版本提测前，接口文档突然更新了。
后端新增了两个必填字段，调整了一个参数类型，还修改了鉴权规则。测试人员打开 Swagger，开始逐个梳理接口：
哪些字段必填？
字符串、整数、枚举类型怎么验证？
0、负数、空字符串算不算合法？
Token 缺失、失效、越权时应该返回什么？
正常请求应该返回 200、201，还是其他状态码？
文档里新增的接口是否已经补充测试用例？
这些工作并不复杂，却非常消耗时间。
尤其是在接口数量较多、需求频繁变更的项目中，测试人员往往需要不断在接口文档、需求文档、测试用例和接口调试工具之间切换。真正影响效率的，常常不是接口不会测，而是大量重复性的分析和整理工作。
那么，能不能让智能体先读取 Swagger 接口文档，自动完成接口解析、测试点拆分和测试用例生成，再由测试人员进行审核和补充？
这正是爱测智能测试平台正在解决的问题。
本文以“创建宠物”接口为例，介绍如何通过 Swagger 接口文档生成接口测试用例，并对生成结果进行一次更贴近实际测试工作的分析。
一、接口测试用例设计，难点不只是“把接口调通”
很多团队对接口测试的理解，还停留在“构造请求、发送请求、检查状态码”。
但一份相对完整的接口测试用例，至少需要覆盖以下几个方面。
- 正常业务流程
使用合法的请求参数调用接口，验证：
请求是否成功；
响应状态码是否正确；
响应字段是否完整；
数据是否真正写入；
后续查询能否获取到对应结果。
- 参数类型验证
接口定义为整数的字段，是否允许传入字符串？
接口定义为字符串的字段，是否允许传入数组、对象或者空值？
例如：
age 传入 "10"；
price 传入 "abc"；
name 传入数字；
category_id 传入不存在的类型。
- 必填字段验证
对于 name、age、price 等必填字段，需要分别验证：
字段完全缺失；
字段值为 null；
字段值为空字符串；
字段只包含空格；
多个必填字段同时缺失。
- 边界值与业务限制
如果接口文档规定 price > 0，测试人员通常需要继续拆分：
price = 1；
price = 0；
price = -1；
超大数值；
小数；
超出数据库字段范围的数值。
- 鉴权与安全验证
接口需要 Token 时，还要考虑：
未携带 Token；
Token 为空；
Token 格式错误；
Token 已过期；
Token 被篡改；
普通用户访问管理员接口；
用户访问不属于自己的数据。
当接口数量从几十个增长到几百个后，单纯依靠人工逐条拆分，不仅效率低，也容易出现覆盖遗漏。
二、爱测智能测试平台支持哪些用例生成方式
爱测智能测试平台的用例生成功能，目前主要面向两类场景：
功能测试用例生成
通过需求文档、产品说明或业务规则，生成面向业务功能的测试点和测试用例。
接口测试用例生成
通过接口文档解析接口定义，生成参数、鉴权、异常流程、正常流程等维度的接口测试用例。
在接口文档接入方面，平台支持：
标准 Swagger/OpenAPI 格式的接口文档；
Swagger 接口文档远程地址；
Word 格式接口文档上传。
相较于直接向通用大模型粘贴一段接口描述，平台化生成的价值在于：接口文档、模型、智能体、执行节点和生成结果都可以在统一流程中管理。
三、以“创建宠物”接口为例
本次选择了宠物医院系统中的“创建宠物”接口。
从接口文档中，可以读取到以下信息：
请求方式为 POST；
接口用于创建一条宠物信息；
包含 name、age、price、category_id 等字段；
部分字段为必填项；
name 等字段为字符串类型；
age、price 等字段为数值类型；
接口定义了 201、422 等响应状态码；
调用接口需要携带有效的身份认证信息。
这些内容原本需要测试人员手工读取，再整理为测试点。
接入智能体后，接口定义将成为生成测试用例的主要输入。
四、通过接口文档生成测试用例的四个步骤
第一步：准备接口文档
将 Swagger/OpenAPI 接口文档的远程地址配置到平台中。
没有远程 Swagger 地址时，也可以整理为 Word 文档后上传。但 Word 文档最好具备相对清晰的结构，例如：
接口名称；
请求地址；
请求方式；
请求头；
请求参数；
参数类型；
是否必填；
参数限制；
响应状态码；
响应示例。
接口文档越完整，智能体生成结果通常越准确。
第二步：选择模型与智能体
在任务中选择：
大模型：DeepSeek；
智能体：接口测试用例生成智能体；
对应的任务执行节点。
这里的大模型负责理解接口语义，接口测试智能体则负责按照测试场景组织测试点和测试步骤。
第三步：通过提示词限定生成范围
一份 Swagger 文档中可能包含几十个甚至几百个接口。
如果只需要生成某一个接口的测试用例，可以通过提示词限定范围，例如：
仅针对 create pet 接口生成接口测试用例。
重点覆盖：
- 正常创建流程；
- 必填字段缺失；
- 参数类型错误；
- age 和 price 的边界值；
- Token 缺失、无效和过期；
- 接口状态码与响应字段校验。
每条用例需要包含：
用例名称、前置条件、请求参数、执行步骤、预期结果。
相比直接输入“帮我生成接口测试用例”，这种提示词能够明确目标接口、覆盖范围和输出结构，减少无关结果。
第四步：保存并运行任务
完成配置后，点击保存并运行。
任务状态会经历：
待执行 → 执行中 → 已完成
任务完成后，即可查看智能体生成的测试用例。
五、生成的测试用例覆盖了哪些方向
从本次生成结果来看，智能体不只是生成了一条正常请求，还围绕接口定义扩展出了多个测试方向。
测试维度
