RunnerGo技术博客 -  <h4 class="wp-block-heading">AI辅助测试实战指南 – 大语言模型如何改变测试工作方式</h4>

测试技术

AI辅助测试实战指南 – 大语言模型如何改变测试工作方式

AI测试探索者 2026年07月20日 12分钟阅读

作者：AI测试探索者 | 发布时间：2026年7月20日

前言

大家好，我是AI测试探索者。

从ChatGPT横空出世到现在，大语言模型（LLM）已经深刻改变了软件开发的方式。作为测试工程师，我发现AI不仅能提升效率，更能改变我们思考测试的方式。

今天这篇文章，分享我在AI辅助测试方面的实战经验，不讲虚的理论，只讲能落地的实践。

一、AI能为测试做什么？

1.1 测试用例生成

这是最直接的应用场景。给出需求描述，AI可以帮你生成测试用例。

示例：

需求描述：

用户登录功能：
1. 支持用户名+密码登录
2. 支持手机号+验证码登录
3. 密码错误超过5次锁定账号
4. 登录成功后生成Token，有效期24小时

AI生成的测试用例：

用例编号	用例名称	前置条件	测试步骤	预期结果
TC-LOGIN-001	正确用户名密码登录	用户已注册	1.输入正确用户名 2.输入正确密码 3.点击登录	登录成功，跳转首页
TC-LOGIN-002	用户名为空	–	1.用户名留空 2.输入密码 3.点击登录	提示”请输入用户名”
TC-LOGIN-003	密码为空	–	1.输入用户名 2.密码留空 3.点击登录	提示”请输入密码”
TC-LOGIN-004	用户名不存在	–	1.输入未注册用户名 2.输入密码 3.点击登录	提示”用户不存在”
TC-LOGIN-005	密码错误	用户已注册	1.输入正确用户名 2.输入错误密码 3.点击登录	提示”密码错误”
TC-LOGIN-006	密码错误5次锁定	用户已注册	连续5次输入错误密码	账号被锁定，提示解锁方式

技巧：

需求描述越具体，生成质量越高
可以让AI补充边界值、异常场景
生成后务必人工审核，AI可能遗漏业务特例

1.2 接口测试脚本生成

AI可以根据接口文档直接生成测试脚本。

示例：接口文档

接口名称: 创建订单
URL: /api/v1/orders
方法: POST
请求头:
  Content-Type: application/json
  Authorization: Bearer {token}
请求体:
  product_id: string  # 商品ID
  quantity: integer   # 数量
  address_id: string  # 地址ID
响应:
  200:
    code: 0
    data:
      order_id: string
      total_price: number
  400:
    code: 400001
    message: "参数错误"

AI生成的Python测试脚本：

import pytest
import requests

class TestCreateOrder:
    """创建订单接口测试"""

    BASE_URL = "http://localhost:8080/api/v1"
    TOKEN = "your_test_token"

    def setup_class(self):
        """测试前置：获取Token"""
        self.headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.TOKEN}"
        }

    def test_create_order_success(self):
        """测试：正常创建订单"""
        payload = {
            "product_id": "prod_001",
            "quantity": 1,
            "address_id": "addr_001"
        }
        response = requests.post(
            f"{self.BASE_URL}/orders",
            json=payload,
            headers=self.headers
        )
        assert response.status_code == 200
        data = response.json()
        assert data["code"] == 0
        assert "order_id" in data["data"]
        assert "total_price" in data["data"]

    def test_create_order_missing_product_id(self):
        """测试：缺少商品ID"""
        payload = {"quantity": 1, "address_id": "addr_001"}
        response = requests.post(
            f"{self.BASE_URL}/orders",
            json=payload,
            headers=self.headers
        )
        assert response.status_code == 400

    def test_create_order_without_token(self):
        """测试：未授权访问"""
        payload = {"product_id": "prod_001", "quantity": 1, "address_id": "addr_001"}
        headers = {"Content-Type": "application/json"}
        response = requests.post(f"{self.BASE_URL}/orders", json=payload, headers=headers)
        assert response.status_code == 401

