AI在软件测试的未来中处于什么位置？（1）

大家好，我是陈哥。

过去几十年间，自动化测试发展得很快，各类强大的测试工具落地，团队的质量建设也慢慢走向整体化。

现在聊软件测试，AI已经是一个绕不开的话题。我会分为上下两篇文章，和大家聊聊AI在软件测试里真实能力到底到哪一步，哪些场景能真正帮我们提升测试效率，又有哪些地方反而会成为我们工作上的阻碍。

欢迎大家在评论区分享自己的看法。

我前段时间看了一篇讲“Automation in Testing”的文章，里面提到Automation in testing本意是利用软件辅助测试，但现在很多人直接把它等同于自动化测试。AI的到来，刚好解释了自动化不等于测试自动化。

所以，除了大家熟悉的自动化测试工具，还有不少软件也可以辅助软件测试工作。现在，AI也可以加入到这个清单中，像ChatGPT、Claude、Co-pilot这类大模型工具，都可以用上。

这两年测试领域出现了两项新技术，一个是代码生成，另一个是测试智能体。

1.测试代码生成

我们输入提示词和项目背景信息，背景信息可以包含用户故事、测试数据、质量标准、需要覆盖的用例数量、重点关注模块等，大模型就可以直接生成测试用例。

这里有一点至关重要：输入什么样的信息，就会产出什么样质量的代码。和普通代码生成是同一个道理，需求描述越模糊，生成出来的内容就越宽泛，没法直接落地。

所以，只要你掌握了如何使用AI，就可以大幅提升你的工作效率。

• 提供上下文。我们提供的上下文越丰富，效果就越好，比如解释程序的领域、需规避的风险、想要的代码模式、断言逻辑等。

• 明确需求。尽可能提供示例，清晰说明所用工具的版本，细节明确有助于优化模型输出。

• 验证输出。一定要校验AI产出的内容，关注AI的实现方式，比如使用了哪些变量命名、评估代码质量是否符合现有标准等。

• 确立优质标准。亲自打好基础，确立优质标准。在使用AI的过程中，可以让它解释决策依据、扩展代码实现。

所以，我们的很多客户会直接在禅道软件中使用AI，这样就可以不用在多个系统之间来回复制粘贴上下文。禅道AI可以直接读取已经记录在禅道里的内容，还能一键拆分生成测试用例、对生成的用例、Bug描述做自动润色。

2.测试智能体

这里说的测试智能体，特指可以开展自主测试的AI智能体。自主测试，可以理解为让AI智能体自己去探索应用，行业里也常把它称作探索性测试和自动化测试的结合体。

现阶段的测试智能体能完成不少传统脚本做不到的操作，但你很难看清它具体的执行路径。传统自动化脚本，每一步流程我们都可控、可核查，这恰恰是测试智能体目前的短板。当然换个角度，这种自主探索的特性，也能为我们所用。

这类智能体有一个问题，没办法像人类一样完整理解业务上下文。所以，我们直接在禅道软件中内置了智能体，让测试智能体能尽可能地联系上下文内容，避免使用碎片化信息。

我是测试出身，虽然现在有那么多工具，我还是认为测试的真正价值在于团队成员之间的沟通协作，大家互相补齐信息，才能拼出完整的业务全貌。

但这不代表测试智能体没有价值。既然有了工具，我们就要去用。测试智能体在现阶段的定位，就像一个测试新人，上手快，但离不开人的引导和管控。我们可以把它审慎地纳入整体测试策略，测试智能体就可以帮我们标记潜在风险区域，充当潜在问题指示器。它只是 AI 测试能力的其中一环，想要真正发挥 AI 的全部效能，还需要结合实际项目场景思考落地方式。

这篇主要和大家聊清楚AI测试工具的能力边界，后面我还有第二篇文章，会重点讲讲在真实项目里，怎么把 AI、自动化、人工测试组合落地，大家可以持续关注。