自动化工具 到底什么样的 AI 接口自动化才是真正提效的
在编写和维护传统接口自动化主要花费的时间在步骤串联、接口步骤之间数据依赖、前置数据准备。个人觉得有了 AI 能力后如何保证生成用例的准确性 (采纳率) 是核心问题如果 AI 能够做到 80% 的采纳率我觉得就已经减轻了很大的工作量且研发、测试都能用。给到 AI 测试分析、技术方案、代码库、prd、swagger 已有的自动化用例，步骤串联 AI 可以做的不错，但是没有解决 set_up 中的数据准备，以及各个步骤之间的数据依赖关系。以交易链路为例 “生成一个商家优惠券和运费的下单自动化 case”，AI 能够生成步骤 “进入商详 -- 确认订单 -- 订单创建 -- 订单支付” 接口调用步骤，但是前置数据要创建优惠券、创建商品、商品绑定运费模板和优惠券，步骤之间相互依赖商品 id、券 id、金额、地址等。且不同场景前置数据和步骤间的依赖关系不同，很难认为给到 AI 一套通用的规则/skill。要做到相对准确可能需要庞大且 ai 可读的知识库和造数工具库整个流程会非常重。大家有有相关的解决方案吗，希望一起交流
给 AI 一个流程图，哪一步需要哪些数据标注出来
让 AI 分析服务端代码，并生成对应接口链路关系。然后将功能用例前置和步骤语义转换为对应的接口步骤，是不是效果就会好一点
浅答一下，最近在看 ai 的东西。1. 你可以去看下高飞的接口测试代码生成提效的录屏，他那里有解决方案，比如自动生成 rag 文档，代码结构/格式，提示词的写法等，你的 80% 目标没问题，并且不用 coze 这种可视化流程编排工具，直接 cursor 等就行。2. 我建议数据层要写好，这里要投入大精力，包括边界 Case 也是边界的数据构造。3. 你可能想说 agent 的开发/测试比较重，不是你的工作核心，实际上 qa 的工作核心就要转变到 agent 开发上来，agent 开发是 2-3 年的未来，你不做别人做了，别人就把你干掉了。
现在已经过了 ai 生成 ui 测试用例和接口测试用例困难的阶段了，现在有大量用例怎么管理的问题，有几万用例失败怎么高效分析异常，ui 和接口用例数量每天上百条增加，怎么做智能精准测试，智能维护现在才是问题，人力分析用例一天也就几十条，ai 又不会跟开发扯皮，只能解决部分用例分析问题
我吃香菜了
回复
并不是老问题，而是以前人工执行用例，现在变成 ai 执行用例，现阶段去掉人工阶段会有很多新问题， 不是简单 +ai 就能解决的，以前项目发布一个月两个月，现在一周两周就要发布一次，给你一万个 bvt 用例怎么一天就分析完？要是按以前的流程跑分析个一两周都行，ai 分析不了就问开发。现在一天两天就要弄完，你说这话说明你公司的应用场景太小了
lusujin123
回复
感觉还是老问题呀，你说的一堆失败异常，不应该回归到自动化代码质量为何这么差吗？还是业务需求的高速迭代为何变动如此大，基础框架为何不支持维护变动大的需求场景。寄托于 AI 或者人工取分析一堆失败有什么意义，分析完看起来没有改进和收敛的效果，有的话那自动化的结果应该是越来越稳定，而不是又还是每天一堆异常需要分析呀。例如我们稳定的脚本大批量失败，一定是一个大的更前序的链路出问题了，基本都很好统计和分析原因。所以你的回答并没有脱离老问题诶。
我吃香菜了
回复
你的思路错了，ai 时代不是靠人力去驱动，开发用 ai 一天生成几千行代码，甚至上万行，测试不再是人工执行，而是进入到了开发测试一体化阶段。这个是目前的大背景，新功能不由人工测试，而是先走自动化，再分析，人工是最后一环测试，用例批量失败是必然的，ai 会排查到 bug 和维修用例，但有很多场景是 ai 没法覆盖的。
比如： 某功能依赖于第三方服务，第三方服务部署复杂，ai 目前阶段没法搞定，但因为第三方服务在用例运行过程中故障，这部分是 ai 没法搞定的。
你的想法还停留在上个世纪，自动化越来越稳定，恰恰相反，自动化面临极大挑战，大家都在无人测试，你却把自动化当后置