先说结论：不是标题党。
上个月我们发版前最后一次回归，从早上9点干到晚上11点，三个人轮着点，点到后面眼睛都花了。结果还是漏了一个优惠券叠加的边界场景，上线第二天客服就炸了。
那天晚上我就在想，这破事儿能不能让ChatGPT干。
试了两周，现在回归测试基本3小时收工。不是全自动，但至少不用人肉当点读机了。
下面直接把我的用法和提示词全倒出来，能不能复用你们自己判断。
先说说我们之前的蠢办法
项目是电商后台，200多个接口，前端页面40多个。每次发版前回归测试清单有180多条用例，大部分是重复的：登录、下单、退款、优惠券、库存扣减……
之前就是三个人分，一人60条，手动点。点完还要对数据，看日志，录结果。三天下来人都傻了。
最关键的是，人一累就会偷懒。有些用例看着“应该没问题”就跳过了，结果偏偏就是这种地方出事儿。
我是怎么用ChatGPT的
先说清楚，ChatGPT不能帮你点页面。但它能干三件事：
- 帮你把测试用例梳理清楚，找出重复和遗漏
- 帮你生成自动化脚本（Python + Selenium/Requests）
- 帮你分析失败日志，快速定位问题
我一个个说。
第一步：让ChatGPT帮你“瘦身”测试用例
我把180条用例粘贴进去，用这个提示词：
你是一个资深测试工程师。以下是我们项目的回归测试用例清单，格式为“编号 | 模块 | 用例描述 | 预期结果”。
请帮我做三件事：
1. 找出功能重复或高度相似的用例，合并建议；
2. 找出覆盖缺失的边界场景（比如并发、空值、极值、网络异常）；
3. 按“核心链路 / 重要分支 / 边缘场景”重新分级，并给出每级的建议执行频率。
用例清单：
[粘贴你的用例]
它给我输出了十几条合并建议，还指出了三个我压根没想到的边界：优惠券并发核销、退款时库存回滚的时序、以及弱网下重复提交。
这一步省了我大概半天的手工梳理时间。
第二步：让ChatGPT写自动化脚本
不是所有用例都值得自动化。我挑了三类：
- 接口层面的核心链路（下单、支付回调、退款）
- 数据一致性校验（库存、优惠券、积分）
- 重复性高的页面操作（登录、搜索、列表翻页）
提示词长这样：
你是一个Python自动化测试专家。请根据以下接口文档和测试用例，生成基于 pytest + requests 的接口测试脚本。
要求：
1. 使用 fixture 管理登录态和测试数据；
2. 每个用例独立可运行，不依赖执行顺序；
3. 断言要具体，不要只断言 status_code；
4. 对数据库的校验用 SQL 查询，不要直接查接口返回；
5. 异常场景要 mock 超时和 500 响应。
接口文档：
[粘贴Swagger或手写文档]
测试用例：
[粘贴用例]
它生成的脚本大概能直接用70%，剩下的30%是业务字段和数据库连接需要我改。但比起从零写，快了不止一点。
这一步省了我大概一天半。
第三步：失败日志丢给ChatGPT定位
回归跑完总有几个红的。以前是挨个翻日志，现在直接把报错和上下文丢进去：
以下是一个接口测试的失败日志和请求响应。请帮我：
1. 判断是代码bug、测试数据问题、还是环境问题；
2. 如果是代码bug，指出最可能出问题的模块和函数；
3. 给出下一步排查建议。
失败日志：
[粘贴日志]
请求参数：
[粘贴请求]
响应内容：
[粘贴响应]
它不能100%准确，但能帮我快速排除掉“测试数据脏了”“环境没刷新”这种低级问题。真正需要开发看的bug，我直接把它的分析附在工单里，开发也省事。
这一步省了我大概半天。
效果对比
| 环节 | 之前 | 现在 |
|---|---|---|
| 用例梳理 | 半天 | 1小时 |
| 脚本编写 | 1.5天 | 3小时 |
| 执行+排查 | 1天 | 1.5小时 |
| 合计 | 3天 | 约3小时 |
当然，第一次搭建的时候花了两天调提示词和改脚本。但后面每次回归都在复用，边际成本趋近于零。
几个坑，你们别踩
1. 不要让它写UI自动化脚本。 页面元素定位它写得一塌糊涂，改的时间比自己写还长。UI层建议用低代码工具或者录制回放。
2. 数据库连接、密钥这些别粘贴进去。 用占位符代替，自己本地替换。
3. 它生成的断言经常“太松”。 比如只断言 code == 0，你要手动加字段级校验。
4. 提示词要迭代。 我上面给的版本是改了五六版之后的。第一版它输出的东西根本不能用，你得根据它的输出不断调整约束条件。
最后说句实在的
ChatGPT不是银弹。它不能帮你点页面，不能帮你连数据库，也不能替你判断业务逻辑对不对。
但它能帮你把重复劳动压缩，让你把时间花在真正需要人脑的地方：设计边界场景、分析复杂bug、判断风险。
回归测试从3天到3小时，省下来的时间我没摸鱼，拿去补了之前一直没空写的契约测试。
这才是重点。
关于我们
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
