探索人工智能在测试领域的新纪元:AI编写测试用例的前景

简介: 本文介绍了测试用例的重要性及其基本组成元素,如模块、标题、前置条件等。通过实践演练展示了如何利用ChatGPT自动生成测试用例,包括关键词精确匹配、模糊匹配、异常输入和搜索结果为空的场景。通过向ChatGPT提供详细需求和格式规范,可以得到Markdown格式的测试用例,然后导入Excel进行归档。关键在于清晰阐述需求、逐步细化任务,并对ChatGPT的回复进行调整优化。

简介

测试用例是测试人员的核心工作内容,是测试人员思想的“实现类”,其充分体现了测试的思路,可以为后续的测试行为提供指导,是测试人员了解业务的重要根据和质量之根本。如果测试用例设计得不完成,出现了遗漏,那么通常是会出现大家不想看到的后果,如漏测、线上 Bug 不断等。——引用自《饿了么质量体系搭建实战》

一个测试用例通常包含以下要素:

  • 测试模块
  • 测试标题
  • 前置条件
  • 测试步骤
  • 预期结果
  • 实际结果

当然,有些测试用例可能还包含执行人等,可以根据自己的公司的需求,定义好测试用例的格式要求。

实践演练

那么如何让 ChatGPT 自动生成测试用例呢?

  1. 要把对应的需求信息给到 ChatGPT。
  2. 规定好用例的格式。
  3. 规定好用例的输出格式,减少调整的成本。

假设以下是我们的需求内容:

在 Web 界面上添加一个搜索按钮,要求能够做到关键词精确匹配与模糊匹配。

那么我们的提示词可以如此编写:

  • 提示词:我是一个测试工程师,这是我收到的需求信息:在 Web 界面上添加一个搜索按钮,要求能够做到关键词精确匹配与模糊匹配。要求根据以上的需求生成测试用例。要求测试用例包含以下信息:测试模块、测试标题、前置条件、测试步骤、预期结果、实际结果。测试用例输出的格式使用 markdown 的表格格式
根据您提供的需求,以下是两个测试用例示例,分别覆盖了关键词精确匹配和模糊匹配。测试用例的格式采用Markdown表格格式。
### 测试用例 1:关键词精确匹配
| 测试模块   | 测试标题         | 前置条件                 | 测试步骤                                   | 预期结果                     | 实际结果                     ||------------|------------------|--------------------------|--------------------------------------------|------------------------------|------------------------------|| 搜索按钮   | 关键词精确匹配   | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入关键词<br>4. 执行搜索 | 出现与关键词精确匹配的结果   | 实际结果与预期结果相符         |
### 测试用例 2:模糊匹配
| 测试模块   | 测试标题       | 前置条件                 | 测试步骤                                     | 预期结果                 | 实际结果                 ||------------|----------------|--------------------------|----------------------------------------------|--------------------------|--------------------------|| 搜索按钮   | 模糊匹配       | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入模糊关键词<br>4. 执行搜索 | 出现与关键词模糊匹配的结果 | 实际结果与预期结果相符   |
请根据您的具体需求进行适当的调整,并创建更多的测试用例,覆盖更多可能的情况,例如异常输入、搜索结果为空等情况。

我们需要将测试用例整合起来,这样好做用例的归档处理,可以进一部分输入我们的提示词

-   提示词:请帮我将这两个表格整合起来,并且在表格内补充异常输入、搜索结果为空的用例。
| 测试模块   | 测试标题         | 前置条件                 | 测试步骤                                   | 预期结果                     | 实际结果                     ||------------|------------------|--------------------------|--------------------------------------------|------------------------------|------------------------------|| 搜索按钮   | 关键词精确匹配   | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入关键词<br>4. 执行搜索 | 出现与关键词精确匹配的结果   | 实际结果与预期结果相符         || 搜索按钮   | 模糊匹配         | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入模糊关键词<br>4. 执行搜索 | 出现与关键词模糊匹配的结果   | 实际结果与预期结果相符         || 搜索按钮   | 异常输入         | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入特殊字符<br>4. 执行搜索 | 显示输入格式错误提示         | 实际结果与预期结果相符         || 搜索按钮   | 搜索结果为空     | Web界面已加载             | 1. 打开Web界面<br>2. 定位搜索按钮并点击<br>3. 输入不存在的关键词<br>4. 执行搜索 | 显示无匹配结果提示           | 实际结果与预期结果相符         |