1.3 测试数据生成

AI可以快速生成测试所需的模拟数据。

test_users = [
    {"username": "zhangsan", "email": "zhangsan@test.com", "age": 25},
    {"username": "lisi", "email": "lisi@test.com", "age": 30},
    {"username": "wangwu", "email": "wangwu@test.com", "age": 28},
    # 边界值
    {"username": "a", "email": "a@b.c", "age": 1},  # 最小值
    {"username": "x" * 50, "email": "test@test.com", "age": 150},  # 最大值
]

1.4 Bug报告优化

AI可以帮你把模糊的Bug描述转化为规范的报告。

原始描述：

登录有问题，有时候能登，有时候登不上

AI优化后：

Bug报告：登录功能偶发性失败

严重程度： 高

重现步骤：

打开登录页面 https://example.com/login
输入用户名：testuser
输入用户密码：password123
点击登录按钮
等待响应

预期结果： 登录成功，跳转到首页

实际结果： 偶发性登录失败，提示”网络异常，请稍后重试”

复现概率： 约30%（测试10次，失败3次）

环境信息：

浏览器：Chrome 125.0.0
操作系统：Windows 11
测试时间：2026-07-20 10:30

可能原因：

后端服务不稳定
数据库连接池耗尽
网络超时配置过短

二、AI辅助测试实战技巧

2.1 提示词模板

好的提示词是获得高质量输出的关键。

测试用例生成模板：

请为以下功能生成测试用例，要求：
1. 覆盖正常流程和异常流程
2. 包含边界值测试
3. 考虑安全测试场景
4. 用表格形式输出

功能描述：
{需求描述}

输出格式：
| 用例编号 | 用例名称 | 前置条件 | 测试步骤 | 预期结果 |

2.2 常见问题与解决

问题	解决方案
AI生成的用例不完整	分批生成：先生成正常流程，再追问边界值
代码有语法错误	让AI解释代码逻辑，人工检查修复
缺少业务上下文	在提示词中补充业务背景、用户场景
生成的内容太泛	要求”请给出具体示例”、”请用代码表示”

三、AI测试工具推荐

工具	用途	特点
ChatGPT/Claude	测试用例生成、脚本生成	通用性强，需手动编写
GitHub Copilot	IDE内代码补全	提升编码效率
TestGPT	专门的测试用例生成	针对测试场景优化
Applitools	AI视觉测试	自动检测UI变化
Mabl	AI自动化测试	自愈式测试脚本

RunnerGo作为国产全栈测试平台，可以与AI辅助测试很好地结合：

用AI生成接口测试脚本 → 导入RunnerGo执行
用AI设计测试场景 → 在RunnerGo编排流程
用AI分析测试报告 → 定位问题根因

四、AI辅助测试的边界

4.1 AI不能替代的工作

工作	原因
业务理解	AI不了解你的业务特例
测试策略	需要权衡成本和风险
质量决策	AI无法承担质量责任
用户视角	AI不是真实用户

4.2 最佳实践建议

AI辅助测试的正确姿势：

✅ 用AI生成初稿，人工审核完善
✅ 用AI加速重复劳动，聚焦高价值工作
✅ 用AI学习新技术，降低学习门槛

❌ 不要100%信任AI输出
❌ 不要让AI替代你的思考
❌ 不要忽视AI的幻觉问题

五、总结

方面	传统方式	AI辅助后
用例设计	纯手工编写	AI生成初稿+人工优化
脚本开发	逐行手写	AI生成框架+细节调整
Bug报告	描述模糊	AI优化为规范报告
学习效率	查文档摸索	AI实时解答

AI不会取代测试工程师，但会取代不会用AI的测试工程师。

拥抱AI，让它成为你的效率倍增器，而不是替代者。

作者：AI测试探索者，5年测试开发经验，专注AI辅助测试实践

参考资料

《软件测试AI辅助实践》
RunnerGo官方文档：https://wiki.runnergo.cn/docs/
OpenAI GPT Best Practices：https://platform.openai.com/docs/guides/prompt-engineering
pytest官方文档：https://docs.pytest.org/

讨论话题：你在测试工作中用过AI吗？有什么心得？欢迎评论区分享！

前言