在软件测试领域，AI 的接入正在改变游戏规则。很多测试同学尝试用 AI 写用例时，往往会发现：生成的用例要么太泛，要么漏掉核心逻辑，或者根本无法执行。
这通常不是 AI 的能力问题，而是提示词（Prompt）的颗粒度问题。想要让 AI 像资深测试工程师一样思考，你需要构建一套“结构化思维”的 Prompt 框架。
一、 拒绝“一句话指令”：建立上下文感知
最失败的 Prompt 莫过于：“请帮我写一个登录功能的测试用例”。AI 无法预知你的业务规则、数据库约束或异常处理机制。
核心公式：角色设定 + 业务背景 + 技术栈 + 约束条件 + 输出格式
进阶示例：“你是一位拥有 10 年经验的资深 QA。请针对一个跨境电商订单系统的‘取消订单’功能编写测试用例。业务逻辑： 订单在支付后 30 分钟内可取消，若已发货则不可取消。技术细节： 接口返回码符合 RESTful 标准，数据库为 MySQL。要求： 覆盖等价类、边界值及异常场景（如并发取消）。”
二、 引入“测试设计方法论”
AI 默认生成的通常是正向流。要提升质量，必须在 Prompt 中显式引入测试设计模型。
等价类与边界值： 强制要求 AI 关注数值范围（如：0、1、上限值、上限值+1）。
状态转换图： 针对复杂工作流（如审批流），要求 AI 根据状态机编写路径覆盖用例。
错误猜测法： 提示 AI 思考“如果网络抖动”、“如果 Token 瞬间过期”会发生什么。
三、 结构化输出：从自然语言到可执行脚本
为了让 AI 生成的用例直接对接到你的测试管理工具（如 Jira, TestRail）或自动化框架（如 Pytest, Playwright），你需要规定输出格式。
-
表格化展现（适合手工用例）
要求 AI 使用 Markdown 表格输出，包含：ID、模块、前置条件、测试步骤、预期结果。 -
逻辑分层（适合自动化脚本）
如果你希望 AI 直接写代码，推荐使用 Page Object Model (POM) 结构。
Prompt 片段：“请使用 Python + Pytest 编写自动化用例。要求使用 POM 模式，将页面元素定位与业务逻辑分离。断言部分需包含数据库状态校验。”
四、 进阶技巧：Few-Shot Prompting（少样本提示）
AI 是优秀的模仿者。如果你觉得它写的风格不对，直接给它 1-2 个你认为“标准”的用例模板。
做法： “这是我们公司的标准用例格式：[示例 1]。请参照这个格式和颗粒度，为以下功能编写用例：[新功能描述]。”
这种方式能瞬间拉齐 AI 与你团队的文档标准。
五、 针对“异常场景”的深度挖掘
高质量用例的价值往往在于“非正常路径”。你可以通过以下 Prompt 诱导 AI 开启“破坏者模式”：
“请列出 5 个最容易被开发忽略的边缘异常场景（Edge Cases），并针对这些场景编写具体的测试步骤，重点关注接口幂等性和分布式事务的一致性。”
总结
写好测试用例 Prompt 的本质，是将你脑海中的测试经验抽象化并传递给 AI。AI 不缺知识，它缺的是你对当前业务的上下文理解。
想要尝试优化你现有的用例库吗？
如果你愿意，可以提供一个具体的功能模块描述或现有的简单用例，我可以帮你将其重构成更专业、覆盖率更高的 Prompt 模板。
人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇
关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。
学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。
我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。
在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。
同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。