AI测试技能：重视自身测试思维，能力会影响AI测试质量

我们来看一个登录的测试用例设计

这份用例使用功能数模型设计，内容本身没问题

但是，如果把这份喂给ai，让他按照相同的组织层级去设计用例，问题就变得很大了，因为现在你变成了用例审核人员，ai输出的这些，你很难一下子抓住测试的重点，测试是否覆盖到位

上面这份用例，只表达测什么功能，而没有表达为什么这么测，属于哪个业务模型

为什么要在用例中考虑以上两点？
如果你参加过很多用例评审，应该有相同的感触，那就是用例写的密密麻麻，但是看起来却不知道哪些地方没有覆盖到。
我们来看一份改造后的登录测试用例

这一份用例在评审时看起来就非常清晰，
即：测试人员关心从页面哪里输入，得到什么结果
而审核人员关心的重点不在页面，而在于数据一致性、状态管理，同时基于风险考虑着重审核某些关键测试用例，
因此如果把这份作为示例给到ai，其产出的测试用例，人工审核起来更加省心

在现实中，我们可以看到越来越多的非专业人员都设计开发自己的应用，然后使用AI测试
但是APP还是经常出现各种问题，一些很现实的例子：
1、某个ERP系统新开发的后台功能，没有做鉴权，可以随意访问
2、专注计时功能，跨天（0点）的数据统计错误，会把这次专注时长复制到昨天和今天的数据中

所以怎么说呢？AI很强大，但是专业的事情还得专业的人来做，才能提高AI的产出质量