以上就是整合后的 ChatGPT 的回复,我们只需要将 Markdown 格式的用例,粘贴到 excel 中,即可将测试用例进行归档。

总结

在这次实践中,我们使用了 ChatGPT 提示词的以下技巧:

  1. 写清楚需求:要把对应的需求信息给到 ChatGPT;规定好用例的输出格式,减少调整的成本。
  2. 系统的测试变化:在交互的过程中,会发现 ChatGPT 无法一次满足需求,所以可以进一步纠正它的回复,直到满意为止。
  3. 提供参考文本:规定好用例的格式。
  4. 将复杂的任务拆分为更简单的子任务。
相关文章
|
17天前
|
数据挖掘 测试技术 项目管理
2025年测试用例管理看这一篇就够了 ----Codes 开源免费、全面的测试管理解决方案
Codes 是国内首款重新定义 SaaS 模式的开源项目管理平台,支持云端认证、本地部署、全部功能开放,并且对 30 人以下团队免费。它通过整合迭代、看板、度量和自动化等功能,简化测试协同工作,使敏捷测试更易于实施。并提供低成本的敏捷测试解决方案,如同步在线离线测试用例、流程化管理缺陷、低代码接口自动化测试和 CI/CD,以及基于迭代的测试管理和测试用时的成本计算等,践行敏捷测试。
2025年测试用例管理看这一篇就够了 ----Codes 开源免费、全面的测试管理解决方案
|
21天前
|
人工智能 自动驾驶 机器人
AI元年:2024年人工智能发展大事纪
3分钟了解2024年人工智能AI领域都发生了哪些改变我们生活和生产方式的大事儿。
137 2
AI元年:2024年人工智能发展大事纪
|
21天前
|
人工智能 自然语言处理 算法
打破AI信息差:2024年20款好用的人工智能工具大盘点
本文带你了解20款值得一试的AI工具,帮助你在内容创作、图像设计、音频视频编辑等领域提高效率、激发创意。
157 1
打破AI信息差:2024年20款好用的人工智能工具大盘点
|
18天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与情感计算:AI如何理解人类情感
人工智能与情感计算:AI如何理解人类情感
119 20
|
28天前
|
数据采集 人工智能 自然语言处理
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
Midscene.js 是一款基于 AI 技术的 UI 自动化测试框架,通过自然语言交互简化测试流程,支持动作执行、数据查询和页面断言,提供可视化报告,适用于多种应用场景。
264 1
Midscene.js:AI 驱动的 UI 自动化测试框架,支持自然语言交互,生成可视化报告
|
26天前
|
人工智能 安全 搜索推荐
新手指南:人工智能poe ai 怎么用?国内使用poe记住这个方法就够了!
由于国内网络限制,许多用户在尝试访问Poe AI时面临障碍。幸运的是,现在国内用户也能轻松畅玩Poe AI,告别繁琐的设置,直接开启AI创作之旅!🎉
141 13
|
1月前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
2月前
|
机器学习/深度学习 人工智能 监控
探索人工智能的伦理困境:我们如何确保AI的道德发展?
在人工智能(AI)技术飞速发展的今天,其伦理问题也日益凸显。本文将探讨AI伦理的重要性,分析当前面临的主要挑战,并提出相应的解决策略。我们将通过具体案例和代码示例,深入理解如何在设计和开发过程中嵌入伦理原则,以确保AI技术的健康发展。
76 11
|
28天前
|
存储 机器学习/深度学习 人工智能
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
科技云报到:人工智能时代“三大件”:生成式AI、数据、云服务
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
智能化软件测试:AI驱动的自动化测试策略与实践####
本文深入探讨了人工智能(AI)在软件测试领域的创新应用,通过分析AI技术如何优化测试流程、提升测试效率及质量,阐述了智能化软件测试的核心价值。文章首先概述了传统软件测试面临的挑战,随后详细介绍了AI驱动的自动化测试工具与框架,包括自然语言处理(NLP)、机器学习(ML)算法在缺陷预测、测试用例生成及自动化回归测试中的应用实例。最后,文章展望了智能化软件测试的未来发展趋势,强调了持续学习与适应能力对于保持测试策略有效性的重要性。 ####

热门文章

最新文章