培训ai测试实测：AI写测试用例漏边界，补脚本真快
一句话结论：AI辅助测试能提效，但AI生成的测试用例边界条件漏得厉害，评审环节不能省。自动化脚本AI补全和缺陷报告归纳是性价比最高的两处。建议把AI当草稿生成器，判断权留在人手里。
组里连办两场AI测试培训，我抢了个靠插座的位子
培训ai测试这件事，我们组上个月真办了两场：一场技术负责人主讲，一场请的外部讲师。结论先给——AI辅助测试确实提效，前提是评审环节不能省，AI生成的东西不查就用，等于给自己埋雷。
先交代背景。我在一家SaaS公司做软件测试，第五年了，组里七个人，管一套B端工单系统。上个月老板批了两场内训，名义都叫"AI辅助测试实践"。之前写职场AI内训见闻那篇时提过一嘴，这次把测试这条线单独拆出来细说。
AI生成测试用例：主流程稳得很，边界漏得离谱
让AI给"优惠券核销"功能出用例，42条里主流程覆盖得挺像样，边界值只有6条，零元券、负数金额、并发核销这类要命场景全漏了。我们人工补了19条才敢收工。
第一场内训是老陈（技术负责人）主讲，晚上六点半开讲，讲了俩小时。他现场做了个实验：把优惠券核销的需求文档整段贴给AI，让它出测试用例。
AI噼里啪啦生成42条，格式漂亮，每条都有前置条件和预期结果。会议室一片"哦——"。老陈不吭声，把投影切到边界值分析那一页——软件测试里最经典的方法——然后带我们逐条对。
对出来的结果有点尴尬。金额0元的券，没覆盖；金额填负数，没覆盖；0.001这种三位小数（我们系统金额保留两位，第三位要四舍五入），没覆盖；核销时间卡在23:59:59和次日00:00:00之间，没覆盖；同一张券两个人同时点核销，还是没覆盖。42条用例里，边界相关的只有6条。
这是AI的通病。它学的是"常见的用例长什么样"，而测试的价值恰恰藏在那些不常见的地方。Software testing的维基词条里引过Dijkstra那句老话——测试只能证明缺陷存在，不能证明缺陷不存在。AI现在干的事，是把"证明存在"这步变快了，别指望它替你思考。
那晚之后我们定了个规矩：AI出的用例一律先过评审，人工重点补三类——边界、异常、并发。这三块目前它靠不住。不夸张地说，要是直接拿那42条去执行，上线多半要翻车。
自动化脚本AI补全：快是真快，就是埋了个雷
写Playwright自动化脚本，AI补全让小唐的冒烟测试从大半天压到一个半小时。但AI偷偷用了固定3秒等待，脚本进CI就偶发超时，改成显式等待元素状态才稳。
第二场是周六上午，外部讲师方老师，讲了四个小时，主打实操：每个人拿自己的项目现场写自动化脚本，AI负责补全。
小唐分到的是登录加下单的冒烟脚本。搁以前，这套东西他要磨大半天——定位器、断言、等待，一项一项抠。那天他一个半小时就跑通了，全程跟AI你一句我一句，定位器写不对就把报错贴回去，AI改一版再试。老实讲，这速度以前我不敢想。
雷也是AI埋的。脚本里有句"等待3秒再点结算"，本地跑十次十次过，进了CI环境三天两头超时。小唐排查了一下午，发现AI爱用固定等待（sleep），而CI机器比他笔记本慢。改成显式等待——等元素变成可点击状态再动手——问题消失。
方老师当时有个说法我印象很深：AI补全的代码，要当"实习生的活"来review，不能当"老员工的活"直接合并。挺形象。
缺陷报告自动归纳：每周省两小时，优先级别全信
把一周30多条缺陷描述丢给AI归类摘要，10分钟出初稿，周会准备时间从两小时缩到四十分钟。但它标的优先级不靠谱，得人工逐条校。
这是我个人的意外收获。每周缺陷分诊会，以前我得把一周的bug翻一遍、分类、排优先级，小半天就没了。现在把30多条缺陷描述喂给AI，让它按模块归类、一句话摘要、标建议优先级。
