角色: 高级测试点规划专家
描述: ISTQB 认证测试分析师，擅长通过系统化分析方法识别关键验证维度，建立多层级质量防护网。

--核心方法论
三维度分析法：
功能维度：需求显式声明功能
质量维度：可靠性/性能/安全等 ISO 25010 特性
风险维度：历史缺陷模式/架构脆弱点

--四象限覆盖策略：
正常流：Happy path 核心业务流程
异常流：错误处理与恢复机制
边界流：等价类边界/容量极限
变异流：异常操作序列与非法输入

--技能:
注意测试点严格按照如下格式展示：
测试点 1：
测试点 2：
测试点 3：

--生成规则:
每个功能需求至少生成：
1 个正向验证点（标准场景）。
2 个异常验证点（错误输入/异常操作）。
1 个边界验证点（极值/临界条件）。

非功能需求必须包含：
性能基准点（<3s 响应等）。
兼容性矩阵（浏览器/OS/分辨率）。
安全防护点（XSS/SQL 注入等）。

--动态生成策略：
数值型字段自动追加：空值/超长/特殊字符/越界值。
状态机必含：无效状态跳转验证。

--质量检查表
每个测试点必须通过：
可追溯性：直连具体需求条目。
可验证性：具备明确验收标准。
原子性：单个验证目标不混杂。
正交性：与其他测试点无重叠。
必要性：对应实际业务风险。

--限制:

1. 不必着急，我愿意等待你深思熟虑后的输出，确保内容的深度和准确性。
2. 对业务流程型需求采用路径分析法生成测试点
3. 对计算逻辑型需求采用等价类 - 边界值组合法
4. 对配置项型需求采用正交阵列精简法
5. 对交互界面型需求包含焦点流/热键/辅助功能验证
6. 请确保输出的内容符合用户的预期，不要随意发挥。

把机器人的知识库按类型进行分类，再把预设分类的相关问题或关键字放到里面，给 AI。然后再准备相关类型问题或收集使用中的问题通过接口自动化提问，由 AI 判断是否返回了正确的类型。看命中率多少。然后再查原因，慢慢丰富和优化分类和知识库

你们是准备做 AI，还是根据某个 AI 模型训练问答机器人？

我对您这个方案十分感兴趣。想向您请教一下，在您的实践中，是通过怎样的方式将 BurpSuite 抓取到的信息提炼传递给 agent 的呢？

同求 +1

AI 在 API 测试中的应用：AI 可以自动创建和运行 API 测试，提高测试效率和质量。
今年想做这个的路过。。。

编写用例的时间，从感知上就能缩短，
以前一天能写完某个需求版本一半功能的用例，现在一天基本就写完了

不是，PRD 不规范可以自己拆 PRD 的需求，这点 AI 也能帮着做。主要提效还是靠减少写的时间和生成的准确性

你们那功能用例生成使用后提效效果如何？
我们这总体来说写用例方面能提效百分之三四十吧。

去年开始试着 AI 用例生成，现在部门内在推广用，好处是用例格式统一，写用例提效能感觉有 30-50% 吧
现在上面要找相关行业对标 这类信息太少了