夜雨聆风阿发聊测试
测试工程师用AI的5个高级姿势，99%的人都不知道！
同样的AI，不同人用效果差10倍——差距不在工具，在用法。
你好，我是阿发。
前两天有个读者跟我说："阿发，我也在用AI啊，但感觉就是让它帮我写写用例、查查报错信息，没啥特别的效果。"
我问他你怎么用的，他说就是打开ChatGPT，把需求文档贴进去，说"帮我写测试用例"，然后复制粘贴。
兄弟，这不叫用AI，这叫被AI用。
说实话，我见过太多测试同学用AI的方式还停留在"聊天"阶段——问一句答一句，跟搜索引擎没区别。但真正厉害的人，早就把AI变成了自己工作流的"外挂"，效率翻3倍都不止。
今天我把这大半年自己摸索和从同行那里学到的5个高级用法全部分享出来，每个都附带了普通用法vs高级用法的对比，看完你就能直接上手。
SECTION 01
先说个扎心的事实：同样的AI，不同人用效果差10倍
我最近观察了身边十几个测试同事用AI的方式，发现一个很明显的分水岭——
大部分人用AI，就像用计算器：你输入1+1，它告诉你等于2。你问什么它答什么，效率提升也就10%-20%，聊胜于无。
但少数人用AI，是把它当成一个初级测试搭档：给它上下文、给它约束、给它反馈，让它输出的东西从60分提到90分，然后自己补最后10分。这种用法，效率提升是3-5倍起步。
差距不在AI，在用法。
核心原则只有一个：AI输出的质量，取决于你输入的质量。你喂给它垃圾，它吐出来的也是垃圾。你给它精准的上下文和约束，它就能干出让你惊讶的活。
SECTION 02
5个高级姿势，逐个拆解
1用AI做"测试策略设计"，而不只是"写测试用例"
这是我觉得最被低估的用法。大部分人让AI写用例，直接说"帮我写登录模块的测试用例"，出来的全是等价类、边界值这种教科书式的东西，看着多，关键场景一个没有。
具体怎么操作？你可以这样给Prompt：
1. 给AI完整的业务背景和需求描述，而不是一句话
2. 先问"这个需求风险最高的5个测试场景是什么，为什么"
3. 针对它输出的高风险场景，再让它补充详细的测试步骤
4. 最后再让它补充正常流程和边界值用例
关键点：先让AI帮你"想"而不是"写"。策略对了，用例才有价值。策略不对，写1000条也是白搭。
2用AI做"代码Review + 缺陷预测"，而不只是"看报错信息"
说实话，大部分测试同学不看代码，或者说看了也看不出问题。但现在AI能帮你做一件很厉害的事——在代码提交阶段就预判哪里可能出bug。
我前阵子试了一下，把我们一个支付模块的代码改动丢给AI，它直接指出了3个问题：
▪ 金额计算用了浮点数，可能有精度丢失——这个我确实没注意到
▪ 并发场景下没加分布式锁，可能出现超卖——正好是之前出过P0事故的类型
▪ 异常捕获太宽泛，catch了Exception但没有记录具体错误信息——线上排查会抓瞎
这3个问题，2个是我人工Review可能忽略的。AI不会替代你Review代码，但它能帮你发现你容易忽略的盲区。
关键点：不需要你看懂每一行代码，把代码diff给AI，让它从测试视角帮你"挑刺"。这是测试左移最落地的做法。
3用AI做"接口自动化框架生成"，而不只是"写单条接口脚本"
很多人用AI写接口测试，就是"帮我写一个登录接口的测试脚本"。一条一条来，效率低不说，维护成本还高。
高级用法是什么？让AI帮你搭建整个框架。
我用这个方法，半天就搭好了一个接口自动化框架的骨架，包括：
▪ 配置层：yaml管理多环境切换
▪ 鉴权层：conftest自动获取token
▪ 数据层：excel驱动测试数据
▪ 报告层：Allure集成，失败自动截图
▪ 工具层：数据库清理、日志封装
以前从零搭建这套东西，没个一周搞不定。现在半天出骨架，再用两天精调，效率提升至少5倍。
关键点：不要让AI帮你做重复劳动，让它帮你搭建"让重复劳动消失"的框架。这才是真正的提效。
4用AI做"线上问题快速定位"，而不只是"搜索报错关键词"
线上出bug了，你一般怎么排查？大部分人就是看日志、搜报错关键词、然后凭经验猜。
