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
|
23天前
|
人工智能 数据可视化 测试技术
AI测试平台自动遍历:低代码也能玩转全链路测试
AI测试平台的自动遍历功能,通过低代码配置实现Web和App的自动化测试。用户只需提供入口链接或安装包及简单配置,即可自动完成页面结构识别、操作验证,并生成可视化报告,大幅提升测试效率,特别适用于高频迭代项目。
|
27天前
|
人工智能 JavaScript 算法
Playwright携手MCP:AI智能体实现自主化UI回归测试
MCP 协议使得 AI 能够通过 Playwright 操作浏览器,其中快照生成技术将页面状态转化为 LLM 可理解的文本,成为驱动自动化测试的关键。该方式适用于探索性测试和快速验证,但目前仍面临快照信息缺失、元素定位不稳定、成本高、复杂场景适应性差以及结果确定性不足等挑战。人机协同被认为是未来更可行的方向,AI 负责执行固定流程,人类则专注策略与验证。
|
9天前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
108 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
如何让AI更“聪明”?VLM模型的优化策略与测试方法全解析​
本文系统解析视觉语言模型(VLM)的核心机制、推理优化、评测方法与挑战。涵盖多模态对齐、KV Cache优化、性能测试及主流基准,助你全面掌握VLM技术前沿。建议点赞收藏,深入学习。
190 8
|
10天前
|
人工智能 自然语言处理 前端开发
深度解析Playwright MCP:功能、优势与挑战,AI如何提升测试效率与覆盖率
Playwright MCP通过AI与浏览器交互,实现自然语言驱动的自动化测试。它降低门槛、提升效率,助力测试工程师聚焦高价值工作,是探索性测试与快速验证的新利器。
|
22天前
|
人工智能 数据可视化 测试技术
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
AI 时代 API 自动化测试实战:Postman 断言的核心技巧与实战应用
265 11
|
29天前
|
数据采集 传感器 人工智能
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
没有大数据,哪来人工智能?——聊聊“大数据喂养下的AI进化史”
81 6
|
16天前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
25天前
|
人工智能 自然语言处理 测试技术
AI测试平台的用例管理实践:写得清晰,管得高效,执行更智能
在测试过程中,用例分散、步骤模糊、回归测试效率低等问题常困扰团队。霍格沃兹测试开发学社推出的AI测试平台,打通“用例编写—集中管理—智能执行”全流程,提升测试效率与覆盖率。平台支持标准化用例编写、统一管理操作及智能执行,助力测试团队高效协作,释放更多精力优化测试策略。目前平台已开放内测,欢迎试用体验!
|
1月前
|
人工智能 JavaScript 测试技术
当Playwright遇见MCP,AI智能体实现自主化UI回归测试
本文探讨如何通过Model Context Protocol(MCP)让AI智能体驱动Playwright实现端到端自动化测试。重点解析快照技术的实现原理与实战流程,同时深入剖析其在信息丢失、元素定位、成本效率及逻辑复杂性等方面的现实挑战。

热门文章

最新文章