自动化测试不是写脚本,而是给 AI 一套操作协议
提示词让 AI 会说话,协议才能让它把测试做完
很多团队第一次把 AI 接进自动化测试,做法都很像:
给现有测试框架套一个自然语言入口,再写一段提示词:
1 | 你是资深测试工程师,请根据需求完成测试。 |
一开始效果惊人。AI 能读需求、能调接口、能打开页面,甚至会主动补充边界场景。
但跑上几天,问题就开始出现:
- 需求还没批准,AI 已经开始执行测试;
- 页面提示“保存成功”,AI 就判定通过,刷新后数据其实没落库;
- 定位器不稳定,AI 悄悄换了一个选择器,继续把用例跑绿;
- 测试环境没准备好,AI 把
blocked写成failed,还顺手创建了一个缺陷; - 同一条命令失败两次,AI 继续微调参数,把一个可恢复问题拖成半天的无效执行。
这些问题看起来像“模型不够聪明”,但本质不是。
真正缺的不是提示词,而是协议。
传统自动化测试把人的操作翻译成脚本。AI 进入以后,系统面对的不再是确定性脚本,而是一个会理解、会猜测、会临场决策的执行者。你给它越多自由,它就越需要边界。
否则,它不是在执行测试,而是在测试你的管理能力。