关注 霍格沃兹软件测试开发 公众号，回复「资料」, 领取人工智能测试开发技术合集你有没有过这种经历：让AI帮你写一段性能测试脚本，看着它刷刷刷输出了几十行代码，心里一阵暗爽。结果一跑，报错。改完再跑，又报错。来来回回折腾半小时，最后默默关掉窗口，自己手写了一个。今年AI辅助写代码已经火得不行，但很多测试同行跟我吐槽：“生成的脚本根本没法直接用，修Bug的时间比自己写还长。”这个问题我太熟了，之前也一直被它折磨。直到上周，我压测一个下单接口时，试着在Prompt里加了一句话。同样的需求描述，生成的Locust脚本复制到PyCharm里，直接跑通，零报错，连压测曲线都稳得一批。目录你花半小时改AI脚本，问题出在第一次交流AI写不好脚本，不是它笨，是你没给它上下文一句Prompt，如何把一个“半成品”变成“即用品”两个脚本的命运：通用Prompt vs 工程级Prompt这不是魔法，是让你的隐性知识可翻译你的团队，有没有一本AI能读懂的“工程字典”你花半小时改AI脚本，问题出在第一次交流最近半年，性能测试圈里有个现象越来越明显：大家开始用ChatGPT或Copilot生成Locust、JMeter脚本，但能一次跑通的寥寥无几。表面看是AI能力不行，实际上，是我们跟AI的对话方式，跟当年产品经理给开发提需求一样——“我要一个登录功能”，别的都不说，开发不骂人才怪。你回想一下，你让AI写脚本时，是不是通常就一句话：“帮我写一个Locust脚本，测试下单接口。”然后AI给了你一堆代码。你复制进去，发现缺少导入、URL硬编码、没有断言、数据参数化没做，甚至连Cookie处理都漏了。很多人到这里就放弃了，觉得“AI也就那样”。但问题不在AI，在于你给的上下文，比给实习生的还少。本质是，你用自然语言的模糊性，挑战了编程的确定性。AI写不好脚本，不是它笨，是你没给它上下文一个合格的性能测试脚本，需要包含哪些信息？目标接口的完整地址、请求方法、Header、Body体结构、参数化数据来源、并发模型、断言规则、运行时长、是否需要模拟用户登录、是否要处理CSRF Token、日志输出格式。这些东西，在你的脑子里是默认已知的，在你团队的Wiki里是文档化的，但在你发给AI的那句话里，一个都没有。
发布于 辽宁
分享
评论
赞
未登录
友善发言
评论
加载中
