AI 大模型入门 三：5 分钟速成 Prompt 公式，让 AI 生成代码的通过率从 30% 到 90%
为什么你的 AI 总在“装傻”？
测试工程师让 AI 生成接口测试用例：
“帮我写个登录接口的测试用例” → AI 返回了包含“用户名包含特殊字符”的案例，但遗漏了“密码加密传输”的验证
改进后：“生成基于 OAuth2.0 协议的登录接口测试用例，覆盖正向场景、边界值（如超长 token）、安全场景（加密传输和 SQL 注入检测）” → AI 输出包含 12 条精准用例
问题本质：AI 是一台需要精确指令的“问答机器”——提示工程（Prompt Engineering）就是编写这些指令的底层技术。
一、测试工程师眼中的提示工程：不只是“会说话”
1. 技术定义
提示工程 = 结构化输入设计 + 模型行为控制，核心目标是通过输入文本的优化，引导 AI 生成确定性高、可测试的输出。
2. 测试开发场景的价值
二、提示工程的六大进阶法则
▌法则 1：输入结构化——像设计测试用例一样写 Prompt
❌模糊指令：
✅测试工程师专用模板：
▌法则 2：逆向思维——注入“对抗样本” 案例：让 AI 生成渗透测试方案
▌法则 3：动态上下文控制——类似数据驱动测试
▌法则 4：元指令优先——设置 AI 的“测试模式”
▌法则 5：链式推理——模仿测试思维链
▌法则 6：自验证 Prompt——让 AI 自己写测试
三、测试工程师必备的 Prompt 调试技巧
1. 坏味道检测——你的 Prompt 是否存在这些问题？
2. 可视化调试工具推荐
LangChain Prompt 调试器：跟踪 AI 推理过程
DeepPrompt 可视化工具：分析 Prompt 各段落影响力
W&B Prompts 监控：记录不同 Prompt 版本的输出差异
四、当提示工程遇见自动化测试
AI 生成自动化测试脚本的完整流水线
五、避坑
不要迷信结果：始终对 AI 输出进行静态检查+动态验证
版本控制 Prompt：像管理测试用例一样管理 Prompt 迭代
防御性设计：在 Prompt 中预置过滤条件，例如：“若需求不明确，请要求用户澄清”
在 AI 时代，Prompt 就是测试工程师的新型编程接口。掌握提示工程，意味着你可以：
将自然语言转化为精准的测试需求
构建自适应的测试资产生成流水线
通过 AI 实现测试策略的动态防御
“不会写 Prompt 的测试工程师，就像只会用记事本写代码的程序员”—— 这句话正在成为现实。
专注于软件测试开发 2022-08-29 加入
霍格沃兹测试开发学社，测试人社区：https://ceshiren.com/t/topic/22284
评论