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
|
26天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###
|
11天前
|
机器学习/深度学习 人工智能 算法
人工智能与医疗健康:AI如何改变生命科学
【10月更文挑战第31天】人工智能(AI)正深刻改变医疗健康和生命科学领域。本文探讨AI在蛋白质结构预测、基因编辑、医学影像诊断和疾病预测等方面的应用,及其对科研进程、医疗创新、服务效率和跨学科融合的深远影响。尽管面临数据隐私和伦理等挑战,AI仍有望为医疗健康带来革命性变革。
66 30
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
1分钟认识:人工智能claude AI _详解CLAUDE在国内怎么使用
Claude AI 是 Anthropic 开发的先进对话式 AI 模型,以信息论之父克劳德·香农命名,体现了其在信息处理和生成方面的卓越能力
|
16天前
|
人工智能 测试技术 Windows
Windows 竞技场:面向下一代AI Agent的测试集
【10月更文挑战第25天】随着人工智能的发展,大型语言模型(LLMs)在多模态任务中展现出巨大潜力。为解决传统基准测试的局限性,研究人员提出了Windows Agent Arena,一个在真实Windows操作系统中评估AI代理性能的通用环境。该环境包含150多个多样化任务,支持快速并行化评估。研究团队还推出了多模态代理Navi,在Windows领域测试中成功率达到19.5%。尽管存在局限性,Windows Agent Arena仍为AI代理的评估和研究提供了新机遇。
36 3
|
20天前
|
机器学习/深度学习 人工智能 搜索推荐
人工智能与未来医疗:AI技术如何重塑医疗健康领域###
【10月更文挑战第21天】 一场由AI驱动的医疗革命正在悄然发生,它以前所未有的速度和深度改变着我们对于疾病预防、诊断、治疗及健康管理的认知。本文探讨了AI在医疗领域的多维度应用,包括精准医疗、药物研发加速、远程医疗普及以及患者个性化治疗体验的提升,揭示了这场技术变革背后的深远意义与挑战。 ###
47 6
|
21天前
|
人工智能 自动驾驶 数据安全/隐私保护
人工智能的伦理困境:我们如何确保AI的道德发展?
【10月更文挑战第21天】随着人工智能(AI)技术的飞速发展,其在各行各业的应用日益广泛,从而引发了关于AI伦理和道德问题的讨论。本文将探讨AI伦理的核心问题,分析当前面临的挑战,并提出确保AI道德发展的建议措施。
|
21天前
|
人工智能 搜索推荐 安全
人工智能与未来社会:探索AI在教育领域的革命性影响
本文深入探讨了人工智能(AI)技术在教育领域的潜在影响和变革。通过分析AI如何个性化学习路径、提高教学效率以及促进教育资源的公平分配,我们揭示了AI技术对教育模式的重塑力量。文章还讨论了实施AI教育所面临的挑战,包括数据隐私、伦理问题及技术普及障碍,并提出了相应的解决策略。通过具体案例分析,本文旨在启发读者思考AI如何助力构建更加智能、高效和包容的教育生态系统。
|
20天前
|
机器学习/深度学习 数据采集 人工智能
探索AI驱动的自动化测试新纪元###
本文旨在探讨人工智能如何革新软件测试领域,通过AI技术提升测试效率、精准度和覆盖范围。在智能算法的支持下,自动化测试不再局限于简单的脚本回放,而是能够模拟复杂场景、预测潜在缺陷,并实现自我学习与优化。我们正步入一个测试更加主动、灵活且高效的新时代,本文将深入剖析这一变革的核心驱动力及其对未来软件开发的影响。 ###
|
27天前
|
机器学习/深度学习 人工智能 安全
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
|
27天前
|
存储 人工智能 Java
将 Spring AI 与 LLM 结合使用以生成 Java 测试
AIDocumentLibraryChat 项目通过 GitHub URL 为指定的 Java 类生成测试代码,支持 granite-code 和 deepseek-coder-v2 模型。项目包括控制器、服务和配置,能处理源代码解析、依赖加载及测试代码生成,旨在评估 LLM 对开发测试的支持能力。
34 1