- 约1467字
- 技术
- 2026年3月1日
上周五下午，测试同事小王递给我一份测试用例文档：“哥，这是下周一要上线的模块的测试用例，有86个场景，你看看能不能跑通。”
我接过来一看，头都大了。这才一个模块，就要写86个测试用例？每个用例还要包含前置条件、测试步骤、预期结果……按照以前的做法，这得写到猴年马月。
相信很多开发者都有类似的经历：代码写完了，测试用例不想写，或者写得很敷衍。不是不想写，是真的太耗时了。今天聊聊我是怎么用AI解决这个问题的。
痛点：测试用例为什么不想写
我自己总结了一下，主要有三个原因：
第一，重复劳动。很多测试用例逻辑差不多，就是参数换一下。比如“登录成功”“密码错误”“用户不存在”三 个用例，步骤几乎一样，就是输入内容不同。写多了真的烦。
第二，边界条件容易漏。正常工作流程能想到，但一些异常场景 比如网络超时、并发操作、数据库连接失败 这些边界条件，很容易遗漏。
第三，维护成本高。需求一改，测试用例也要跟着改。改来改去，最后自己都不知道哪些用例还有效。
这些问题，AI都能帮你解决。
方案：用AI生成测试用例
我的做法是这样的：
第一步：让AI理解代码逻辑
不是直接把代码贴给AI，而是先让AI理解这个模块的功能。可以用这样的提示词：
这是用户登录模块的代码，请分析：
1. 这个模块的主要功能是什么
2. 输入参数有哪些
3. 可能的异常场景有哪些
AI会返回功能分析和异常场景列表，这个过程只需要几十秒。
第二步：生成测试用例
拿到功能分析后，继续让AI生成测试用例：
基于以上分析，请生成测试用例表格，包含：
- 用例编号
- 用例名称
- 前置条件
- 测试步骤
- 预期结果
- 测试类型（功能/边界/异常）
我试了十几个模块，大部分情况下AI生成的用例覆盖率能达到80%以上，有些边界条件我想不到的AI都想到了。
第三步：人工审核和调整
AI生成的用例不能直接用，一定要人工审核。重点检查：
- 用例逻辑是否正确
- 是否有前后置条件冲突
- 预期结果是否合理
这个审核过程比手写用例快多了，一般10-15分钟就能完成86个用例的审核。
避坑指南
用了一段时间，也踩过一些坑，总结如下：
第一个坑：AI会“幻觉”
有时候AI会生成一些看起来对但实际跑不通的用例。比如它可能假设某个接口会返回特定格式的数据，但实际上那个接口还没开发。
解决办法：先把AI生成的用例跑一遍，把跑不通的标记出来，反馈给AI让它修正。多迭代几次就好了。
第二个坑：过度依赖AI
AI生成的用例是 基于代码逻辑的，但实际运行中还有很多业务层面的规则。比如“VIP用户不能领取普通优惠券”这个规则，如果代码里没明确写出来，AI可能就想不到。
所以AI只能帮你覆盖80%的场景，剩下20%还是要靠人工补齐。
第三个坑：用例维护
需求变更后，测试用例也要跟着改。我的做法是每次需求变更，先让AI重新生成一遍用例，再和之前的对比，找出差异点进行更新。
这样比从头手写省事多了。
工具推荐
我自己用下来比较顺手的组合是：
- Cursor/Windsurf：直接在IDE里让AI阅读代码并生成用例，切换上下文方便
- ChatGPT/Claude：适合复杂业务逻辑的分析，给的提示词越详细，生成结果越准确
具体选哪个看个人习惯，重点是先把流程跑起来。
小结
用AI生成测试用例这半年，我的感受是：
- 效率提升明显：原来86个用例要写一下午，现在30分钟就能搞定
- 覆盖率更高：AI想的边界场景比人全
- 维护更省事：需求变更时更新用例速度快
当然，AI不是万能的。业务逻辑的理解、用例质量的把控这些还是需要人来做。但有了AI帮忙，至少不用把时间浪费在重复劳动上了。
如果你也是那种“代码写完不想写测试”的人，建议试试这个方法。真的香。