夜雨聆风它不能帮你做测试设计决策，但它能帮你：
省时间 少写重复代码 少做重复劳动
简单说：能交给AI写的，就交给AI；需要人判断的，人来。
一、自动生成测试用例：需求 → 用例
这是最多人关注的场景。
传统做法：读需求文档 → 手工写用例 → 整理到Excel
LLM做法：
请根据以下需求，生成完整的测试用例
需求描述：
用户登录功能
1. 支持手机号+验证码登录
2. 支持账号密码登录
3. 连续输错5次密码锁定账号
4. 验证码有效期5分钟
要求：
- 包含：用例编号、测试模块、前置条件、测试步骤、测试数据、预期结果、优先级
- 覆盖：正常场景、异常场景、边界值场景LLM 会直接输出一版完整的测试用例，涵盖：
正常登录（验证码登录、密码登录） 异常场景（手机号格式错误、验证码错误、密码错误） 边界值（连续输错4次、5次、6次） 权限场景（token过期、异地登录）
实测效果：一个登录模块的用例，从2小时缩短到5分钟。
二、自动写自动化脚本：Python、Selenium、Playwright、接口
这波操作直接解放双手。
1. Web 自动化脚本（Selenium/Playwright）
用 Python + Playwright 写一个自动化测试脚本：
测试场景：搜索功能
1. 打开百度首页
2. 输入关键词"软件测试"
3. 点击搜索按钮
4. 验证搜索结果页面标题包含"软件测试"
5. 截图保存结果LLM 直接输出完整脚本：
from playwright.sync_api import sync_playwright
def test_search():
with sync_playwright() as p:
browser = p.chromium.launch()
page = browser.new_page()
page.goto("https://www.baidu.com")
page.fill("#kw", "软件测试")
page.click("#su")
page.wait_for_load_state("networkidle")
assert "软件测试" in page.title()
page.screenshot("search_result.png")
browser.close()2. 接口自动化脚本
用 Python + requests + pytest 写接口测试脚本：
测试目标：用户登录接口
- URL: http://api.example.com/login
- 方法: POST
- 参数: {"username": "test", "password": "123456"}
- 期望: 返回 token 和 user_id3. 断言规则自动生成
LLM 还能根据响应结构自动生成断言：
# 断言响应状态
assert response.status_code == 200
# 断言必填字段
assert "token" in response.json()
assert "user_id" in response.json()
# 断言数据类型
assert isinstance(response.json()["token"], str)
assert isinstance(response.json()["user"], dict)三、分析日志、报错、定位问题
这简直是调试救星。
场景1：分析报错日志
报错信息：
java.lang.NullPointerException
at com.example.service.UserService.getUser(UserService.java:45)
at com.example.controller.UserController.getUserById(UserController.java:23)直接丢给 LLM：
请分析这个Java报错：
1. 报错原因是什么？
2. 可能出现在哪一行？
3. 如何修复？LLM 会告诉你：
NullPointerException 通常是因为对象为 null 时调用了方法 UserService.java:45 行可能获取的用户对象为 null 需要加空值判断，或检查数据库查询逻辑
场景2：分析接口返回异常
接口返回：
{"code": 500, "message": "System error", "data": null}LLM 分析：
500 是服务端错误 可能是数据库超时、服务异常、业务逻辑报错 需要查看服务端日志定位具体原因
场景3：日志分析
把大段日志丢给 LLM：
请分析以下日志，找出：
1. 异常堆栈
