如何让AI辅助测试人员，快速完成自动化测试

可以把 AI 当成“自动化测试助理”，让它负责生成初稿、补齐边界、改造脚本、分析失败，测试人员负责确认业务规则、把控风险、维护质量。落地可以按下面这套流程。

1. 先准备好 AI 输入材料

AI 生成自动化测试的质量，取决于你给它的信息质量。

建议准备：

• 需求文档
• 原型或页面截图
• 接口文档
• 数据库字段说明
• 业务规则
• 测试用例
• 历史缺陷
• 代码仓库或接口返回示例
• 自动化框架规范

例如：

我要为订单创建功能生成接口自动化测试。
请基于以下信息输出 pytest 测试脚本：
1. 接口路径：POST /api/orders
2. 请求字段：productId、quantity、addressId、couponId
3. 业务规则：库存不足不能下单；数量必须大于0；优惠券过期不能使用
4. 返回码规则：成功200，参数错误400，未登录401，库存不足409
5. 使用 pytest + requests
6. 请包含正常场景、异常场景、边界场景

2. 用 AI 快速生成测试点

在写自动化前，先让 AI 帮你拆测试点，避免直接生成脚本导致遗漏场景。

提示词：

你是资深测试专家。
请根据以下需求，生成自动化测试点。
要求：
1. 按正常场景、异常场景、边界场景、安全场景分类
2. 标注优先级 P0/P1/P2
3. 标注是否适合自动化
4. 输出表格
需求如下：
……

AI 可以快速输出类似：

测试人员再筛选核心场景，避免自动化用例过多、维护成本过高。

3. 用 AI 生成接口自动化脚本

接口自动化最适合 AI 辅助，因为结构清晰、稳定性高。

例如让 AI 生成 pytest + requests：

请基于以下接口文档生成 pytest 接口自动化脚本。
要求：
1. 使用 requests
2. 使用 fixture 管理 token
3. 使用参数化覆盖多个异常场景
4. 断言状态码、业务 code、关键返回字段
5. 测试数据不要写死，封装为变量
6. 输出完整代码
接口文档：
……

AI 生成后，测试人员重点检查：

• 断言是否准确
• 是否只断状态码，缺少业务断言
• 测试数据是否可靠
• 是否需要清理数据
• 是否有环境配置
• 是否存在依赖顺序

4. 用 AI 生成 UI 自动化脚本

UI 自动化适合覆盖核心路径，不适合大量细碎页面。

可以让 AI 生成 Playwright / Selenium 脚本。

提示词示例：

请使用 Playwright + TypeScript 生成 UI 自动化测试。
场景：用户登录后创建订单。
要求：
1. 使用 Page Object 模式
2. selector 优先使用 data-testid
3. 包含登录、选择商品、提交订单、校验订单创建成功
4. 增加等待策略，避免使用固定 sleep
5. 输出 login.page.ts、order.page.ts、order.spec.ts

生成后重点审查：

• 是否使用稳定定位符
• 是否存在 sleep
• 是否有页面等待
• 是否有清晰断言
• 是否把业务流程封装成 Page Object
• 是否便于后续维护

5. 用 AI 把手工用例转成自动化用例

如果已有手工测试用例，可以直接让 AI 转换。

提示词：

请将以下手工测试用例转换为 pytest 自动化测试脚本。
要求：
1. 保留用例标题
2. 将前置条件转换为 fixture
3. 将操作步骤转换为请求调用
4. 将预期结果转换为断言
5. 对多个输入组合使用 pytest.mark.parametrize
6. 输出代码和必要说明

手工用例：
……

这样可以快速从手工资产迁移到自动化资产。

6. 用 AI 生成测试数据

自动化最耗时间的是测试数据准备，AI 可以辅助设计数据组合。

提示词：

请为用户注册接口设计测试数据。
字段包括：手机号、密码、验证码、邀请码。
要求：
1. 覆盖有效、无效、边界、空值、格式错误、重复注册
2. 输出 JSON 数组
3. 每条数据包含 caseName、requestBody、expectedCode、expectedMessage

注意测试人员要确认：

• 数据是否符合真实业务规则
• 是否会污染环境
• 是否需要执行后清理
• 是否涉及敏感信息
• 是否需要动态生成唯一值

7. 用 AI 生成 Mock 和接口桩

当依赖系统不稳定时，可以让 AI 生成 Mock，提升自动化稳定性。

例如：

请使用 WireMock 生成以下支付回调接口的 mock 配置。
要求：
1. 支持支付成功、支付失败、重复回调、签名错误四种场景
2. 输出 mapping JSON
3. 返回字段符合以下接口文档

