Workbuddy第一天就帮我写了300条用例，测试组长看完沉默了

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

从“两周的活”到“半小时搞定”，我们团队经历了一场效率地震

大家好，我是某互联网公司的测试开发工程师，负责自动化测试体系建设。

上周发生了一件事，让我到现在还有点恍惚。我花了一个多小时搭了个Skill，然后它半小时内帮我生成了300多条测试用例。

测试组长看完我发过去的用例文档，在群里沉默了整整十分钟。最后只回了一句话：“这谁写的？ ”

一、一个测试工程师的日常痛苦
先说说我为什么要折腾这个事。

做测试的兄弟应该都懂这种痛——产品文档动辄几百页，里面全是密密麻麻的功能描述、参数配置、业务规则。测试工程师要从中一点点抠出测试点，整理成测试用例。这活儿又枯燥又容易出错，还特别耗时间。

我自己就踩过不少坑。以前在测试部门整理文档、编写测试用例，经常漏看一些边界条件，结果测试的时候发现问题，又得回头改文档、补用例。折腾来折腾去，一个项目的测试准备工作就得占整个周期的三分之一。

更难受的是，我们团队最近接了一个新项目，PRD下来的时候我打开一看——整整180页。按照以往的速度，光是把这份文档啃完、提炼出测试点、写出用例，至少两周。

我当时坐在工位上，盯着那180页文档，脑子里只有一个想法：有没有办法让AI替我把这个活干了？

二、WorkBuddy是什么？
后来我发现了WorkBuddy。简单说，WorkBuddy是腾讯推出的全场景AI办公工作台。

但它和普通AI聊天工具有本质区别。普通AI聊天工具是“你问一句，它答一句”。WorkBuddy是桌面AI Agent——它能理解任务、调用模型、连接插件、操作本地文件、浏览器和办公流程。

用一句话概括：WorkBuddy不是让你学命令，而是你说话它执行。你说“帮我生成测试用例”，它就能自己读文档、分析功能点、输出结构化的用例表格。

更重要的是，WorkBuddy支持自定义Skill开发。你可以把自己的测试经验、用例模板、业务规则，封装成一个Skill。以后每次接到新项目，直接跑这个Skill就行——一次封装，重复使用。

三、我是怎么做的？
整个流程其实很简单，就三步。

第一步：创建Skill
花了一个多小时，在WorkBuddy上创建了一个测试用例生成Skill。

我把文档解析、用例生成的逻辑写成了这个Skill，让它能读取Word文档，识别里面的功能点、输入输出参数、业务规则。同时把测试用例的模板也嵌了进去——包含用例编号、测试场景、前置条件、测试步骤、预期结果这些要素。

Skill的核心指令大概是这样的：

读取输入的产品文档
按照黑盒测试的原则提取测试点
覆盖正常流程、异常场景、边界值、权限隔离
输出结构化的用例表格
第二步：准备文档
把那份180页的PRD文档准备好。WorkBuddy支持Word、PDF、甚至截图。我用的Word版本，文档写得比较规范，包含了功能描述、参数说明、业务规则这些内容。

第三步：运行
上传文档，点击运行。等了大概二十多分钟，一份完整的测试用例文档就出来了。

人工智能技术学习交流群
伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？我们建了一个 「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！期待与你交流！👇

图片
四、效果：说出来你可能不信
说实话，第一次跑的时候我没抱太大期望。结果出来的时候，我真的被震撼到了。

它生成了300多条测试用例。 覆盖了正常流程、异常场景、边界值、权限隔离等各种场景。

更厉害的是，它不仅仅是提取了所有的输入参数，还考虑到了各种边界条件和异常情况——参数的取值范围、必填项校验、权限控制等等，全都覆盖到了。

生成的用例是结构化的表格，包含了用例编号、测试场景、前置条件、测试步骤、预期结果这些要素，直接就能导入测试管理工具里用。

我粗略估算了一下——如果让我自己写这300多条用例，至少两周。AI只用了二十多分钟。 之前有测试工程师反馈，用WorkBuddy生成用例比自己手写节省60%-70%的时间。另一位同行说至少能节省80%的用例编写时间，以前要两周的活，现在半小时就能搞定。

