大龙说学区1. 为什么你的AI测试用例总是"很水"？
上周团队来了两个应届生测试工程师，我让他们用AI生成"登录功能"的测试用例。第一个新人直接输入"写登录测试用例"，得到的结果简直让人哭笑不得——全是"输入正确用户名密码"、"输入错误密码"这种教科书级别的用例。而另一个新人却通过几个关键问题，拿到了包含弱网登录、异地登录告警、密码暴力破解防护等高价值用例。
这让我想起刚入行时的一个教训：有次我用AI生成的测试用例执行测试，结果上线后用户反馈了一个严重的兼容性问题。原来我只让AI测了主流机型，完全没考虑低端设备的适配问题。那次事故让我明白：不是AI不够聪明，而是我们问得太粗糙。
1.1 新手最常犯的三大提问错误
1.1.1 问题太宽泛
"测试购物车功能"这种指令就像对实习生说"把这件事做好"一样模糊。AI会默认给你最通用的答案，就像下面这个例子：
markdown复制# 反面案例：模糊提问
"给我性能测试点"
# AI可能返回：
- 测试系统响应时间
- 测试并发用户数
- 测试资源利用率
1.1.2 缺乏业务上下文
不告诉AI你在测什么产品、面向什么用户，它就只能给出泛泛而谈的建议。比如测试电商搜索功能时，如果你不说清楚业务场景，AI就不会考虑"用户用'苹果手机'搜索时是否会出现水果'苹果'"这种业务相关用例。
1.1.3 不规定输出格式
很多新人拿到AI生成的内容后，要花大量时间重新整理成可用的测试用例。这是因为他们没有提前告诉AI自己需要什么样的输出格式。
1.2 AI的"思维方式"解析
理解AI的工作原理很重要。现在的AI就像：
- 一个刚毕业的实习生：知识面广但缺乏实战经验
- 一本百科全书：信息全面但需要精确检索
- 一面镜子：反射你的提问质量
当你问"怎么写测试用例"时，AI会从海量数据中找出最常见的答案。但当你问"电商App的搜索功能在弱网环境下怎么测"时，它就能给出更精准的建议。
关键认知：AI不是替代你的测试思维，而是放大和延伸你的思考。你问得越精准，它给的答案就越有用。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 四个核心技巧让你的提问精准十倍
2.1 技巧一：给AI明确的"身份"和"场景"
2.1.1 为什么要设定身份？
就像你不会让前端工程师去写数据库优化方案