搞不懂大模型？把它当成你身边的“测试实习生”，瞬间就知道该怎么用了

关注 霍格沃兹软件测试开发 公众号回复「资料」, 领取人工智能测试开发技术合集别被“大模型”三个字吓住换个思路它就是一个刚入职的实习生大家好我是某互联网公司的测试架构师。这两年我身边越来越多测试同行在焦虑一件事“大模型到底怎么用我看别人用得挺好我自己一用就翻车。”我每次的回答都一样——别把大模型想得太复杂。你就当团队里来了个实习生瞬间就知道该怎么跟它打交道了。一、为什么“实习生”这个比喻最贴切大模型和实习生有三个极其相似的特点第一知识面广但没经验。 实习生刚从学校出来什么理论都学过但落到具体业务上两眼一抹黑。大模型也一样——它知道“等价类划分”是什么但不知道你们公司的优惠券规则有多变态。第二你问得越清楚它做得越好。 你跟实习生说“把这个需求测一下”他大概率不知道从哪下手。你跟他说“打开这个页面输入这三个值检查结果是不是0”他立刻就能干。大模型完全一样。第三它需要“带”。 实习生不会因为你说了一次就永远记住所有规则他需要你反复教、给反馈、纠偏。大模型也是——你需要在对话里不断纠正它才会越来越准。一旦接受了这个设定大模型的所有“缺点”都变得可以理解了。二、把大模型当实习生六个核心用法用法一给具体任务别给模糊目标❌ 错误示范“帮我测一下这个功能。”实习生会一脸茫然“测什么怎么测测到什么程度算完”大模型也一样。你给它一句“帮我测一下”它只能猜猜出来的结果大概率不是你要的。✅ 正确示范“帮我把这个登录功能写一个测试用例。输入正确的账号密码检查登录成功后页面右上角是否显示用户名。”实习生立刻知道该干什么了大模型也一样。记住你给的信息越具体产出就越接近你想要的。 这不是AI的问题这是所有“新员工”的共同特征。用法二给它“标准答案”学习实习生第一次写用例格式肯定不规范。你怎么办给他一个模板——“照着这个格式写。”大模型也一样。想让AI按你公司的格式输出报告先给一个历史报告作为示例告诉它“就按这个格式写”。给完之后效果立竿见影。这个叫Few-shot但你就当它是“给实习生看个样例”。有测试同事实测后反馈用这种方法用例生成效率至少能省60%-70%的时间。用法三分步骤交代别一口气全倒给它实习生记不住太长的指令。你跟他说“去写用例、执行、出报告、整理Bug”他大概率做着做着就忘了后面还有步骤。大模型也一样。上下文一长它会“遗忘”前面的信息导致输出质量下降。✅ 正确的做法是分步骤先让它分析需求文档提取测试点再基于测试点生成用例最后让它整理成表格每步确认完了再进行下一步效果比一次性全丢给它好得多。用法四它会犯错你要会纠偏实习生第一次跑测试可能漏了边界值、忘了检查异常场景。你不会因此开除他你会告诉他“这里漏了下次注意”。大模型犯错的时候也是一样。 别因为它一次输出不对就放弃纠正它、引导它它会越做越好。比如AI生成的用例漏了“密码错误”这个场景你只需要加一句“补充一下密码错误的情况。”它立刻就会补上。你不需要会写代码你只需要会“看”和“说”。用法五你说人话就行不用学“AI语言”很多测试同行第一次用大模型总觉得要“专业一点”于是写一些自己都不太懂的术语结果AI给出来的东西也云里雾里。根本不用这样。你用自然语言说人话就行——“登录页面的账号和密码校验帮我写几个测试场景”——这个表述就完全够用了。大模型的理解能力远超你的想象你说得越像“对同事说话”它越能理解你。用法六它会“摸鱼”你得验收实习生干完活你不能默认“他一定干对了”你得检查。大模型生成的用例你必须审核。它可能漏掉了隐含的业务规则断言写错了覆盖了错误的方向审核AI的产出比从零开始写工作量小多了但不能省略。三、一个真实案例我是怎么“带实习生”的前几天我需要验证一个订单系统的退款流程涉及多步骤操作。我直接在对话框里给了这样一段话“帮我生成一个测试用例。测试场景用户已支付订单申请全额退款。操作步骤打开订单详情页点击‘申请退款’选择‘全额退款’并填写原因提交检查订单状态变为‘退款中’模拟后台审核通过检查订单状态变为‘已退款’检查用户账户余额是否增加对应金额要求覆盖正常流程、退款被驳回、部分退款等场景。输出格式表格列包括用例编号、测试场景、前置条件、测试步骤、预期结果。”AI几秒钟就给我输出了一张完整的表格——正常流程、驳回场景、部分退款、退款超时、金额不匹配……你想到的和没想到的它都覆盖了。第一次生成的用例还缺了“退款失败重试”的场景我补了一句“补充退款失败后重试的场景。”它又给我补了两条。整个过程下来我写提示词不到10分钟AI生成加我审核补充不到半小时产出了大概50多条核心用例。放到以前这个量级的用例我一个人要写两天。四、大模型做不到的事你就当实习生办不到搞清楚它能做什么也得搞清楚它做不了什么。第一它不懂你们公司的“潜规则”。 业务逻辑中的隐含规则——某些特殊用户的特殊待遇、某些历史原因导致的奇葩逻辑——这些需要人工补充。实习生也不知道这些你得告诉他。第二它不会质疑需求。 需求文档说“这个按钮要放在这里”AI不会说“放这里用户可能找不到”。因为它没有业务Sense。实习生也很少敢质疑老员工的需求。第三它不承担责任。 AI生成的用例出了问题最终责任还是你的。实习生出了错最终兜底的也是你。你永远是那个“签字的人”。五、给测试同行的几点建议第一忘掉“提示词工程”这个词。 对测试来说它不是什么高深的技术就是“怎么跟新人交代工作”。你说清楚要什么、给个样例、分步骤说、做完了检查——这套东西你早就会了。第二把你平时交代工作的语言直接拿来用。 不需要学什么特殊语法你的日常表达就是最好的提示词。第三先从一个具体的小任务开始。 别一上来就让AI“测整个系统”。让它先写一个登录功能的用例再逐步扩展——就像你带实习生也是先从小任务开始。最后大模型没那么神秘。它就是那个刚入职、什么都会一点但什么都不精的实习生。你不能指望它自己搞定一切但有了它你可以把时间花在真正需要你判断的事情上。下次打开大模型对话窗口的时候别想“我在跟AI对话”想“我在给实习生交代工作”。瞬间就知道该怎么用了。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。