ARTICLE · 1361570
Cursor 实战:将团队经验整理成文档,让 AI 生成的测试用例稳定可控
一份 PRD 复制进 Cursor 的对话框,回车。回得挺快,二十来条用例,正向、边界、异常还给你分好了类。
贴进评审表,产品第一句话是:前置条件呢。你把「补上前置条件」发过去,它重出一版,字段对了,边界场景没了。换个需求,同样的话再问一遍,风格又变了。
模型没变笨。你每次都让它重新猜一遍你们团队的写法,它只能猜。
「PRD 写的是需求,没写用例该长什么样。」
字段怎么排、边界取到哪一位、并发要不要考虑,这些不在文档里,在人脑子里。人靠口口相传,AI 靠上下文,一次没喂到,它就漏一次。说白了这是经验沉淀的问题,AI 需要知道你们团队“怎么写才算合格”。
WHY RULE
Rule 立规矩,Skill 存手艺
PRD 直接丢给 AI,效果大家都懂:
第一遍像样,第二遍换个需求,风格、字段、覆盖度全变
边界、并发、幂等、状态机这种场景,AI 基本不主动想到
团队里每个人提示词都不一样,输出五花八门
对历史需求不了解,老需求的细节直接漏掉
第四条最要命。前三条多问几句还能补,第四条你连漏在哪都没有线索。
现在生成代码主流的两个工具是 Claude Code 和 Cursor,开发同学早就用顺了。生成测试用例的第一步,完全可以借同一套工具,它们都提供了Rule 和 Skill 两个机制,刚好能把团队经验落到文件里。下面以 Cursor 为例,Claude Code 思路一致,目录略有差异。
Rule
项目、团队的规范约束。比如「用例必须含前置条件、关联需求 ID」,是 AI 干活时的硬约束。
Skill
可被 AI 自主调用的「技能包」,是一个文件夹,里面有指令、参考资料、模板、脚本,按需加载。
简单理解:Rule 管「必须遵守什么」,Skill 管「遇到这类任务怎么做」。
落到具体怎么分,我一般看一句话:这条约束换成任何一个需求都成立,放 Rule;只对某一类活成立,放 Skill。「用例标题用动宾结构」在哪都成立,进 Rule;「先读业务规则再套模板」,只在这类生成任务里有意义,进 Skill。
它不知道你们团队什么叫作“写好了”,你得先告诉它。
STRUCTURE
目录先长对,内容才有地方塞
光建一个 skill,塞个「帮我生成用例」的提示词,跟直接发 prompt 没本质区别。
真正值钱的是 Skill 的渐进式披露结构:主文件保持精简,细节拆到子目录,AI 用到再读。目标长这样:
你的项目/
└── .cursor/
├── rules/
│ └── testcase-standard.mdc # 用例规范
└── skills/
└── testcase-generator/
├── SKILL.md # 主指令:触发条件
├── references/ # 领域知识库
│ ├── boundary.md # 边界值/等价类
│ ├── concurrency.md # 并发/幂等
│ └── domain-rules.md # 业务规则
├── examples/ # 团队金标用例
│ └── case-template.md
└── scripts/ # 脚本(导出 xlsx 等)
└── export_excel.py
三个隐性收益:
团队每多一条踩坑经验,往 references/ 加一段,下次 AI 会规避
新人入职不靠口口相传,文件夹丢进项目就是规范
Git 管起来,PR 评审、回滚、版本对齐,跟代码一个味儿
STEP ONE
第一步:把规范写成 Rule
新建一个空文件夹,用 Cursor 打开它,唤出右侧 AI 聊天面板。
聊天框里直接输入 /create-rule,然后把下面这段贴进去:
名字:testcase-standard
作用域:alwaysApply(项目里所有任务都遵守)
内容要求:
1. 用例字段固定为:编号、标题、前置条件、步骤、预期、优先级、关联需求 ID
2. 每个需求至少覆盖:正向、反向、边界、异常、并发等场景
3. 用例标题用动宾结构,禁止"测试 xxx 功能"这种空话
4. 输出格式:markdown 表格 + xlsx
回车,Cursor 会自动在 .cursor/rules/下生成 testcase-standard.mdc。打开看一眼,frontmatter 和正文是否符合预期,不合适直接让 AI 改。
有一点要记着:Rule 是每轮对话都要占上下文的。别往里面堆长清单,控制在几十行以内,超出的部分挪进 Skill 的 references/,不然后面每次对话都在为它付 token。
STEP TWO
第二步:把流程包成 Skill
同一个面板里输入 /create-skill,把下面这段贴进去:
名字:testcase-generator
触发场景:用户 @ PRD/接口文档/需求图,或说"生成用例 / generate testcases"时调用。
执行流程:
1. 先读 references/domain-rules.md 判断业务领域
2. 按 examples/case-template.md 套模板
3. 覆盖维度参考 references/boundary.md 与 concurrency.md
4. 调用 scripts/export_excel.py 同时输出 markdown 和 xlsx
请同时帮我创建 references/、examples/、scripts/ 三个目录,并放入空白占位文件。
骨架建好后,子目录里大多是空的,你需要把团队真正的经验喂进去:
boundary.md
把团队历史用例里常用的边界值套路整理一份。金额 0、0.01、上限、上限加一分;字符串为空、一个字符、最大长度;日期跨月、跨年、跨闰日。
concurrency.md
并发、幂等、状态机的检查清单。并发下单、重复提交、超时重试、库存扣减顺序,列出你们真出过问题的组合。
domain-rules.md
业务规则,库存扣减、支付幂等、风控阈值这些。支付超时多久关单、退款走哪条审批,都写在这。
case-template.md
贴一份真实的金标用例当样板,评审一次过、没人挑刺的那种。
示例文件别糊弄。模型学样子的能力比学抽象描述强得多,你给它一份空模板,它还你一份格式正确但没人愿意看的用例。
这一步只需手动维护一次,团队所有人后面都共享使用。当然也可以 AI 代劳,把一些思考经验让 AI 读完再补。
RUN IT
跑一次:一条需求进,两张表出
用法非常简单:
生成方法一:/testcase-generator 粘贴需求文本
生成方法二:@需求文档.docx /testcase-generator
出来两份。markdown 表进 git,跟着需求一起版本管理;excel 进评审会,产品、开发、测试坐一桌的时候翻。以后要换别的格式,改下 skill 就行,主流程不用动。
拿到输出先做三个检查:字段齐不齐,尤其前置条件和关联需求 ID;边界场景有没有露脸,比如金额 0.01、上限加一分;打开表格,能不能直接当评审材料用。
要是发现它压根没读 boundary.md,回去看 SKILL.md 的触发条件写得够不够具体。description 里的场景越贴近真实说法,命中率越高。只写「生成用例」,它经常当成一次普通对话就过去了。
PITFALLS
四个坑,踩过才知道
description 写虚了
字段写得越具体,AI 越能正确召唤这个 Skill。写「根据 PRD 生成测试用例,产出 markdown 与 xlsx」,别只写「生成测试用例」。
examples 放了编的用例
它学出来的也是编的。宁可只放三份真的,别放一份凑数的,越像越歪。
SKILL.md 写太长
单个 SKILL.md 别超 500 行,详细的拆到 references/。超了说明你还当 prompt 在用。
放错了目录
放项目级 .cursor/skills/,随 Git 走。只放用户级目录,同事拉下来是空的。
第三条我吃过亏。一开始什么都往 SKILL.md 里塞,写到七百多行,它开始漏读靠后的段落,前面几条约束反而失效。拆成四个子文件之后,稳定性才回来。
LIMITS
这套东西迟早会坏
单个 Skill 跑顺只是开始,往下走,几个问题会一个个撞上来:
历史资产用不上
过去几年的需求文档、缺陷库、回归用例散落在各个地方,AI 看不见也用不上,老需求的细节继续漏。
上下文越塞越大
把规范、领域知识、历史用例一股脑塞进 Skill,token 飞涨,模型注意力开始飘,反而不如精简版。
Skill 自身会退化
模型升级、需求形态变化,原本通过率九成的 Skill 可能悄悄掉到七成,而你毫无察觉。
一套不够使
接口、UI、性能、数据校验,写法和断言完全不同,一个 Skill 包打天下早晚翻车。
还得手动触发
理想状态是需求评审一结束,用例草稿自动出现在评审单里,靠人 @ 文档差着最后一公里。
这几条没一个是靠「加个 RAG」或「用 Agent」能糊弄过去的。
最麻烦的是第三条。模型换代之后,旧 skill 里当时好用的约束会变成噪音,它照样读,你照样信,中间没有任何报错提示你。
如果这篇帮你解决了一个问题,点个赞、收藏起来,也转发给可能需要的同事。
评论区聊聊:你们团队的用例规范,现在写在哪。















































