生成的验证内容
实际测试价值
正常流程
使用合法参数创建宠物
验证接口主流程是否可用
必填项验证
缺少 name 等必填字段
验证服务端参数校验
参数类型验证
字符串与整数类型不匹配
验证接口容错和数据校验
边界值验证
age
、price 的 0 值及异常值
验证边界规则是否正确
鉴权验证
无效 Token、缺少 Token
验证接口认证机制
状态码验证
检查 201、422 等响应
验证实现是否符合接口约定
性能测试设计
生成接口性能验证方向
为后续压测方案提供初稿
从覆盖范围看，智能体已经能够将接口文档中的字段定义，转化为不同维度的测试场景。
这类能力适合用来完成接口测试用例的第一轮生成，尤其适用于：
新项目接口数量较多；
接口文档相对规范；
版本迭代频繁；
测试用例需要快速补齐；
团队希望统一接口测试设计模板。
六、生成结果不能直接照单全收
AI 能够提升用例生成效率，但“生成完成”并不等于“测试设计已经正确”。
本次演示中，有一个细节值得重点关注。
接口描述中提到：
price 和 age 需要大于 0
但转写内容中的某条测试用例，又将 price = 0 的预期结果描述为“宠物创建成功”。
这两项规则存在明显冲突。
如果接口约束是严格大于 0
例如 Swagger 中定义：
minimum: 0
exclusiveMinimum: true
或者业务规则明确要求：
price > 0
那么 price = 0 应该属于非法参数。
更合理的预期结果应当是：
接口返回参数校验失败；
响应状态码为 422，或系统约定的业务错误码；
宠物数据未创建成功；
数据库中不存在对应记录。
如果接口约束是大于等于 0
例如定义为：
minimum: 0
那么 price = 0 才可能属于合法边界值。
这说明，测试人员在审核生成结果时，不能只看测试步骤是否完整，还需要重点检查：
测试数据是否符合接口约束；
预期结果是否与 Swagger 定义一致；
状态码是否符合项目规范；
字段名称是否因文档或语音转写产生误差；
业务规则与接口 Schema 是否存在冲突。
AI 更适合承担测试用例的生成和扩展工作，最终的判断仍然需要结合接口文档、业务规则和系统实现。
七、“生成性能测试用例”不等于完成性能测试
生成结果中还涉及性能测试方向。
这一点也需要正确理解。
Swagger 文档可以帮助智能体识别接口地址、请求方式、参数和响应结构，因此可以生成初步的性能测试场景，例如：
单接口并发请求；
持续运行一定时间；
统计平均响应时间；
检查错误率；
观察高并发下接口是否可用。
但真正的性能测试，还需要补充 Swagger 文档中通常不存在的信息：
目标并发用户数；
目标 TPS/QPS；
P95、P99 响应时间要求；
业务流量比例；
数据量级；
压测环境配置；
数据库及缓存状态；
限流和熔断规则；
性能基线与容量目标。
因此，智能体生成的性能测试用例更适合作为测试设计初稿，不能替代完整的性能测试方案。
八、真正的价值，是让测试人员从“写用例”转向“审用例”
接口测试用例生成，并不是简单地减少几次复制粘贴。
它更大的价值，是改变接口测试的工作分工。
过去，测试人员需要花费大量时间完成：
阅读文档
→ 提取字段
→ 拆分测试点
→ 编写测试步骤
→ 整理预期结果
→ 补充异常场景
引入智能体后，可以调整为：
准备接口文档
→ 限定生成范围
→ 智能体生成初稿
→ 测试人员审核
→ 补充业务场景
→ 进入测试执行
测试人员的工作重点，也会逐步从“逐条编写基础用例”转向：
判断测试覆盖是否合理；
识别文档与实现之间的冲突；
补充复杂业务链路；
设计越权、并发和数据一致性场景；
分析接口风险；
推动测试用例自动执行。
这并不是降低测试人员的重要性，而是减少机械性工作，把时间留给更需要经验判断的环节。
九、想让接口用例生成得更准确，需要做好这五件事
保证接口文档完整
至少明确字段类型、必填规则、取值范围、鉴权方式和响应状态码。不要一次生成全部接口
优先按照业务模块或单个接口分批生成，便于审核和定位问题。在提示词中明确覆盖维度
不要只说“生成测试用例”，还要说明是否覆盖边界值、鉴权、异常状态码、幂等性和数据一致性。重点审核预期结果
测试步骤可以由智能体快速扩展，但预期结果必须与真实业务规则保持一致。将用例与接口文档版本绑定
接口发生变更后，应重新分析受影响的测试用例，避免继续执行已经过期的用例。
十、下一步：让生成的用例真正执行起来
通过接口文档生成测试用例，只是接口智能化测试的第一步。
后续还可以继续将测试用例转化为可执行任务：
接口文档解析
→ 测试用例生成
→ 请求数据构造
→ 接口任务执行
→ 响应结果校验
→ 测试报告生成
下一期内容将继续介绍，如何借助智能体执行已经生成的接口测试用例，并对接口响应状态码、返回字段和业务结果进行验证。
扫码进群，申请爱测智能测试平台试用
正在搭建 AI 测试能力，或者希望体验以下功能：
通过 Swagger 生成接口测试用例；
通过需求文档生成功能测试用例；
使用智能体分析接口参数和测试场景；
将生成的接口测试用例继续转化为执行任务；
了解 AI 在企业测试流程中的实际落地方式。
可扫描下方二维码进群，申请爱测智能测试平台试用。
群内将提供：
平台试用申请入口；
接口测试用例生成演示；
接口测试提示词模板；
后续接口测试执行实战内容；
AI 智能化测试交流与答疑。
让 AI 负责生成和整理，让测试人员把精力放在风险判断与质量分析上。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
