大家好，我是洋子

现阶段很多测试同学都会用大模型辅助编写测试用例，但大家应该都遇到过同一个问题：

让AI生成用例，第一版看着很完整，真拿去执行才发现只测了正常流程，异常和边界几乎全漏，另外部分生成出来的用例脱离业务场景，执行了也无法覆盖到真实业务场景。

其实抛开需求质量不谈，还有一个更隐蔽的关键点：大多数人用AI写测试用例的方法是「丢需求 → 一次性直出一大堆用例」。这恰恰是资深测试绝不会用的方式。

真实的资深QA写用例，从来不是一步到位，而是：先把需求读透 → 拆测试点 → 停下来Review一遍 → 结合历史踩过的坑去补 → 最后自己当评审员逐条挑刺。

而一次性直出，等于把这套「分阶段兜底」的测试思维全丢了

所以我做了一个Skill——gen-testcase-pro，把这套资深测试的完整思维流程固化进去。

下面用一个「商城支付功能」的真实需求，完整演示一遍。

为什么「一次性直出」的用例总是不能用

我们先看看，直接把PRD丢给AI让它出用例，通常会踩哪些坑：

1. 前期跑偏、后期全错：AI对需求的理解一旦在开头就有偏差，后面几十条用例会顺着错误方向越走越偏，你还得从头核对。

2. 只测正常流程：正常流程写得头头是道，但「余额正好等于应付金额」「优惠券正好满门槛」这类边界，以及「并发重复扣款」「支付超时未回滚库存」这类资损高危场景，全靠你自己临场想起来补。

3. 知识不沉淀：这次踩的坑、补的测试点，下次换个需求又得重新想一遍，团队的经验永远留不住。

问题不只在需求，也在于我们没把「资深测试的思维流程」交给AI

我的方案：多Agent分阶段 + 知识库增强 + 自检评审

gen-testcase-pro 的核心，是把用例生成拆成一条六阶段流水线，每个阶段模拟资深QA的一个动作：

需求 
→ ①结构化解析 
→ ②拆测试点树[人工Review] 
→ ③知识库召回坑点
→ ④五法展开用例 
→ ⑤Critic自检评审[自动迭代] 
→ ⑥多格式输出 + 沉淀回库

两个关键设计，是它和「一次性直出」的本质区别：

• ★ 人工Review卡点：拆完测试点先停下来给你确认，不急着展开用例——从源头堵住「越走越偏」。

• ★ 知识库增强：内置一个「缺陷坑点库」，如支付业务场景，涉及支付/订单/输入框等，自动把历史踩过的坑召回，强制补进用例。

• ★ Critic自检：生成后AI切换成「评审员」视角，拿一份11项的checklist逐条挑自己的刺，发现遗漏自动重写。

实战演示：一份商城支付需求，跑通全流程

这次的输入是一份我准备的《商城支付功能PRD》，覆盖订单确认、收银台、支付结果、异常处理，里面还故意留了几个「需求没写清」的坑，看Skill能不能识别。

第1步：一句话启动

在对话框直接调用Skill，把需求文档甩给它：

/gen-testcase-pro 基于 商城支付功能_PRD_V1.0.md 生成测试用例，多端，输出 Markdown+Xmind+Excel

支持本地 .md / .pdf / .docx / .pptx、粘贴正文、在线链接多种来源，PDF/Word/PPT会自动转成结构化Markdown（首次运行自动装依赖，不用手动折腾）。

第2步：AI先拆「测试点树」，停下来等你Review（关键）

这一步是重点。Skill不会直接甩用例给你，而是先输出一棵测试点树——把需求拆成「模块 → 子功能 → 测试点」，每个点标好用什么测试方法、优先级，以及是否命中了知识库里的资损坑点（标🔥）：

模块四：支付异常与资损防护 🔥
 ├─ TP-23 [幂等] 同一订单重试只扣一次款 🔥
 ├─ TP-24 [并发] 快速连点支付不重复扣款 🔥
 ├─ TP-26 [超卖] 秒杀库存=1并发下单只1单成功 🔥
 ├─ TP-28 [超时回滚] 15分钟超时关单后库存释放、优惠券返还 🔥
 └─ TP-29 [异步回调] 回调丢失/延迟/重复，状态最终一致 🔥

