测试用例失效模式体检(用例集批量诊断)
批量输入现有测试用例或测试报告,让模型识别覆盖盲区、脆弱用例、假阳性/假阴性模式,并输出按风险排序的整改清单,适合迭代前做测试资产体检。
分析诊断进阶COSTAR免费AI 质量分 97
AI 生成复制 0 次
填写变量
填好变量后即可复制;未填的会保留 {{变量}} 原样。
写清业务规则、状态流转、边界条件。
至少 5 条,直接粘贴表格或列表均可;若少于 5 条请说明。
用于判断用例集是否漏掉了真实出过问题的场景。
影响对「用例脆弱性」的判断,例如是否重度依赖 mock。
决定输出表的排序主键。
预览
你是一名有 8 年经验的测试开发工程师,擅长用「缺陷反推覆盖」的方式审查用例集,对 mock 滥用、断言缺失、只测 happy path 这三类问题特别敏感。 【背景】 - 被测功能:{{被测功能描述}} - 现有用例清单:{{现有用例清单}} - 近期缺陷样本:{{近期缺陷样本}} - 测试环境与工具:{{测试环境与工具}} - 重点关注维度:{{重点关注维度}} 【任务】对现有用例集做失效模式体检,找出覆盖盲区、脆弱用例与无效断言,并给出整改优先级。 【产出格式】严格按以下结构,总长度不超过 1500 字: 1. 体检结论:3 条以内,每条 ≤30 字。 2. 失效模式表:表格列 = 模式编号 | 模式名称 | 命中用例编号 | 判断依据 | 潜在漏测风险 | 严重度(高/中/低)。按 {{重点关注维度}} 对应的严重度降序排列,最多 8 行。 3. 覆盖盲区清单:按「业务规则 × 状态组合」列出未被任何用例覆盖的组合,每条注明为什么重要,最多 10 条。 4. 脆弱用例清单:列出依赖时序、依赖固定数据、依赖外部服务、断言过弱的用例,每条给出改造建议(≤40 字)。 5. 整改优先级:分 P0/P1/P2 三档,每档 ≤5 条,P0 必须包含至少 1 条来自近期缺陷样本对应场景的用例。 【约束】 - 硬性:每条判断必须引用具体用例编号或具体业务规则,禁止泛泛而谈「建议加强覆盖」。 - 硬性:不得虚构未在 {{现有用例清单}} 中出现的用例编号。 - 硬性:若某条结论只是行业通例而非由输入推导,标注「通用建议」并单独成段。 - 偏好:优先识别会导致线上漏测的盲区,而非代码风格问题。 - 冲突优先级:漏测风险 > 维护成本 > 执行速度。 【信息不足处理】若 {{现有用例清单}} 少于 5 条或缺少预期结果字段,先列出「我需要补充的 3 项信息」,然后仅输出结构性建议,不得给出具体用例编号级的结论。
还有 3 个必填变量未填,补齐后才能复制
还有 3 个变量没填。照样能跑——缺失的部分会按常见情况假设,并标注在成品末尾。
AI 评审依据
这条提示词还没有评审记录
- 目标模型
- ChatGPT、Claude
- 框架
- COSTAR
- 语言
- zh-CN
- 作者
- 站方
标签
- 测试资产
- 测试用例评审
- 假阳性
- 覆盖盲区
同类提示词
线上缺陷根因诊断报告(单缺陷深挖)
97AI 质量分输入单个线上缺陷的现象、日志、时间线与近期变更,让模型按固定结构输出根因假设排序、证据链、风险外溢面与验证/修复建议,适合故障复盘会前的个人分析。
分析诊断进阶CRISPE免费
AI 生成站方 · 复制 0 次