为什么你的AI总在“装傻”？
测试工程师让AI生成接口测试用例：
- “帮我写个登录接口的测试用例” → AI返回了包含“用户名包含特殊字符”的案例，但遗漏了“密码加密传输”的验证
- 改进后：“生成基于OAuth2.0协议的登录接口测试用例，覆盖正向场景、边界值（如超长token）、安全场景（加密传输和SQL注入检测）” → AI输出包含12条精准用例
问题本质：AI是一台需要精确指令的“问答机器”——提示工程（Prompt Engineering）就是编写这些指令的底层技术。
一、测试工程师眼中的提示工程：不只是“会说话”
1. 技术定义
提示工程 = 结构化输入设计 + 模型行为控制，核心目标是通过输入文本的优化，引导AI生成确定性高、可测试的输出。
2. 测试开发场景的价值
| 场景 | 传统方式 | 提示工程加持 |
|---|---|---|
| 测试用例生成 | 手工编写/脚本模板 | 动态生成定制化用例 |
| 日志分析 | 正则表达式匹配 | 语义级错误模式提取 |
| 自动化脚本 | 固定代码逻辑 | 按需生成自适应脚本 |
二、提示工程的六大进阶法则
▌法则1：输入结构化——像设计测试用例一样写Prompt
❌模糊指令：
“模拟用户登录异常场景”
✅测试工程师专用模板：
角色：安全测试专家
目标：生成包含OWASP Top 10风险的登录接口测试用例
输入约束：
- 请求方式：POST
- 参数：username（字符串，1-20位）、password（SHA256加密）
输出要求：
- 按<场景类型>-<测试步骤>-<预期结果>结构输出
- 包含：暴力破解、SQL注入、XSS、会话固定攻击检测
▌法则2：逆向思维——注入“对抗样本” 案例：让AI生成渗透测试方案
"已知系统已防御常规SQL注入攻击，请设计三种绕过WAF的新型注入攻击手法，要求：
1. 基于时间盲注技术
2. 利用HTTP协议分块传输特性
3. 提供检测用Payload示例"
▌法则3：动态上下文控制——类似数据驱动测试
# 使用变量占位符实现动态Prompt
test_scenarios = ["并发重复提交", "跨站请求伪造", "签名过期"]
prompt = f"""
基于以下安全场景生成测试脚本：{', '.join(test_scenarios)}
要求：
1. 使用Python+Requests库
2. 每个场景包含异常处理逻辑
3. 输出断言语句示例
"""
▌法则4：元指令优先——设置AI的“测试模式”
[系统指令]
你是一个资深测试架构师，擅长设计高覆盖率的异常测试方案，严格遵守ISTQB标准。
[用户指令]
为电商支付接口设计异常流测试用例，重点覆盖网络抖动、第三方支付超时、对账不平场景。
▌法则5：链式推理——模仿测试思维链
请逐步思考：
1. 文件上传接口的合法参数边界是什么？
2. 如何构造超过服务端限制的测试文件？
3. 预期系统应返回什么错误码？
4. 如何验证服务端是否真实拦截而非前端伪装？
▌法则6：自验证Prompt——让AI自己写测试
生成一段Python代码实现用户注册功能，需包含：
- 密码强度校验（大小写字母+数字+特殊符号）
- 手机号格式验证
- 并发重复注册检测
并针对这段代码，设计5个边界值测试用例，以表格形式呈现：
| 测试数据 | 预期结果 |
|---------|----------|
| ... | ... |
三、测试工程师必备的Prompt调试技巧
1. 坏味道检测——你的Prompt是否存在这些问题？
| 问题类型 | 示例 | 优化方案 |
|---|---|---|
| 幻觉指令 | “确保100%覆盖率” | 改为“覆盖主要异常码4xx/5xx” |
| 术语混淆 | “测试所有可能性” | 明确为“覆盖等价类划分中的有效/无效类” |
| 循环依赖 | “先写测试用例再写需求” | 拆分步骤：“第一步：提取需求中的验收条件；第二步：生成用例” |
2. 可视化调试工具推荐
- LangChain Prompt调试器：跟踪AI推理过程
- DeepPrompt可视化工具：分析Prompt各段落影响力
- W&B Prompts监控：记录不同Prompt版本的输出差异
四、当提示工程遇见自动化测试
AI生成自动化测试脚本的完整流水线
1. 需求输入：
"为RESTful API编写Pytest测试脚本，覆盖GET/POST/PUT/DELETE方法，包含认证头和参数化数据驱动"
2. AI输出：
- 生成基础测试类
- 自动参数化测试数据（含Edge Cases）
- 生成HTML报告配置代码
3. 验证机制：
- 对AI生成的脚本执行静态检查（Pylint）
- 运行脚本并验证通过率
- 对未覆盖分支追加Prompt：“增加对响应时间超300ms的报警测试”
五、避坑
- 不要迷信结果：始终对AI输出进行静态检查+动态验证
- 版本控制Prompt：像管理测试用例一样管理Prompt迭代
- 防御性设计：在Prompt中预置过滤条件，例如：“若需求不明确，请要求用户澄清”
在AI时代，Prompt就是测试工程师的新型编程接口。掌握提示工程，意味着你可以：
将自然语言转化为精准的测试需求
构建自适应的测试资产生成流水线
️ 通过AI实现测试策略的动态防御
“不会写Prompt的测试工程师，就像只会用记事本写代码的程序员”—— 这句话正在成为现实。
推荐阅读
软件测试/测试开发丨Pytest测试用例生命周期管理-Fixture
软件测试/测试开发丨Python学习笔记之基本数据类型与操作
