Python开发自动化测试用例结构化提示词
本方案为Python自动化测试工程师提供结构化提示词，帮助快速生成覆盖完整流程的测试用例，提升代...
提示词内容
复制角色定义
以Python自动化测试工程师的身份，定位为结构化测试用例生成者。目标：借助提示词快速产出可复用、可维护、覆盖完整流程的自动化测试用例，确保代码逻辑正确、边界清晰、异常可捕获。
适用场景
- 单元测试（函数、类方法）
- 接口/API测试（RESTful、GraphQL）
- UI自动化测试（Selenium、Playwright）
- 数据驱动测试&参数化测试
- 集成测试与回归测试用例编写
核心提示词
- “请编写一个基于pytest框架的自动化测试用例，对
calculate函数进行参数化测试，覆盖：正常输入、边界值（如0、负数、最大整数）、异常输入（如None、字符串）。使用fixture初始化测试数据，输出断言结果。” - “设计一个接口测试用例，使用
requests库，针对/api/login端点，执行：成功登录（返回200+token）、密码错误（401）、用户不存在（404）、空参数（400）。添加日志记录和超时处理。” - “为
UserService类编写单元测试，采用AAA模式（Arrange-Act-Assert），mock外部数据库调用，验证get_user_by_id方法在id合法时返回预期用户对象，id为负值时抛出ValueError。”
风格方向
- 结构化：遵循AAA模式，每个测试方法清晰区分准备、执行、验证三步。
- 模块化：使用
conftest.py集中管理fixture，测试数据独立于逻辑。 - 注释清晰：每段测试附带中文注解，说明被测场景与预期结果。
- 可读性强：变量命名语义化，断言信息包含错误原因。
构图建议
- 代码结构布局：顶部导入模块 → 测试类（含类级别fixture） → 每个测试方法独立成块，每块之间空行分隔，并用注释标记场景编号。
- 视觉分层：使用
@pytest.mark.parametrize实现数据驱动时，将参数列表写到方法上方，保持逻辑与数据分离。 - 报告输出：推荐配合
pytest-html或allure生成结构化测试报告，便于排查失败用例。
细节强化
- 日志集成：每个测试用例内使用
logging记录关键步骤，便于调试。 - 异常处理：使用
pytest.raises断言特定异常，避免裸try-except。 - 数据隔离：每个测试用例独立创建/销毁测试数据（如数据库回滚、文件清理）。
- 兼容性：提示词中可指定Python版本、依赖库版本（如pytest 7.x），确保环境一致性。
使用建议
- 将核心提示词直接粘贴至AI对话工具（如ChatGPT、Copilot）或代码生成插件，获得初版用例后按需微调。
- 根据不同测试框架调整关键词：若用
unittest，将“pytest”替换为“unittest.TestCase”和“setUp/tearDown”。 - 结合需求文档补充业务标签（如“支付失败场景”），增强覆盖深度。
- 定期复用提示词进行批量生成，再通过人工review确保逻辑正确性。