什么是提示词工程

提示词工程指的是在和 AI 工具互动时，通过优化输入指令（比如提问方式、关键词选择、上下文补充等）来更高效地获取所需结果。它有点像“和 AI 沟通的翻译技巧”，核心是理解 AI 的逻辑习惯，用更精准的语言引导它输出有价值的内容。

对软件测试工程师来说，掌握这个技能能提升日常效率，尤其是在使用 AI 辅助工具时。举几个具体例子：

1. 快速生成测试场景

比如测试登录功能时，直接问 AI“给我一些测试用例”可能得到泛泛的回答。但改用提示词：“请列出手机号登录功能的 10 个边界条件测试点，重点覆盖国际号码格式、超长输入、特殊字符等情况”，AI 输出的内容会更有针对性。

2. 自动化脚本调试

当脚本报错时，把错误日志+代码片段一起丢给 AI，加上提示：“请用 Python+Selenium 定位问题，先解释报错原因，再给出两种修改方案，用代码示例说明”。这比单纯问“哪里错了”更容易获得有效回复。

3. 生成测试数据

需要批量构造测试数据时，可以设计提示词：“生成 50 条符合欧盟 GDPR 要求的用户注册信息，包含姓名、邮箱、地址，其中 20%的数据故意包含格式错误”。这比手动编造数据节省大量时间。

4. 分析测试结果

将自动化测试报告发给 AI 时，提示：“总结失败用例的共同特征，按优先级排序问题，并用表格列出可能的原因”。能快速提炼关键问题，减少人工筛查时间。

关键点在于：把 AI 当“实习生”用，通过明确任务背景、输出格式、重点方向，减少无效沟通。实际工作中，测试工程师积累的用例设计经验反而能帮你设计出更好的提示词——毕竟你更清楚测试目标在哪里。

原则与技巧

1. 先说目标，再给细节

❌错误示范：

“生成测试数据。”（目标模糊，AI 可能随机生成无效数据）

✔正确逻辑：

“我需要测试用户年龄输入框的边界值，请生成 10 组测试数据，要求：

• 包含有效值（0-120 岁）、最小值（0）、最大值（120）

• 包含无效值（负数、非数字字符、超长数字如 12345）

• 用表格展示，一列为输入值，一列为预期结果”

原则：先定义测试目的（边界值测试），再明确数据规则和输出格式。

2. 给 AI 一个“角色”

❌普通提问：

“分析这段接口返回的 JSON 哪里可能有问题。”

✔角色化改进：

“假设你是资深测试开发工程师，请检查以下登录接口的响应：

• 对比状态码、响应时间是否符合需求文档（标准：200 状态码，响应<500ms）

• 检查 token 字段是否存在且长度≥32 字符

• 列出 3 个潜在的安全风险点”

原则：赋予 AI 特定角色（如测试专家），限制其思考角度，避免发散。

3. 拆解复杂任务

❌低效提问：

“帮我想一个自动化测试框架的设计方案。”（范围过大，回答可能空洞）

✔分步引导：

“第一步：用 Python+pytest 设计登录模块的测试框架，需包含——

• 数据驱动（从 Excel 读取测试用例）

• 失败截图功能

• 自定义日志记录格式

第二步：针对以上框架，给出一段示例代码和目录结构说明”

原则：将大任务拆解为可执行步骤，降低 AI 的理解负担。

4. 用对比排除歧义

❌模糊需求：

“生成性能测试脚本。”（AI 可能用 JMeter 或 Locust 不确定）

✔精准定义：

“我需要用 Locust（而非 JMeter）编写一个 HTTP 接口压测脚本，要求：

• 模拟 100 用户阶梯式递增（每 10 秒+20 用户）

• 统计登录接口的 90%响应时间

• 当错误率>5%时立即停止测试

• 给出代码并注释关键参数含义”

原则：通过否定（“不要什么”）和肯定（“要什么”）明确边界。

5. 提供上下文线索

❌孤立提问：

“这个报错怎么解决？”（AI 缺少背景信息）

✔关联上下文：

“我正在用 Appium 测试安卓 APP 的首页加载速度，环境是 Python+ pytest，以下是报错日志和对应代码片段：

[粘贴代码/日志]

请：

1. 解释‘ElementNotVisibleException’的可能原因

2. 根据我的代码给出两种修复方案

3. 建议如何增加重试机制防止偶发失败”

原则：像和同事沟通一样，同步必要背景信息。

实际技巧总结

测试工程师的优势：你比 AI 更懂测试场景，用业务术语替代抽象描述（如直接说“等价类划分”而非“多种情况测试”）。

复用经验：将常用的测试方法论（如边界值分析、异常流设计）融入提示词，例如：“按 ISTQB 标准设计支付功能的正向/逆向用例”。

迭代思维：若 AI 第一次回答不理想，用“排除法”追问：“排除网络问题，从数据加密角度重新分析”。

最终记住：好的提示词=明确指令+业务理解+AI 交互习惯，这和设计测试用例的逻辑本质相通——越清晰的输入，越高效的输出