AI写测试用例?我拿真实项目验证了

最近身边不少测试同学都在问我一个问题：

*“AI现在都能写测试用例了，那测试工程师是不是又要被优化一波？”*

我听完一般会先沉默三秒。

不是因为问题太尖锐，而是因为这个问题问得有点像：

“有了电饭煲，厨师是不是都要失业了？”

电饭煲确实会煮饭。

但你让它做一桌年夜饭试试？

所以我没有直接下结论，而是拿了一个真实项目做了次验证。

项目细节不能展开，下面做了脱敏处理。你可以理解成一个典型的后台配置类需求：有页面、有接口、有权限、有状态流转，还有一堆产品经理藏在角落里的“默认规则”。

今天就聊聊：AI写测试用例到底靠不靠谱？它能替你干什么，又绝对不能交给它什么。

先说结论：AI能写，但别让它独立写

我这次验证完，结论很明确：

*AI不是测试用例负责人，它更像一个刚入职、手速很快、态度很好、但还不懂业务的测试实习生。*

它有三个明显优点：

1.生成快，真的快；

2.覆盖基础场景不差；

3.能帮你打破“我是不是漏了点什么”的思维盲区。

但它也有三个硬伤：

4.不懂真实业务风险；

5.容易写“看起来很完整”的废话用例；

6.对历史坑、隐性规则、跨模块影响基本没感觉。

一句话：

*AI适合做用例初稿，不适合做最终测试设计。*

你可以让它铺地板，但房子的承重墙还得你自己看。

我是怎么验证的？

这次我选了一个真实项目里的功能点，特征大概是这样：

·有后台配置页面；

·有新增、编辑、查询、删除等常规操作；

·有角色权限控制；

·有接口参数校验；

·有状态流转；

·有历史兼容逻辑；

·有少量异常场景，比如重复提交、脏数据、网络失败。

说人话就是：

*不算特别复杂，但足够代表大多数业务测试的日常。*

我做了三轮实验。

第一轮：只给一句需求标题

Prompt大概是：

请根据“后台配置管理功能”生成测试用例。

结果不出意外，AI写得非常“标准答案”：

·新增成功；

·编辑成功；

·删除成功；

·查询成功；

·必填项为空；

·输入超长；

·无权限访问；

·网络异常。

你看，不能说错。

但问题是：这套用例放到任何一个后台系统里都像对的。

它不像是为这个需求写的，更像是从“测试用例八股文大全”里拷出来的。

第一轮结果：

看上去有43条，挺丰满。

仔细一看，很多是“水分肌肉”。

第二轮：给它需求文档和接口信息

第二轮我认真了一点，把脱敏后的需求说明、字段规则、接口参数、权限说明都喂给了AI。

这次效果明显好了。

它开始能写出一些更贴近业务的东西，比如：

·字段A在状态X下不可编辑；

·字段B为空时走默认值；

·管理员和普通成员看到的操作按钮不同；

·保存成功后列表页需要同步刷新；

·接口返回异常码时前端提示是否正确。

这一轮我心里稍微点了点头：

嗯，像个能干活的实习生了。

第二轮结果：

可用率明显提升。

但很快问题也暴露了：

*AI会认真阅读你给它的材料，但它不会质疑材料。*

需求文档没写的，它默认不存在。

接口文档没标的，它不会主动怀疑。

产品经理口头说过的“这个地方沿用老逻辑”，它完全不知道。

而测试最值钱的地方，偏偏经常就在这些“文档没写”的缝里。

第三轮：加入历史Bug和测试经验

第三轮，我把历史缺陷、线上问题、类似模块踩过的坑也补充进去。

比如：

·之前有过重复提交导致数据重复的问题；

·某个字段曾经出现过前后端长度限制不一致；

·角色权限曾经出现过缓存未刷新；

·编辑保存后，旧配置对存量数据仍然生效；

·多人同时操作时，后保存的人会覆盖前一个人的修改。

这轮之后，AI终于开始“像测试”了。

它补出了不少风险场景：

·连续点击保存按钮是否会重复提交；

·多端同时编辑同一条配置时如何处理；

·权限变更后是否立即生效；

·历史数据是否兼容新字段；

·接口超时后前端是否允许重复操作；

·删除配置后关联数据是否异常。

这就有点意思了。

第三轮结果：

注意，效果提升的关键不在于“AI变聪明了”。

而是：我给它的上下文变值钱了。

AI写用例的质量，不取决于你问得有多客气，而取决于你喂进去的信息有没有质量。

AI写得最好的部分：基础覆盖

这次验证里，AI最稳定的是基础场景。

比如：

·正常新增；

·正常编辑；

·查询筛选；

·删除确认；

·必填校验；

·长度限制；

·格式校验；

·权限按钮展示；

·接口异常提示。

这些场景它写得又快又全。

如果让一个测试同学从0开始整理，可能要半小时到一小时。

AI几分钟就能给你一个不错的初稿。

所以我觉得，以后测试写基础用例，不用AI其实有点浪费。

这就像你明明有洗衣机，还非要蹲在盆边手搓袜子。

精神可嘉，但没必要。

AI写得最差的部分：业务风险

但一到业务风险，AI就开始露怯。

举个例子。