2. 可能的根因
3. 建议的排查方向LLM 会提取关键信息，过滤噪音，给你清晰的排查思路。
四、生成测试数据、造 Mock 数据
这是最容易被忽视但巨好用的功能。
1. 生成正向测试数据
生成10条用户注册测试数据，包含：
- 用户名（3-20位字母数字）
- 邮箱（有效格式）
- 手机号（11位数字，以13/15/18开头）
- 密码（6-20位）2. 生成异常测试数据
生成边界值测试数据：
- 空字符串
- 超长字符串（200字符）
- 特殊字符（<>{}"/'）
- HTML标签
- SQL注入尝试3. Mock 数据生成
用 Python 的 faker 库，生成100条用户数据，包含：
姓名、邮箱、手机号、地址、公司、身份证号五、写测试计划、测试总结、缺陷描述
文书工作交给 LLM，测试工程师专注核心。
1. 测试计划
请根据以下信息，生成测试计划：
项目：电商APP v2.0
测试范围：用户模块（注册、登录、个人信息）
测试类型：功能测试、兼容性测试
测试周期：2024.1.1 - 2024.1.7
测试资源：2人2. 测试总结
请根据以下测试结果，生成测试总结：
- 执行用例数：150
- 通过：145
- 失败：5
- 阻塞：0
- 缺陷分布：UI问题2个、功能问题3个3. 缺陷描述（Bug Report）
请优化以下缺陷描述，使其更规范：
缺陷描述：
系统出问题了，用户登录不了，提示错误LLM 优化后：
【缺陷标题】
登录接口返回500错误，导致用户无法登录
【缺陷描述】
用户在客户端输入正确的手机号和密码后，点击登录按钮，接口返回500 Internal Server Error
【复现步骤】
1. 打开APP
2. 输入手机号 13800001001
3. 输入密码 Test123456
4. 点击登录按钮
【预期结果】
登录成功，跳转至首页
【实际结果】
返回500错误，提示"系统错误，请稍后重试"
【环境】
APP版本：v2.0.1
系统：iOS 16.3
网络：WiFi六、接口自动化、回归测试辅助
这才是真正的效率放大器。
1. 接口用例批量生成
根据以下Swagger接口定义，生成完整的接口测试用例：
GET /api/user/{id} - 获取用户信息
- 参数：id（必填，整数）
- 响应：{id, name, email, phone, status}
POST /api/order - 创建订单
- 参数：{user_id, product_id, quantity, address}
- 响应：{order_id, status, total_price}LLM 一次性生成：
正常场景用例 参数缺失用例 参数类型错误用例 边界值用例 异常业务场景用例
2. 回归测试辅助
这是上次回归测试的用例清单：
[粘贴用例]
本次新增功能：用户个人资料编辑
请帮我：
1. 筛选出可能受影响的用例
2. 生成新增功能的测试用例
3. 评估测试风险3. 测试数据准备
为接口测试准备测试数据：
1. 创建10个有效用户
2. 创建5个订单（不同状态：待支付、已支付、已发货、已完成、已取消）
3. 每个订单关联不同用户七、实战提示词模板库
我把高频场景的提示词整理出来，直接抄：
1. 生成测试用例
请根据以下需求，生成测试用例：
[需求内容]
要求：
- 覆盖正常、异常、边界值
- 包含：用例编号、模块、前置条件、步骤、测试数据、预期结果、优先级
- 用Excel表格格式输出2. 写自动化脚本
用 [Python/Java/Go] + [框架名] 写自动化测试：
[测试场景描述]
要求：
- 包含setup和teardown
- 合理使用断言
- 添加日志输出
- 符合代码规范3. 分析报错
请分析以下报错信息：
[报错日志/堆栈]
请给出：
1. 错误原因
2. 根因分析
3. 修复建议4. 生成测试数据
生成[数量]条[类型]测试数据：
[字段要求]
要求：
- 正向数据+反向数据
- 包含边界值5. 写缺陷报告
请优化以下缺陷描述：
[原始描述]
要求：
- 包含：标题、步骤、预期、实际、环境
- 描述清晰、可复现写在最后
LLM 在测试领域的价值，不是替代测试工程师，而是放大测试工程师的能力。
它擅长：
✅ 重复性工作（写脚本、改用例、造数据） ✅ 信息整理（分析日志、写文档） ✅ 快速生成初稿
它不擅长：
❌ 测试策略设计 ❌ 业务逻辑理解 ❌ 复杂场景判断
最好的使用方式：AI生成初稿 → 人工审核优化 → 最终使用。
把省下来的时间，用在更核心的测试设计和缺陷挖掘上，它不香吗？
你在测试工作中用 LLM 做什么？有什么好用场景评论区聊聊～
