本文是一篇利用AI生成测试用例的实战内容，包括AI原理及测试用例生成过程两方面，接下来先看看测试界面及生成的测试用例效果展示。

　　一 训练结果

　　测试页面

　　下图这是我的测试页面：

　　AI模型生成的测试用例：

　　二 Kimi AI 模型介绍

　　地址：https://kimi.moonshot.cn/chat/cnjrkho3r0737glhtm80

　　Kimi AI模型是由月之暗面科技有限公司（Moonshot AI）开发的智能助手。它的核心能力在于处理长文本，支持长达20万汉字的输入，这在全球大模型产品中是一个显著的特点。Kimi AI能够处理多种类型的文件和来自不同网站的内容，包括PDF、Word文档等，并且能够将问题和答案整理成表格，方便用户查看和理解。

　　原理

　　AI模型基于大规模的机器学习和自然语言处理技术，通过深度学习算法训练而成。它能够理解和生成自然语言，从而与用户进行有效的交流和信息处理。

　　我的简单理解是训练AI你想要的东西，AI学会了之后反向提供给你想要的目标成果

　　优势

　　Kimi AI相比于其他模型的优势有下面几点：

　　超长对话记忆：能够记住对话中的上下文信息，提供更准确和有条理的回答。

　　文件处理能力：支持多种文件格式，包括PDF和Word文档，能够处理大量文本信息。

　　网页内容解析：能够读取和总结网页内容，帮助用户快速获取信息。

　　表格整理：能够将信息整理成表格形式，提高信息的可读性和易用性。

　　对于测试用例这块比较好的点：

　　1、图片上传测试用例，便于学习功能点

　　2、Excel上传测试用例，便于学习功能点

　　3、生成测试结果csv 格式，便于转化excel文件

　　三 用例生成训练实践过程

　　根据我实际演练的过程，总结标准过程可以按照以下5个步骤进行：

　　1、提供模板：

　　设计或获取测试用例模板，这些模板应该包含所有必要的测试信息，如测试步骤、预期结果、输入数据、执行条件等。

　　首先对话框输入用例列表字段内容：

　　接下来告诉它记住这个框架

　　这是一篇用例模板框架，请记住以后我说生成测试用例后都是按照这些内容生成，记住了么

　　2、上传功能点，完善的测试用例

　　收集和整理系统的功能点，确保所有关键功能都被识别和理解。

　　对于每个测试用例，定义清晰的预期结果，以便AI模型可以学习如何生成正确的测试步骤和预期结果。

　　这部分我试过针对一个功能模块的excel 文件上传、用例截图图片上传、直接将所有用例拷贝粘贴到对话框中，但是效果都不理想会卡住，下面这张图正常应该显示54条case。

　　转换下思路按照功能点训练

　　比如查询功能，在文本框输入查询用例并描述，’这是查询的功能测试用例，以后说查询都要包括查询已存在记录
　　查询不存在记录
　　默认查询
　　查看查询响应速度
　　切换页面查询
　　这几项内容知道了么

　　Ai模型的反馈结果：

　　自己根据自己的测试用例要求按照上面例子进行训练。

　　上面只是我训练过程的一部分，实际过程会比这复杂，还得结合自己的系统摸索。

　　3、提要求生成用例

　　向AI模型提供具体的测试要求，这可能包括特定的测试类型、风险级别、优先级等。

　　使用AI模型处理模板和功能点信息，生成新的测试用例。AI可以基于历史数据和学习到的模式来预测可能的测试场景。

　　对生成的测试用例进行人工审核，确保它们符合测试要求并且没有遗漏重要的测试场景。

　　最终要求参考如下：

　　4、验证和优化：

　　在实际环境中执行AI生成的测试用例，验证其有效性和覆盖率。

　　收集测试结果和反馈，用于优化AI模型的性能和生成的测试用例的质量。

　　5、迭代和维护：

　　根据测试结果和反馈，不断迭代和完善AI模型，提高测试用例的准确性和相关性。

　　定期更新功能点和测试用例模板，以适应系统的变化和新的需求。

　　总结~

　　整个测试用例生成过程包括提供模板、上传功能点，完善的测试用例、提要求生成用例这几个过程，这是生成过程，具体生成完成之后还得进行优化以及测试执行进行验证，随着这几天的了解，我觉得AI离我们越来越近，巧用AI更能助力测试效率的提升。

作者：M&T.    

来源：http://www.51testing.com/html/47/n-7801747.html