我把生成的用例发给了测试组长。

他沉默了十分钟。

然后问我：“这谁写的？”

我说：“AI。”

他又沉默了五分钟。最后回了一句：“把这个Skill给我也装一个。 ”

五、不只是生成用例：WorkBuddy还能做什么？
这次经历之后，我开始深入研究WorkBuddy在测试领域的更多用法。发现它的能力远不止“生成用例”这么简单。

1. API契约测试脚本生成
   WorkBuddy可以基于接口定义（OpenAPI或手写说明）自动生成契约测试脚本。你把接口文档贴进去，它直接产出可运行的断言脚本——验证“实际响应是否符合约定”。接口被改坏时立刻就能发现。

2. 需求解析与功能点提取
   小白最头疼的就是看PRD——专业术语多、思路乱。现在只需要上传PRD（Word、PDF、截图均可），输入指令：“用小白能懂的话列出测试功能点，标注模糊点和易漏测点”。AI会用通俗语言总结，2小时的活30分钟搞定。

3. 用例的优化迭代
   需求变更的时候，上传新PRD，输入指令“分析变更点，提示需修改用例及建议”。不用重新写，AI直接告诉你哪些用例需要改、怎么改。

4. 零代码转自动化脚本
   不会写代码也能转脚本！复制用例步骤，输入指令：“转换成Playwright脚本，代码简单、标注每步作用，小白可运行”。AI自动生成可执行的自动化代码。

页面元素变更时，上传新截图，输入指令“修复脚本并标注修改处”。不用手动改代码。

六、几个避坑提醒
虽然WorkBuddy很强，但也不是完美无缺的。我踩了几个坑，分享给大家：

坑一：文档质量决定用例质量
文档写得越详细，生成的用例质量越高。如果PRD本身写得含糊不清，AI生成的用例也会有很多模糊的地方。建议在上传之前，先确认文档包含了功能描述、参数说明、业务规则这些核心内容。

坑二：生成的用例需要人工审核
AI生成的用例也不是完美的，还需要测试工程师做一些人工审核和补充。特别是那些隐含的业务规则，AI可能会遗漏。但话说回来——审核300条用例，比从零开始写300条用例，省下来的时间可不是一星半点。

坑三：指令要具体
有用户反馈，模糊的需求容易让AI跑偏。比如“帮我想个好方案”这种指令效果就不好。改成“从用户体验、成本、时间三个维度各出3个方案”，效果好得多。生成测试用例也一样——指令越具体，结果越精准。

七、一些思考
这次经历让我重新思考了一个问题：AI到底能给测试行业带来什么改变？

以前测试工作很大一部分是重复性的劳动，比如写用例、执行回归测试。如果这些都能自动化，测试工程师就能把更多精力放在探索性测试、安全测试这些更有价值的工作上。

WorkBuddy这类桌面AI Agent的出现，标志着AI正在从“问答工具”升级为能参与真实工作的执行型助手。尤其是测试开发场景里的用例生成、脚本生成、文件处理、执行反馈和知识库问答，都可能被这类Agent重新串起来。

组长沉默的那十分钟，我猜他在想两件事：第一，这玩意儿太强了。第二，测试团队以后的工作方式要变了。

我的答案是：测试工程师不会失业，但不会用AI的测试工程师，可能会被会用AI的替代。

推荐学习
Workbuddy智能体与智能化测试落地实战公开课，解密桌面 AI Agent 在测试中的提效路径：办公自动化、提示词工程、Agent Harness 循环机制、Dify/n8n 全自动工作流，更有 Claude Code、Openclaw 等多智能体协作，帮你打造测试效能平台。不只是技术提升，还能构建个人壁垒，甚至副业创收！

👉 扫码进群，报名学习！

本文系作者基于真实使用经验的总结。WorkBuddy为腾讯旗下产品，文中所有指令模板均可直接复制使用。欢迎同行交流讨论。

关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。