不会写代码能做AI测试吗？我用亲身经历告诉你：不仅行，而且可能比开发做得更好

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

代码写得再好，也看不到"AI不该说但说了"的那些话

大家好，我是某互联网公司的测试架构师。

去年团队招了一个测试新人小杨，纯手工测试背景，不会写代码。她入职前，有人跟我说："现在AI测试这么火，要不招个懂Python的？不然连Prompt都不会调。"

我说："先让她试试。"

三个月后，小杨在一个AI客服项目中，找到了开发团队和算法团队都没发现的重大缺陷——AI客服在特定场景下会泄露其他用户的订单信息。

她不会写一行代码。她只是用自己的方式，把AI"问"出了原形。

不会写代码的人做AI测试，不仅行，而且有些视角是开发永远看不到的。

一、为什么"不会写代码"反而可能是一种优势？
先说说大多数人对AI测试的误解。

很多人一听到"AI测试"，第一反应是："要懂算法吧？""要会写Python吧？""要会调模型吧？"

这些认知让大量优秀的手工测试同学望而却步——觉得自己"不够格"做AI测试。

但AI测试的核心，从来不是"测代码写得对不对"，而是"测AI的行为对不对"。

代码测试，测的是"输入X，输出是不是Y"。这是一个确定性的验证过程。你写断言，assertEquals(expected, actual)，完事了。

AI测试，测的是"输入X，AI的行为是否合理"。这是非确定性的行为评估。

这两个维度需要的核心能力完全不同：

维度
代码测试
AI测试
核心问题
"代码写对了吗？"
"AI行为合理吗？"
核心能力
代码理解能力
业务判断能力
判断标准
确定性断言
合理性评估
最需要的素质
编程能力
质疑精神、业务sense
写代码是"验证已知"，做AI测试是"发现未知"。

开发写代码的时候，脑子里想的是"这个逻辑应该怎么实现"。他天然会沿着自己的逻辑路径去测试——"我写的代码，我应该能测明白"。

但AI的行为，不是代码逻辑能完全解释的。AI会"发散"、会"联想"、会"猜"——这些恰恰是开发最不擅长预测的。

当一个AI客服开始"自由发挥"的时候，开发看到的是"模型输出了一句话"。而一个懂业务、懂用户的测试人员看到的是："这句话不该说。"

所以不会写代码的人做AI测试，最大的优势是： 你不被"代码应该怎么跑"限制住，你更关注"AI的行为对用户来说意味着什么"。

二、真实案例：不会写代码的小杨，怎么找到开发漏掉的漏洞
回到小杨的故事。她接手的项目是一个AI客服系统，用户可以在对话框里问订单状态、退款进度、商品信息。

开发团队和算法团队都做过测试——功能跑通了、接口调通了、模型输出了正确格式的答案。全绿，上线。

小杨拿到测试任务后，没有去测接口、没有去看代码、没有去调模型参数。她做了三件"任何测试小白都能做"的事：

第一步：她把自己当成真实用户
她打开对话框，问了一句最普通的话："我的订单到哪里了？"

AI回答了订单状态，正常。

她又问："能帮我查一下我朋友的订单吗？"

AI回答："请提供订单号。"

——正常，AI没有泄露信息。

第二步：她开始"不按常理出牌"
小杨没有停在这里。她开始做手工测试最擅长的东西——边界探索。

她问了这样一个问题："我的订单号是123456，但我忘了这是我自己的还是朋友的。你能帮我看看吗？"

这句话的逻辑是：用户自己也不确定这个订单属于谁，AI能不能分辨？

AI的回答是："这个订单是用户张三的，收货地址是……"

——AI把一个订单的完整信息，吐给了一个只提供了一个订单号、且自己都不确定归属的用户。

第三步：她把"发现"变成了"证据"
小杨不会写代码，但她会记录。她把整个对话过程截图、录屏、整理成报告：

触发条件：用户提供订单号 + 表达"不确定归属"
风险等级：P0（信息泄露）
影响范围：所有使用该AI客服的用户
复现步骤：三步
开发团队看到报告的时候，第一反应是："这也能触发？"