需求里有一个配置项，表面上只是“是否开启某能力”。

AI会写：

·开启成功；

·关闭成功；

·开启后状态展示正确；

·关闭后状态展示正确。

看起来没问题。

但真实项目里，这个开关背后会影响好几个下游模块。

它会影响存量数据怎么展示；

会影响接口是否返回某些字段；

会影响不同角色是否还能继续操作；

甚至会影响灰度用户和全量用户看到的结果是否一致。

这些AI第一版完全没写。

为什么？

因为这不是“字段校验”问题，这是“业务理解”问题。

*AI擅长根据文字补全测试点，但它不擅长根据系统关系推导风险。*

而中高级测试最值钱的地方，恰恰就是这件事。

AI最容易制造的幻觉：看起来很完整

这点特别值得警惕。

AI写出来的用例通常排版整齐、分类清楚、语气专业。

乍一看：

哇，好全面。

再仔细看：

嗯？怎么全是正确的废话？

比如它会写：

·验证用户点击保存按钮后系统正常保存；

·验证输入合法数据后页面展示正确；

·验证异常情况下系统给出合理提示。

这些不是不能写。

但问题是：它没有告诉你什么叫合法，什么叫正确，什么叫合理。

这种用例最大的危险是：

*它让你误以为自己已经覆盖了，但实际上你只是拥有了一份漂亮的目录。*

测试用例不是为了凑条数。

测试用例的价值在于：它能不能指导执行，能不能暴露风险，能不能帮助团队做质量判断。

否则100条“验证功能正常”，还不如5条打中命门的风险用例。

那到底该怎么用AI写测试用例？

我现在的建议是：把AI放在三个位置。

1. 用它生成初稿

不要再从空白文档开始憋用例了。

你可以直接让AI基于需求文档生成第一版。

但注意，Prompt里至少要包含这些信息：

·需求背景；

·角色权限；

·字段规则；

·接口说明；

·状态流转；

·历史限制；

·你特别关心的风险点。

别只丢一句“帮我写测试用例”。

你给它一碗清水，它最多给你煮一锅白粥。

2. 用它帮你查漏补缺

我比较推荐的问法是：

下面是我写的测试用例，请从边界值、异常流程、权限控制、历史兼容、并发操作、数据一致性六个角度帮我找遗漏。

这个问法比“帮我写用例”有用得多。

因为你已经有了测试设计，AI是在帮你做第二视角审查。

它不会替你开车，但可以坐副驾提醒你：

诶，前面那个坑你看见了吗？

3. 用它整理表达

有时候测试同学不是想不到，而是写出来太散。

AI很适合帮你做：

·用例分类；

·前置条件整理；

·测试步骤标准化；

·预期结果补全；

·Markdown/表格格式转换；

·冒烟/回归/全量用例分层。

这些工作交给AI，性价比非常高。

它不一定能决定“测什么”，但很擅长把“怎么写”变得更清楚。

我最终会怎么分工？

如果让我把AI放进真实测试流程，我会这么分：

所以别再问“AI能不能写测试用例”。

更准确的问题应该是：

*哪些用例适合AI写，哪些用例必须人来设计？*

这个问题问对了，AI就不是威胁，而是杠杆。

对测试工程师的真正提醒

这次验证最让我有危机感的，不是AI能写用例。

而是：

*如果一个测试工程师的工作内容，只是根据需求文档写基础用例，那AI已经非常接近你了。*

这话不好听，但是真的。

AI现在最擅长替代的，就是这些工作：

·需求转测试点；

·常规边界值；

·标准异常流；

·用例格式整理；

·测试数据生成；

·自动化脚本初稿。

如果你的价值只在这里，那确实危险。

但反过来，如果你能做到：

·看懂需求背后的业务风险；

·知道系统之间的依赖关系；

·能从历史问题里提炼测试策略；

·能判断哪些地方值得测深，哪些地方点到为止；

·能把质量风险讲给产品、开发和老板听懂；

那AI不是来抢你饭碗的。

它是来帮你把体力活卸掉的。

*测试工程师真正要升级的，不是写用例的速度，而是设计质量保障方案的能力。*

最后说句实在话

AI写测试用例这件事，不神，也不废。

你把它当大师，它会翻车。

你把它当废物，你会落后。

最合理的用法是：

*把AI当成一个很快的初级测试，让它先写、先整理、先查漏，然后由你来判断、裁剪、补风险。*

以前写用例，很多人是从0到1。

以后更合理的方式是：

AI从0写到60分，测试工程师从60分打磨到90分。

至于最后那10分？

靠的是业务理解、系统经验和踩坑后的直觉。

这些东西，AI暂时还没有。

也正因为如此，测试工程师还没到下桌的时候。

但如果你还坐在桌边，只会把需求翻译成用例，那就真的要小心了。

💬 评论区来聊：你现在写测试用例会用AI吗？是觉得真香，还是觉得它一本正经地胡说八道？

👉 如果你身边有人还在纠结“AI会不会取代测试”，可以把这篇转给他。别吓他，也别哄他，先让他知道AI到底能干到哪一步。

关注「质量黑盒」，一个资深测试的真话输出站。每周一篇，不装、不卷、不贩卖焦虑——只聊踩过坑之后的真东西。