然后它会停下来问我：「有无遗漏？有无超范围？优先级是否合理？」

这一步的价值巨大——这些🔥标记的资损点，是纯靠读PRD最容易漏、但线上一旦出事就是资损事故的场景。它在展开用例前就帮你把关键测试点摆上台面，你确认「无遗漏」后它才继续。

第3步：展开为可执行的详细用例

我回复「无遗漏」后，Skill基于确认的测试点树，用等价类、边界值、业务场景、异常、用户体验五种方法，逐点展开成详细用例。

每条用例都做到步骤有具体数据、预期可观察，而不是「输入数据 → 功能正常」这种没法执行的废话：

用例编号	测试场景	测试步骤	预期结果	优先级	来源
TC-021	余额正好等于应付(边界)	应付100，余额100，选余额支付	可支付成功；余额扣至0	P0	知识库-坑点
TC-038	并发：连点不重复扣款	快速连点/双击支付按钮	仅一次扣款，无重复扣款	P0	知识库-坑点
TC-047	安全：篡改金额为1分	抓包篡改应付100为0.01提交	服务端按真实金额校验，拦截	P0	知识库-坑点

注意最右边的「来源」列——标了知识库-坑点的，就是从缺陷坑点库自动召回、强制补进来的。这些一个都没漏。

第4步：AI自己当评审员，挑出自己的遗漏

用例生成完，Skill会切换成独立评审员视角，拿checklist逐条自查。这次它就真的揪出了2处自己的遗漏：

• 状态机漏测：「支付中→渠道失败→待支付可重试」这条状态回退，只测了结果页展示，漏了订单状态是否真的回退 → 自动补了 TC-034b

• 体验漏测：优惠券「无可用券」的空态没覆盖 → 自动补了 TC-007b

发现→修订全自动完成，不用我提醒。最终产出 59条用例，P0占59%，资损相关全部P0。

第5步：一键导出 Markdown / Xmind / Excel

最后三种格式一起导出：

• Markdown：可diff、可衔接自动化测试
• Xmind：脑图，评审汇报直接用
• Excel：按模块分Sheet，直接导入云效/TAPD/禅道
  
  

第6步：把这次的坑沉淀回知识库（越用越准）

跑完Skill会问：这次有没有值得沉淀的？我把评审揪出的「订单状态回退」「改单后优惠券返还」这些盲区，写回了知识库的缺陷坑点库和场景模板。

下次再来任何商城/交易类需求，这些坑会在第3步自动召回、强制覆盖——不再依赖临场发现。这就是它「越用越准」的关键。


我们第2遍再次进行用例生成时，会自动召回命中知识库里面的知识文件，注入到测试点拆解

方案核心优势

对比「丢需求一次性直出」的传统姿势，这套流水线的优势非常明显：

✅ 分阶段不跑偏：先拆测试点树、人工Review卡点，从源头堵住AI理解偏差，后面几十条用例不会顺着错误方向走。

✅ 资损坑点不遗漏：内置缺陷坑点库，并发扣款、超卖、超时回滚、异步回调、篡改金额这些高危场景强制覆盖，不靠临场记忆。

✅ 质量自己兜底：Critic评审员逐条自查11项，遗漏自动重写，交付前就把「只测正常流程」的毛病治了。

✅ 经验能沉淀：每次踩的坑、补的点都能写回知识库，团队经验越攒越厚，Skill越用越懂你的业务。

✅ 多格式即用：Markdown/Xmind/Excel一键导出，评审、汇报、导入用例平台无缝衔接。

小结

很多时候我们抱怨AI生成用例质量差，一味去调提示词、换模型，却忽略了一个更本质的问题：我们给AI的，是「一次性直出」的错误姿势，而不是资深测试「拆点—评审—沉淀」的完整思维流程。

优质用例的前提，是完整的需求上下文 + 结构化的生成流程 + 可沉淀的业务知识。gen-testcase-pro 做的，就是把这三件事固化成一条流水线，让AI真正像个资深QA那样干活。

以上就是今天分享的实战教程，感兴趣的同学可以照着流程试试，想要获取SKill文件欢迎加入测开学习圈子