本文是一篇利用AI生成测试用例的实战内容，包括AI原理及测试用例生成过程两方面，接下来先看看测试界面及生成的测试用例效果展示。
测试页面
下图这是我的测试页面
AI模型生成的测试用例
地址：
https://kimi.moonshot.cn/chat/cnjrkho3r0737glhtm80
Kimi AI模型是由月之暗面科技有限公司（Moonshot AI）开发的智能助手。它的核心能力在于处理长文本，支持长达20万汉字的输入，这在全球大模型产品中是一个显著的特点。Kimi AI能够处理多种类型的文件和来自不同网站的内容，包括PDF、Word文档等，并且能够将问题和答案整理成表格，方便用户查看和理解。
原理
AI模型基于大规模的机器学习和自然语言处理技术，通过深度学习算法训练而成。它能够理解和生成自然语言，从而与用户进行有效的交流和信息处理。
我的简单理解是训练AI你想要的东西，AI学会了之后反向提供给你想要的目标成果。
优势
Kimi AI相比于其他模型的优势有下面几点：
超长对话记忆：能够记住对话中的上下文信息，提供更准确和有条理的回答。
文件处理能力：支持多种文件格式，包括PDF和Word文档，能够处理大量文本信息。
网页内容解析：能够读取和总结网页内容，帮助用户快速获取信息。
表格整理：能够将信息整理成表格形式，提高信息的可读性和易用性。
对于测试用例这块比较好的点：
图片上传测试用例，便于学习功能点
Excel上传测试用例，便于学习功能点
生成测试结果csv 格式，便于转化excel文件
根据我实际演练的过程，总结标准过程可以按照以下5个步骤进行：
1、提供模板：
设计或获取测试用例模板，这些模板应该包含所有必要的测试信息，如测试步骤、预期结果、输入数据、执行条件等。
首先对话框输入用例列表字段内容：
接下来告诉它记住这个框架
这是一篇用例模板框架，请记住以后我说生成测试用例后都是按照这些内容生成，记住了么
2、上传功能点，完善的测试用例
收集和整理系统的功能点，确保所有关键功能都被识别和理解。
对于每个测试用例，定义清晰的预期结果，以便AI模型可以学习如何生成正确的测试步骤和预期结果。
这部分我试过针对一个功能模块的excel 文件上传、用例截图图片上传、直接将所有用例拷贝粘贴到对话框中，但是效果都不理想会卡住，下面这张图正常应该显示54条case。
转换下思路按照功能点训练
比如查询功能，在文本框输入查询用例并描述，’这是查询的功能测试用例，以后说查询都要包括查询已存在记录。
查询不存在记录
默认查询
查看查询响应速度
切换页面查询
这几项内容知道了么
Ai模型的反馈结果
自己根据自己的测试用例要求按照上面例子进行训练。
上面只是我训练过程的一部分，实际过程会比这复杂，还得结合自己的系统摸索。
3、提要求生成用例
向AI模型提供具体的测试要求，这可能包括特定的测试类型、风险级别、优先级等。
使用AI模型处理模板和功能点信息，生成新的测试用例。AI可以基于历史数据和学习到的模式来预测可能的测试场景。
对生成的测试用例进行人工审核，确保它们符合测试要求并且没有遗漏重要的测试场景。
最终要求参考如下：
4、验证和优化：
在实际环境中执行AI生成的测试用例，验证其有效性和覆盖率。
收集测试结果和反馈，用于优化AI模型的性能和生成的测试用例的质量。
5、迭代和维护：
根据测试结果和反馈，不断迭代和完善AI模型，提高测试用例的准确性和相关性。
定期更新功能点和测试用例模板，以适应系统的变化和新的需求。
整个测试用例生成过程包括提供模板、上传功能点，完善的测试用例、提要求生成用例这几个过程，这是生成过程，具体生成完成之后还得进行优化以及测试执行进行验证，随着这几天的了解，我觉得AI离我们越来越近，巧用AI更能助力测试效率的提升。
大家看完觉得收获如何，在此，小编也整理了51Testing往期与“AI+测试用例”相关的文章，希望对你有所启发！
