AI 生成边界值用例时,通常能覆盖显性的字段限制,例如长度、金额、数量、枚举值。
但如果直接把这类用例导入用例库,很容易出现一个问题:字段边界不少,业务边界不够。
下面按测试评审视角整理一套检查清单。
典型输出:
这些用例可以保留,但不能代表边界值测试完整。
以 “满 100 元可用优惠券” 为例,还需要补充:
判断标准:如果 AI 只围绕输入值取前后一格,它生成的是字段边界,不是完整业务边界。
AI 常见写法:
建议细化为:
还要根据系统实现补充:
示例:
前置条件:优惠券有效期截至 2026-07-04 23:59:59。
步骤:用户 23:59:50 进入支付页,00:00:01 提交订单。
预期:系统按服务端提交时间判断优惠券已过期,订单不可使用该券,并给出明确提示。
状态边界通常比数字边界更容易引发缺陷。
示例:订单 30 分钟未支付自动取消。
除了 29 分钟、30 分钟、31 分钟,还应补充:
状态边界用例至少应明确:
AI 往往会把条件拆成独立用例:
但高风险场景经常发生在组合条件里。
示例:
新用户 + 活动结束前 1 秒 + 库存剩 1 张 + 订单金额刚好 100 + 部分商品不参与优惠
建议让 AI 生成组合边界时加约束:
请基于金额、时间、库存、用户身份、商品范围生成高风险组合边界场景。
不要做完整排列组合,只保留可能影响资金、订单状态、库存扣减和用户权益的组合。
这样可以避免生成大量低价值用例。
AI 通常默认数据状态符合文档,但存量系统里经常存在历史数据和异常配置。
建议补充:
这类场景不一定是传统边界值,但属于实际项目里的数据边界。
请基于以下需求生成边界值测试用例。
不要只覆盖数字、长度、金额等字段边界。
请按以下维度补充:
1. 字段边界:长度、格式、必填、枚举、数量、金额。
2. 时间边界:开始前后、结束前后、跨天、服务端/客户端时间不一致。
3. 状态边界:对象状态切换、异步回调、定时任务、人工后台操作。
4. 权限边界:不同角色、未登录、过期登录态、越权访问。
5. 组合边界:只保留高风险组合,不做全量排列组合。
6. 历史数据边界:旧数据、缺失字段、重复配置、迁移数据。
每条用例请包含:前置条件、操作步骤、测试数据、预期结果、风险等级。
可以用下面 6 个问题评审 AI 输出:
AI 生成边界值用例的价值,是帮我们快速铺开显性边界。
但真正需要测试人补上的,通常是业务规则、对象状态和数据历史里的隐性边界。