AI应用自动化测试用例完整流程提示词

角色定义与任务定位

请以“AI应用质量保障架构师”的身份，运用本提示词方案。您的核心目标是：为特定的AI驱动型应用程序，系统化地构建一套结构完整、逻辑严密、可直接执行或指导开发的自动化测试用例集，确保AI功能的可靠性、性能及用户体验符合预期标准。

适用场景

• 为即将上线的AI新功能（如智能对话、图像识别、预测模型）设计端到端测试流程。
• 对现有AI应用模块进行回归测试覆盖，确保迭代更新后核心能力稳定。
• 构建跨平台、多场景的AI交互一致性验证方案。
• 准备符合行业合规性要求（如金融、医疗）的AI系统测试文档。

核心提示词

可直接复制并填充具体应用信息的提示词框架：

• 功能测试用例生成：“为[此处填写AI应用名称，如：智能客服系统]的[具体功能模块，如：意图识别模块]生成一组正向与负向功能测试用例。需覆盖：正常输入预期输出、边界值输入、无效/歧义输入处理、错误信息提示。用例格式：用例编号、前置条件、测试步骤、预期结果。”
• 性能与负载测试提示：“设计针对[AI模型API接口]的性能测试场景。包括：单用户请求响应时间（P95）、每秒查询率（QPS）压力测试、长时间运行下的内存泄漏监测、大数据量输入下的处理吞吐量测试。”
• 安全与伦理测试提示：“生成[AI内容生成应用]的安全测试用例。重点覆盖：输入注入攻击（Prompt注入）防护、输出内容安全过滤（避免生成有害、偏见内容）、用户数据隐私泄露风险点、模型逆向工程防护测试。”
• 集成与用户旅程测试提示：“绘制一个完整的用户与[AI驱动的电商推荐系统]交互的旅程图，并基于此生成关键集成测试用例。旅程包括：用户登录、浏览商品、接收个性化推荐、点击推荐、完成购买。验证AI推荐与前后端系统的数据流一致性。”

风格方向

• 结构化与标准化：输出内容严格遵循行业测试文档规范（如Gherkin语言：Given-When-Then），确保用例清晰、无二义性。
• 技术精准性：使用准确的测试术语（如：桩模块、驱动模块、断言、模拟/Mock）和AI领域术语（如：置信度、召回率、模型漂移）。
• 可执行导向：强调用例的可自动化程度，优先生成可被Selenium、Appium、JUnit、PyTest等主流工具执行的测试步骤与验证点。

构图建议

本方案虽为文本性输出，但可指导生成可视化测试资产：

• 测试流程图：使用“时序图”或“活动图”提示词，描述“用户请求->AI模型处理->返回结果->断言验证”的完整流程。
• 边界值分析表：针对AI输入参数（如文本长度、图像尺寸、数值范围），生成二维矩阵表，清晰展示合法与非法边界。
• 缺陷分布图：提示生成按“功能模块”、“严重等级”分类的虚拟缺陷统计图，用于测试报告。

细节强化

• 数据维度：在测试步骤中明确指定测试数据特征，例如：“使用包含网络俚语、多语种混合的长文本作为输入”、“使用低光照、高噪点的图片测试图像识别模型”。
• 环境与配置：强调测试环境差异，如：“区分开发环境、沙箱环境、生产环境的模型版本与配置测试”、“测试不同网络延迟下的AI响应降级策略”。
• 模型特异性：针对不同AI模型类型补充细节，如对LLM（大语言模型）测试“上下文长度溢出处理”，对CV（计算机视觉）模型测试“对抗性样本鲁棒性”。

使用建议

• 分步迭代：建议先使用“功能测试用例生成”提示词搭建主干，再逐步深入性能、安全等专项测试，避免一次性需求过于庞杂。
• 结合具体上下文：将方括号[]中的占位符替换为您项目中最具体、最核心的信息，这是生成高相关性用例的关键。
• 提示词组合：可将多个核心提示词组合使用，例如，在生成性能测试场景后，追加“请为上述场景生成具体的监控指标与告警阈值”。
• 输出后处理：生成的用例可作为初稿，需由测试专家结合业务逻辑进行评审和补充，特别是涉及行业特定规则的部分。