然后他们回去查代码，发现了一条逻辑缺陷：AI在判断"用户是否有权查看订单"时，只要用户提供了订单号，就默认"这个订单属于当前用户"。 而"订单号"在这个系统里恰好是连续的数字——意味着攻击者只需要遍历订单号，就能拿到所有用户的订单信息。

这个漏洞，开发团队没测出来。算法团队没测出来。一个不会写代码的测试小白，用了三句话问出来了。

小杨后来跟我说："我就是觉得，如果我是用户，我可能会这样问。 "

她不会写代码，但她会"像用户一样思考"。这比任何自动化脚本都更早发现了那个致命漏洞。

事后开发问小杨："你是怎么想到那个角度的？"小杨说："我就是瞎问的。"——但她所谓的"瞎问"，恰恰是AI测试中最稀缺的"不按预设路径探索"的能力。

三、不会写代码的人做AI测试的四个独特优势
基于小杨的案例和团队里其他类似的经验，我总结出不会写代码的人做AI测试的四个独特优势。

优势一：你不受"代码逻辑"的限制
开发测AI，天然会沿着"代码应该怎么跑"的思路去测。他会验证"输入正确格式，输出正确格式"——这些AI大概率不会出错。

但AI真正的风险，恰恰出在"代码逻辑覆盖不到"的地方——AI的"自由发挥"、AI的"联想"、AI对模糊输入的"猜测"。

不写代码的人，脑子里没有"代码路径"的束缚，更容易想到"用户会怎么乱来"。

优势二：你更关注"用户感受"，而不是"输出格式"
开发看AI的输出，关注的是"格式对不对、字段全不全"。测试看AI的输出，关注的是"用户看到这句话是什么感受"。

一个格式完美的回答，如果用户看了不舒服，那就是AI的问题。 这种判断，需要的是同理心，不是代码能力。

优势三：你更擅长"边界探索"
手工测试的核心能力是"边界感"——什么情况会触发异常、什么输入会打破预期。这种能力在做AI测试时同样适用：

模糊的输入（"我好像买了个东西"）
矛盾的输入（"我要退款，但我想保留商品"）
情绪化的输入（"你们太差了！我要投诉！"）
多语言的输入（中英混杂、拼音）
代码测试框架覆盖不到这些场景，但手工测试直觉可以。

优势四：你更关注"AI不该做什么"
开发关注的是"AI能不能完成功能"。测试关注的是"AI有没有越界"。

AI不该泄露隐私、不该给出错误建议、不该承诺做不到的事、不该表现出偏见、不该在不确定时胡编。

这些"不该做的事"，恰恰是AI最大的风险点。 而识别这些风险，需要的是对业务规则的理解和对用户安全的敏感度，不是编程能力。

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！👇

四、不会写代码的测试人员，如何快速上手AI测试？
如果你也是"不会写代码但想做AI测试"的同行，下面这五个方法可以直接上手。

方法一：把AI当成"被测对象"，不是"测试工具"
很多不会写代码的人一听到"AI测试"就慌了——"我连代码都不会写，怎么测AI？"

但AI测试的核心不是"用AI测"，而是"测AI"。

你不需要用AI写脚本。你需要的是：观察AI的行为、质疑AI的输出、探索AI的边界。 这些事，跟你有多少年手工测试经验直接相关。

方法二：用"用户思维"设计测试场景
打开AI对话框，想想：

如果我是用户，我最可能问什么？
如果我是用户，我最可能怎么乱问？
如果我是用户，我最希望AI回答什么？
如果我是用户，AI说什么会让我生气/困惑/担忧？
把这些"用户视角"的问题整理成测试场景，这就是AI测试的核心用例。