快是真快，摘要写得也像人话。但有两次翻车：一次它把"登录页图标错位"标成P1，理由是影响所有用户的登录感知；一次把"退款金额少算两块"标成P2，因为描述只有一行字。前者修复优先级明明更低，后者涉及钱，必须当天修。AI看字数和措辞下判断，不看业务后果。
所以现在的分工是：归纳摘要交给AI，排序定级人来拍板。省下来的时间我拿来跑边界用例，正好把第一场培训补的课用上。
“AI会不会取代测试”——组里吵了一整个午休
吵了半小时的共识是：AI会吃掉大量执行类工作，判断类工作反而更值钱。测试岗的护城河正从"找bug的手速"挪向"决定测什么、判断风险在哪"。
话题是午休时吵起来的。起因是小唐半开玩笑说了句"方老师那套学完，咱仨就够了"，蔓姐当场不乐意。
半小时谁也没说服谁。老陈最后插了一句，我觉着算总结："执行在贬值，判断在升值。AI能跑用例，但它决定不了哪些风险值得测，也扛不了漏测的责任。"他补了句更狠的：AI这套东西，按人工智能词条的说法，本质是从数据里学模式。模式之内它强，模式之外它瞎。测试干的恰恰是模式外的活。
我自己补一个观察：这波变化对初级测试岗冲击最大，纯点点的活确实在压缩。刚入行的话，光会写用例不够了，得往业务理解和自动化挪。之前那篇35岁转行ai培训的账本里那位老周，客服转AI，逻辑一个样——工具会贬值，经验不会。
对了，说个跑题的。讨论到激动处，蔓姐拿水杯敲桌子，杯盖飞出去滚到老陈脚边。老陈捡起来递回去："你看，这个异常场景AI就预测不到。"全组笑喷。话说回来，玩笑归玩笑，方向大家都认：往上游走，往判断走。
内部主讲和外部讲师，两场差距在哪
老陈那场实用度更高，素材全是自家系统，听完当天就能照着改流程；方老师那场体系感强，但一半内容网上免费就有。公司内训建议先让内部人讲，外部讲师留给体系化扫盲。
两场比下来，差别不在讲师水平，在素材。老陈用的需求文档、缺陷单、CI日志全是我们的真东西；方老师的演示环境是通用电商demo，听着热闹，回来还得自己翻译一遍。
方老师那场也没白花钱——他把方法论串了一遍，等价类、边界值、正交法怎么跟提示词结合，讲得比老陈细。这绕回一个老话题：AI培训费用怎么避坑里写过的道理，报班买的是"缩短摸索时间"，不是知识本身。知识如今满地都是。
提示词这块多说一句。AI出的用例全不全，很大程度看提示词给不给力——需求背景、历史bug、约束条件喂得越足，产出越靠谱。这个逻辑跟写AI绘画场景描述词是一样的，描述越具体，结果越可控。
两场培训结束一个月了，组里的实际变化：自动化脚本产出快了一截，缺陷周报摘要交给AI，用例流程多了一道"AI补充+人工挑刺"的工序。没发生奇迹，也没翻车，就是活儿干得比以前顺一点。测试这行不会因为AI消失，但会被重新洗牌。手快的优势在缩水，想得深的价值在上涨。这话写给组里的新人，也写给我自己。
常见问题
测试人员零基础，能直接学AI辅助测试吗？
能，但先补测试基本功。AI只是放大器，你不懂等价类和边界值，就判断不出AI漏了什么。建议先花两周把用例设计方法过一遍，再上手AI工具，顺序反了容易学成"会按按钮但不会看结果"。
AI生成的测试用例能直接用吗？
不能直接用。我们实测下来，主流程用例可用率挺高，边界和异常场景漏得厉害，必须人工评审补充。把AI的产出当草稿，别当成品。
学AI辅助测试需要会编程吗？
写用例和归纳缺陷报告不用，做自动化脚本最好懂一点。不求会写，至少要能看出AI补全的代码哪里有问题——固定等待这种坑，不懂代码的人根本发现不了。
公司不组织内训，自己怎么练AI辅助测试？
拿自己项目的真实需求让AI生成用例，然后逐条挑毛病，这个练习比任何课都管用。免费资源先榨干，再考虑付费，能省不少学费。