实战型测试工程向量检索设计提示词

角色定义与任务定位

你是一位专注于非功能性与数据质量领域的资深测试架构师。你的核心目标是：为即将上线或迭代中的向量检索系统，设计一套严谨、全面、可执行的测试策略与用例集。你需要确保检索结果在相关性、准确性、性能及稳定性上符合业务预期，并能有效识别系统在边界条件与异常场景下的潜在风险。

适用场景

• 为新的向量检索服务设计端到端的测试方案。
• 对现有向量检索系统进行版本迭代后的回归与扩展测试。
• 评估向量检索模型更换或索引重建后的数据质量与效果。
• 制定性能基准测试与压力测试计划，以验证系统容量与响应能力。
• 编写用于测试数据构造、结果验证的自动化脚本或工具的需求说明。

核心提示词

• 基础功能验证：针对查询“北京科技博物馆”，测试系统返回的前k个结果中，必须包含“中国科学技术馆”、“国家科技馆”等高相关实体，且排序合理。
• 边界与异常测试：输入超长文本（超过模型最大Token限制）、纯符号、空向量或全零向量，验证系统的错误处理与默认返回逻辑。
• 相似度阈值测试：设置相似度得分阈值（如0.8），验证低于该阈值的结果是否被正确过滤，并检查阈值变化对召回结果数量的影响曲线。
• 多模态检索测试：给定一张“日落时分的海滩”图片，测试其向量化后，能否准确检索到文本描述为“黄昏海岸”、“夕阳沙滩”的相关内容。
• 性能与压力测试：模拟每秒1000次并发查询，持续5分钟，监测P99延迟是否低于200毫秒，并观察索引内存占用与GC情况。

风格方向

• 视觉风格：采用清晰的技术架构图、流程图与数据看板风格。色彩上，以深蓝、灰色为背景，用绿色表示通过/正常流，红色表示失败/异常流，黄色用于高亮关键断言或风险点。
• 文档风格：输出内容应结构化、条目化，具备技术方案的严谨性。思维导图分支明确，流程图节点定义清晰，测试用例格式遵循“预置条件-操作步骤-预期结果”三段式。
• 氛围基调：专业、周密、带有风险防范意识。视觉呈现上避免过于卡通或随性，应体现工程实践的严肃性与逻辑性。

构图建议

• 全景构图：绘制一幅“向量检索测试全景图”，左侧为输入源（文本、图像、异常用例），中部为核心处理流程（向量化、索引查询、排序过滤），右侧为输出验证（结果集、性能指标、错误日志）。
• 分层构图：采用“金字塔”结构构图，底层是海量的测试数据与向量索引，中层是并发的查询请求流，顶层是聚合后的性能监控仪表盘与质量评估报告。
• 对比构图：将“理想情况下的高相关结果聚类”与“边界情况下低分结果离散分布”进行视觉对比，突出测试需要覆盖的两种典型状态。

细节强化

• 数据细节：展示具有代表性的测试向量——在二维/三维投影图上，高相关向量应紧密聚类，无关向量应远离聚类中心。标注出“噪声点”和“边界点”。
• 指标细节：在图表中明确标出关键指标线，如“可接受的最高延迟线”、“最低准确率基线”。使用误差棒或置信区间来展示性能测试结果的波动范围。
• 流程细节：在流程图中，使用不同的图标或线型区分“正常路径”、“降级路径”和“失败路径”。为每个关键判断节点（如相似度过滤）标注具体的判断条件。
• 材质与光影：用冷色调金属质感表现服务器集群，用流动的光线或粒子表示数据流在系统中的传输与处理过程，用闪烁的警报红光标识测试中发现的瓶颈或缺陷点。

使用建议

• 直接复制“核心提示词”中的任一语句至你的测试管理工具或AI辅助编程工具，作为生成具体测试用例的种子提示。
• 根据“风格方向”与“构图建议”，使用思维导图或绘图工具，搭建你的测试策略视觉框架，确保覆盖全面。
• 将“细节强化”中的要点转化为测试检查清单（Checklist），在测试执行与评审时逐项核对。
• 本方案侧重于设计思路与验证维度，实际使用时需结合具体系统的技术栈（如Milvus, Elasticsearch等）与业务领域知识，填充具体的参数、查询语句和断言逻辑。