接口说明。

差别立刻就出来了。

它不再是 "自由发挥"，而是照着模板的字段来填 —— 用例编号、前置条件、步骤、预期结果，一格一格对齐；接口说明补齐了字段类型、必填项、取值范围，它就能自己推出真正的边界，而不是编 "输入非法参数"；改出来的展示也是按模板改，不靠猜。

这一步其实有个很朴素的道理：测试设计缺的往往不是灵感，而是可对照的上下文。

你不是想不到要测什么，你是缺一份能把它写规范、能让人验收的底稿。模板就是那个底稿，接口文档就是那个事实来源。

三、中间出了个小插曲：预览窗口没了

第三版迭代完，我准备看效果，结果 Streamlit 的预览窗口不见了。

那一刻我心里确实凉了一下 —— 不会是把项目搞坏了吧？

后来弄明白，Codex 为了让我验收，临时启动 Streamlit，验收完窗口会自动关闭，终端输出滚过去，再想看就找不到了。预览关掉，不等于产物丢了：app.py 还在项目文件夹里，模板和导出的 CSV 也都在，重新拉起来继续验收就行。

三种办法，随手用其中一个：

• 等 Codex 主动给：迭代完成后它有时会直接回最新页面截图或预览
• 直接问它：输入「请重新启动 Streamlit，让我看一下页面效果」
• 本地终端：在项目文件夹里执行 streamlit run app.py

这条小坑值得单独说一句，因为很多人第一次遇到就以为 "AI 帮我搞坏了"，然后从头重来，白折腾一小时。

四、验收不是 "看起来好看了一点"

页面回来之后，我按验收清单过了一遍，不看 "感觉"，只看三件事：

1. 格式是否对得上模板页面上的用例展示，字段名和我公司模板基本一致，用例编号、前置、步骤、预期四块都在，评审时不用再解释 "这个字段是什么意思"。

2. 正常路径能不能跑出来登录接口能生成并展示正常路径的用例，参数、步骤、预期结果闭合，不是只写 "验证登录成功" 这种空话。

3. 异常和边界有没有真覆盖注册接口覆盖了异常场景，不只是 happy path；边界值用例在，格式字段和模板对齐。

这三项过了，我才承认这个 "API 用例生成器" 的初版算成型：格式规范、覆盖完整的 Web 用例展示工具，可以进入后续的模型调优和对话评审。

这里有个细节挺关键 ——验收标准是提前定好的，不是事后凑的。因为我一开始就把模板挂上去了，验收时就有对照物；如果我还是靠形容词沟通，验收就只能靠 "我觉得还行"，那才是最危险的。

五、那 10% 到底改了什么

回到开头那个数字。

它交回来的用例里，我改的主要是三类东西：

第一类，公司内部的历史坑。比如某个接口在特定参数组合下会触发下游限流，这种事模板里没有，接口文档也不会写，只在上一轮的 bug 单里。

第二类，约定俗成的特殊处理。比如某个字段看起来可以为空，但业务上要求必传一个占位值，这种 "文档没写、大家都这么干" 的规则，只有待过这个项目的人知道。

第三类，优先级和取舍。它能覆盖，但它不知道这次迭代只有两天，哪些必测、哪些可以放到回归。判断这件事，永远是人的活。

所以那句 "改了 10% 就上线"，不是 Codex 有多神，而是它把90% 的体力活接走了：字段对齐、格式套模板、异常场景铺开、边界值算出来。留给我的是真正需要人判断的那 10%。

反过来说，如果那 90% 还得我自己一格一格填，我根本没时间想那 10%。

六、四条可以直接抄走的经验

1. 文件优于纯文字。模糊描述难以传达，参考模板更精确。你跟同事说不清的事，跟 AI 更说不清。
2. 一次把「模板 + 接口说明」都挂上。入口就在输入框左侧的加号 → 文件和文件夹 → 上传文件或关联文件夹 + 提示词。别只挂一个，测试设计缺的是可对照的上下文，不是灵感。
3. 页面看不见不等于产物没了。问 Codex 重新启动 Streamlit，或者本地执行 streamlit run app.py。别急着重做。
4. 先给模板，再谈测试设计质量。初版成型的标志不是 "页面好看"，是格式规范、覆盖完整、能被验收。