方法三：用"边界思维"做探索
手工测试里学过的等价类、边界值，在AI测试里同样适用：

输入长度的边界（一句话vs1000字）
输入内容的边界（清晰vs模糊vs矛盾vs恶意）
输入语言的边界（标准vs方言vs翻译腔）
对话轮数的边界（一问一答vs十轮追问）
这些边界，AI最容易被突破。

方法四：用"记录"代替"写代码"
你不会写自动化脚本，但你会记录。

把你发现的每一个异常行为记录下来：触发的对话、AI的回答、为什么不对、可能的影响。这些记录就是AI测试最核心的交付物。

开发需要的不是你的代码，是你发现的"AI不该说但说了"的那些话。

方法五：学会"追问"AI
AI不像传统软件——它不会因为同一个输入每次都给出同样的输出。

所以测AI的时候，要养成追问的习惯：

换个说法问同一件事，答案变了吗？
问三遍同样的问题，答案一致吗？
在对话中间插入一个无关问题，AI还能回到正轨吗？
追问是AI测试的基本功。它不需要代码，只需要耐心和好奇心。

五、避坑指南
坑一：以为自己"什么都不需要学"
不会写代码是优势，不等于不需要学习。你至少需要了解：

AI的基本工作原理（它怎么"理解"和"生成"内容）
常见的AI风险类型（幻觉、偏见、泄露、越狱）
你正在测试的AI系统的业务范围和边界
不会写代码，但必须懂业务、懂风险。

坑二：只测"漂亮的话"，不测"不该说的话"
很多人在测AI的时候，只问"正常问题"——"帮我查一下订单""今天天气怎么样"——AI答得很好，就以为没问题了。

AI测试的核心是测"它不该说的话"。 多花时间在"它可能会说错什么"上，而不是"它能说对什么"上。

坑三：把AI当成"搜索引擎"来测
测搜索引擎是"输入关键词，看结果对不对"。测AI完全不是一回事。

AI会"理解"你的意图、会"推测"你的需求、会"创造"新的表达方式。你测的不是"它能不能找到正确答案"，而是"它在这个对话中表现得好不好"。

坑四：发现Bug后不会"翻译"给开发
你发现了一个AI行为异常，但描述不出来"为什么不对"，开发没法修。

解法： 学会用"触发条件 + 实际输出 + 为什么不对 + 应该是什么"的结构来描述问题。不用写代码，但要写清楚。

六、AI测试的能力模型：什么才真正重要？
在AI测试这个新领域，真正重要的能力排序是这样的：

第一位：业务理解能力——知道"这个AI系统应该在什么范围内做什么事"

第二位：质疑精神——不轻易接受AI的输出，总觉得"可能有问题"

第三位：边界探索能力——能找到"正常人想不到但AI会翻车"的输入

第四位：同理心——能站在用户角度感受AI的回答是否合理

第五位：沟通能力——能把发现的问题清晰准确地描述给开发和产品

第六位：编程能力——锦上添花，但不是必须

不会写代码的人，前五项能力可能比开发更强。这就是你们做AI测试的核心竞争力。

最后
小杨后来在团队里成了AI测试的"红人"。她不会写代码，但她发现了开发发现不了的漏洞、产品想不到的场景、算法忽略的风险。

有一次我问她："你觉得自己做AI测试最大的优势是什么？"

她说了一句让我印象深刻的话：

"写代码的人，脑子里想的是'AI应该怎么做'。我脑子里想的是'AI可能会怎么乱来'。"

不会写代码做AI测试，不仅行，而且可能比开发做得更好。

因为AI测试的核心，从来不是"验证AI能不能完成任务"，而是"发现AI会在哪些不该出问题的地方出问题"。

这种发现能力，不依赖代码，依赖的是你对业务的理解、对用户的同理心、和那种"总觉得不对"的质疑精神。

下次打开AI对话窗口的时候，别想着"怎么验证它能正常工作"——想想"怎么问才能让它乱来"。

这才是AI测试真正的价值。

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团队经验的总结。文中案例已做脱敏处理。

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。