结论：AI 适合生成测试用例初稿和补充，不适合直接替代测试设计和最终风险判断。

如果把 AI 放在合适的位置，它能提高效率；如果把它当成最终方案，很容易生成一批 “看起来完整，但不贴业务” 的用例。

适合场景

1. 规则明确的功能

例如：

这类功能的特点是：输入、分支和预期结果相对清楚。

推荐提示词：

请根据以下需求生成测试用例，先列业务规则，再按正常场景、异常场景、边界场景输出。

2. 旧用例整理

AI 适合做第一轮清洗：

这类工作可以节省整理时间，但最终是否保留仍需人工判断。

3. 边界场景补充

在已有用例基础上，可以让 AI 从多个维度补边界：

推荐提示词：

请基于已有测试用例，从时间、权限、库存、金额组成、状态切换维度补充可能遗漏的边界场景。

谨慎场景

以下场景可以用 AI，但必须人工重审：

原因是这些功能的关键规则往往不只在需求文档里，还可能来自：

如果不给 AI 这些背景，它生成的用例可能很标准，但不适合当前项目。

不建议直接交给 AI 的场景

1. 探索性测试

探索性测试的重点不是提前列全用例，而是边观察、边怀疑、边调整方向。

AI 可以提供探索清单，但不能替代现场判断。

2. 测试优先级最终判断

比如：

AI 可以给排序建议，但最终优先级需要结合项目背景、近期改动、线上事故和业务影响。

3. 高风险上线决策

AI 不应该承担上线风险判断。它可以帮助整理信息，但不能替代负责人做决策。

推荐工作流

需求/旧用例
  -> AI 提取规则或整理初稿
  -> AI 补充正常/异常/边界场景
  -> 人工审查业务规则、状态、边界、风险
  -> 人工确定优先级和执行范围

这个流程里，AI 的位置是 “初稿助理”，不是 “最终评审人”。

判断表

适合让 AI 先写：

可以用，但必须人工重审：

不建议直接交给 AI：

一句话总结：AI 写初稿，人做判断。


↙↙↙阅读原文可查看相关链接，并与作者交流