但如果你把完整的上下文给AI，它的定位能力会让你大吃一惊。
上个月我们线上一个接口偶发超时，开发查了半天没头绪。我把接口的请求参数、报错日志、数据库慢查询记录一起给了AI，它直接告诉我："大概率是这条SQL没有走索引，当数据量超过50万时会触发全表扫描"。
开发一查，果然如此。加了个复合索引，问题当场解决。
当然，AI不是每次都准。但它能在3秒内给你3-5个排查方向，你自己可能要想半小时。哪个效率高，不用我多说吧。
关键点：喂给AI的信息越完整，它的分析越靠谱。别只给一行报错，把请求、响应、日志、代码一起给它，它才能真正帮你定位问题。
5用AI做"测试报告和文档自动生成"，而不只是"凑字数"
测试报告、测试计划、风险分析文档——这些是测试同学最头疼的事。不是不会写，是真的烦，又费时间又没什么技术含量。
但大部分人让AI写报告的方式也不对：直接说"帮我写一份测试报告"，出来的全是模板化的空话，连你自己都不想看。
我现在的做法是这样的：
1. 测试执行阶段，把每天的测试结果记录下来（通过/失败/阻塞数量）
2. 缺陷列表导出来，包含严重等级、模块分布、解决进度
3. 把这些真实数据丢给AI，让它生成分析维度：哪些模块风险最高、哪些缺陷可能阻塞上线、测试覆盖率够不够
4. 最后再让人过一遍，补充AI不了解的业务判断
以前写一份像样的测试报告要半天，现在40分钟搞定。省下来的时间去干点真正有技术含量的事不好吗？
关键点：AI写报告的秘诀是"数据驱动"。你给它空话它也给你空话，你给它真实数据它就能给你真实分析。把执行阶段的数据沉淀下来，这是AI最好的燃料。
SECTION 03
说点实话：AI不是万能的，这些坑别踩
说了这么多高级用法，我也得泼点冷水。AI用不好，比不用还坑。
坑1：盲目信任AI输出的用例
AI生成的用例看着多、看着全，但遗漏关键业务场景是常态。尤其涉及多个系统交互、业务规则叠加、状态流转的场景，AI大概率覆盖不全。
所以记住一个原则：AI生成的是初稿，不是终稿。你必须在AI输出的基础上做补充和Review，这才是你的价值所在。
坑2：用AI生成但不理解生成的内容
这是最危险的。AI帮你生成了框架、脚本、用例，你直接用但完全不理解里面的逻辑。出了问题你排查不了，改也改不动。
AI生成的东西，你必须能看懂、能改、能维护。如果做不到，那这不是你的工具，这是你的地雷。
坑3：只顾着效率，忘了质量
AI帮你快速产出了大量用例和脚本，但你没有认真Review就提交了，结果漏测了关键bug。这种事已经发生过了，而且不止一次。
效率提升的前提是质量不打折。AI加速的是产出速度，但质量的把关必须还是人。
总结一句话：AI是工具，不是替代品。用好它你如虎添翼，乱用它你自掘坟墓。
SECTION 04
最后给你一个行动清单
光看不练等于没看。我给你列个清单，这周就能开始做：
1. 今天开始，每次让AI写用例之前，先让它输出"测试策略"——风险最高的场景是什么
2. 这周找一次代码提交，把diff丢给AI做缺陷预测，对比你自己Review的结果
3. 找一个你正在维护的接口自动化项目，用AI帮你重构一下框架结构
4. 下次线上出问题，试试把完整上下文喂给AI，看它的分析方向跟你差多少
5. 这周的测试报告，用真实数据+AI生成，看看能省多少时间
不要5个全做，先挑1-2个试起来。等你尝到甜头了，自然会用得越来越深。
我自己的感受是：会用AI的测试和不会用的测试，半年后差距会大到不是一个段位。不是AI淘汰你，是会用AI的同行淘汰你。
工具在手里，差距在脑子里
同样的AI，不同的天花板
既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
关于软件测试转行、offer选择、简历修改等，可通过公众号菜单栏添加我微信私信交流。需要学习资料也可以私信！
最后，阿发建了一个测试互助群，主要是各种行业测试工程师交流工作机会。扫码直接进群。群链接失效也可以扫描最下方二维码添加阿发微信，备注【进群】直接拉