适用场景：

• 支付系统
• 第三方登录
• 短信服务
• 物流接口
• 风控服务
• 外部银行接口

8. 用 AI 分析自动化失败原因

自动化跑失败后，不要只看截图和日志，可以把错误信息交给 AI 分析。

提示词：

以下是 Playwright 自动化失败日志、截图描述和测试代码。
请帮我分析失败原因。
要求：
1. 判断是产品缺陷、脚本问题、环境问题还是数据问题
2. 给出定位思路
3. 给出修复建议
4. 如果是脚本问题，请指出代码修改点

失败日志：
……
测试代码：
……

AI 可以帮助快速判断：

• 元素定位失败
• 等待时机不对
• 接口超时
• 测试数据不存在
• 登录态失效
• 断言不合理
• 页面实际出现 Bug

9. 用 AI 做代码审查和脚本优化

自动化脚本不能只追求“能跑”，还要可维护。

可以让 AI 审查：

请审查以下自动化测试代码。
重点检查：
1. 是否存在硬编码
2. 是否存在不稳定等待
3. 断言是否充分
4. 是否有重复代码
5. 数据清理是否完整
6. 是否符合 Page Object / fixture 规范
7. 给出优化后的代码

重点优化方向：

• 抽取公共登录逻辑
• 抽取 API Client
• 使用配置文件管理环境
• 使用 fixture 管理前置条件
• 使用参数化减少重复
• 增加数据清理
• 增强断言
• 替换固定等待

10. 推荐落地流程

可以按这条流水线落地：

需求/接口文档
↓
AI 生成测试点
↓
测试人员评审风险和优先级
↓
AI 生成自动化脚本初稿
↓
测试人员补充断言和测试数据
↓
AI 优化代码结构
↓
接入 CI/CD
↓
AI 分析失败日志
↓
测试人员确认缺陷或维护脚本

11. 自动化优先级建议

时间紧时，不要什么都自动化，优先做这些：

优先自动化

• 接口回归测试
• 核心业务主流程
• 权限校验
• 数据一致性校验
• 高频回归场景
• 历史高频缺陷场景
• 稳定的页面核心路径

暂缓自动化

• 频繁变动的 UI
• 一次性活动页面
• 强依赖人工判断的视觉效果
• 复杂验证码
• 不稳定第三方依赖
• 低频、低价值场景

12. 常用提示词模板

生成测试点

你是资深测试专家。
请根据以下需求生成自动化测试点。
要求：
1. 按正常、异常、边界、安全、兼容性分类
2. 标注优先级
3. 标注是否适合自动化
4. 输出表格
需求如下：
……

生成接口自动化

请基于以下接口文档生成 pytest + requests 自动化测试代码。
要求：
1. 使用 fixture 管理登录 token
2. 使用参数化覆盖异常场景
3. 断言状态码、业务 code、message、关键字段
4. 测试数据独立可维护
5. 包含数据清理逻辑
接口文档如下：
……

生成 UI 自动化

请使用 Playwright + TypeScript 生成 UI 自动化测试。
要求：
1. 使用 Page Object 模式
2. selector 优先使用 data-testid
3. 不使用固定 sleep
4. 对关键步骤增加断言
5. 输出页面对象和测试用例代码
场景如下：
……

分析失败日志

请分析以下自动化测试失败日志。
要求：
1. 判断失败类型：产品缺陷/脚本问题/环境问题/数据问题
2. 说明判断依据
3. 给出修复建议
4. 如需修改脚本，请给出修改代码
日志如下：
……

13. 注意事项

AI 可以提高效率，但不能完全替代测试判断。

需要特别注意：

• 不要直接信任 AI 生成的断言
• 不要把生产账号、密钥、Token 发给 AI
• 不要让 AI 随意生成破坏性测试数据
• 不要自动化低价值场景
• 不要忽略数据清理
• 不要只测正常流程
• 不要只断言 HTTP 状态码
• 不要让 UI 自动化大量依赖脆弱 XPath
• 不要把 AI 生成脚本直接合入主分支，必须 Review

14. 最佳实践总结

AI 辅助自动化测试的最佳模式是：

AI 负责提效：
生成测试点、脚本初稿、测试数据、Mock、日志分析、代码优化

测试人员负责把关：
业务规则、风险判断、断言正确性、数据安全、用例价值、上线质量

一句话总结：

让 AI 做重复性、结构化、初稿型工作，让测试人员专注于风险识别、业务判断和质量决策。