你还在手写测试用例、手动执行回归测试、等开发提测后再开始验证、每天花大量时间维护测试数据吗？？？
这套流程已经落后了！————
很多转AI测试的小伙伴，十个里有九个犯同一个错：只知道用ChatGPT帮忙写测试用例，其他工具全靠听说。面试问到测试平台怎么选？自动化覆盖率怎么提升？测试数据怎么生成？答不上来。
这篇把AI测试的核心工具讲清楚，同时也给想转行测试的新手一条清晰的路径。
Dify是一个开源平台，对测试人员来说，它有3个特别实用的功能：
01、应用搭建平台：测试自动化第一步
01、Dify —— 把测试知识变成智能助手
- 测试知识库：把你们团队的测试用例、历史bug记录、业务文档都丢进去。以后谁问“登录模块以前出过什么bug”“这个功能怎么测”，AI直接回答，还告诉你答案是从哪份文档来的。
- 测试工作流：把一堆测试步骤串成一条流水线——生成测试数据→自动执行接口测试→分析结果→发现bug直接提缺陷单，全程不用人管。
- 测试智能体：给AI一个目标，比如“帮我测一下登录功能”，它会自己决定怎么测、用什么工具、什么时候该停。
优点：开源，可以装在公司内部服务器上，测试数据不出门，安全。中文社区很活跃，有问题能找到人问。
02、Coze —— 几分钟搭一个测试Bot
Coze是字节跳动出的，中文名叫扣子。它最大的特点是“快”。
你想搭一个“测试用例生成助手”，输入需求描述，自动出测试用例。在Coze上，配置好提示词、挂上几个插件，几分钟就能搞定。更厉害的是，搭好的Bot一键就能发到飞书、微信上，团队成员在聊天窗口里就能用。
优点：零门槛，不用写一行代码。
03、FastGPT —— 轻量版测试问答
FastGPT比Dify轻得多，功能也简单——只做一件事：把你的文档变成一个能问答的系统。
把需求文档、接口文档、历史用例导进去，新来的测试同学问“这个模块怎么测”，AI直接给出答案，还告诉你从哪篇文档找到的。
优点：简单，不容易出问题，维护成本低。
02、AI编程工具：测试脚本自己写
04、Bolt.new —— 30分钟做出测试Demo
打开浏览器就能用，不用装任何开发环境。你描述需求：“帮我生成一个登录功能的测试页面”，AI自动写出代码，实时预览，一键就能部署出去。
优点：零门槛，快到离谱。
05、Cursor —— 写测试脚本的AI搭档
Cursor是基于VS Code改造的，如果你用过VS Code，上手就是零成本。它在写代码的每个环节都嵌入了AI：
- Tab补全：你写一行，它猜你下一行要写什么
- Composer：一次性帮你改多个文件
- Agent：给它一个需求，它自己读代码、写测试、跑验证
优点：中等门槛，适合日常写测试脚本。
06、Claude Code —— 命令行里的编程高手
Claude Code运行在命令行里，是给有技术基础的人用的。你跟它说“为这个登录接口生成完整的测试用例，包括正常情况、异常情况、边界情况”，它会读取整个代码仓库，精准找到要改的地方，生成测试代码，然后自动跑一遍验证。
优点：生成的代码质量最高。
03、模型与数据服务：测试数据哪来
测试离不开数据。选什么模型来生成数据、在哪跑、花多少钱，这些测试经理得心里有数。
07、Ollama —— 在自己电脑上跑模型
一行命令，就能在自己电脑上跑起一个大模型。数据完全不出你的电脑。
优点：数据安全，不联网。
08、OpenRouter —一个接口调遍所有模型
以前想做模型对比，得注册OpenAI账号、注册Claude账号、注册Google账号，每家写一套代码，光对接就要折腾一两天。
有了OpenRouter，一个账号、一套代码，想用哪个模型就改一行配置。今天试GPT，明天试Claude，后天试通义千问，一个下午跑完所有对比。
优点：效率提升不是一点半点。
09、Hugging Face —— 模型界的GitHub
Hugging Face上有几十万个开源模型，还有排行榜。选型会议上，你能说出“Hugging Face排行榜上Qwen2.5在中文测试数据生成任务上的得分超过GPT-4o”，比说“我觉得通义千问挺好的”有说服力太多了。
优点：权威数据，说出去有分量。
04、智能体平台：测试从人做转AI做
很多人分不清测试脚本和测试智能体的区别。脚本是你写好的固定步骤，智能体是给AI一个目标，它自己规划怎么干。
10、Manus —— 体验AI测试的极限
给Manus一个目标：“帮我测这个登录功能，找出所有bug”。它会自己打开浏览器、输入数据、点来点去、检查结果、记录缺陷。全程不用你一步步教。
建议：每个测试经理都应该去Manus上跑几个真实任务，亲自感受一下AI测试到底能做到什么程度。它能做什么、做不了什么、在什么情况下会出错——这些感觉不是看文章能获得的，必须亲手跑几遍。
05、AI测试岗位需要什么技能
想转行做AI测试，这5个能力是核心：
1. 测试基础 + AI工具
传统的测试方法得懂，但更重要的是会用AI工具。Dify搭工作流、Cursor写脚本、PromptLayer做版本管理，这些都是基本功。
2. 提示词工程
AI生成测试用例的质量，取决于你的提示词写得好不好。需要学会怎么写结构化的提示词、怎么给上下文、怎么用例子引导AI。
3. 测试数据生成
会用AI生成符合业务场景的测试数据，包括正常数据、异常数据、边界数据。懂得用Ollama本地跑模型，保护数据隐私。
4. 自动化测试 + AI编程工具
Selenium、Appium这些框架得会，但更重要的是用Cursor、Claude Code辅助写脚本，效率能翻好几倍。
5. 缺陷预测与质量分析
用AI分析历史bug数据，预测哪些模块最容易出问题，指导测试重点放在哪。
【体验课】
☑️想了解更多涨薪技能提升方法
✔️可以到我的个人号：atstudy-js
即可加入领取 ⬇️⬇️⬇️
转行、入门、提升、需要的各种干货资料
内含AI测试、 车载测试、AI大模型开发、BI数据分析、银行测试、游戏测试、AIGC
热门跟贴