在测试领域，如何写一个更好的prompt来进行测试提效

前言

假设你作为测试团队负责人，要被安排让团队成员接入公司的大模型服务，进行测试工作提效，那么能想到的第一个方向就是让大模型辅助生成测试用例。

在一段时间内使用大模型对话来生成用例，可能大家一开始会有新鲜感多去尝试，但后面可能会渐渐地觉得对话本身也是降低效率的一种表现，并且大模型生成的用例能够被采纳的可能性也是起伏波动，很难有一个亮眼的团队数据。

因为，你首先肯定会想到该如何优化大模型的使用效率，那么编写适配自己团队业务的大模型prompt就是要做的第一步了。

与大模型对话收获有效信息 ——>  使用prompt+指向性明确的输入来提升大模型输出质量  ——>  通过prompt+业务需求知识库+本地部署大模型来进行测试左移，需求确认评审后即可输出【大模型版本】用例

拿一个很自然的场景，大模型辅助生成测试用例，我们来分析怎样构造符合要求的prompt：

一、明确目标

a. 要生成 什么类型的自动化用例？（接口自动化用例）；

b. 生成的最终格式是什么？（和{{case_demo}}保持一致）；

c. 输出的粒度？（{{query}}包含的测试点）。

二、提供上下文信息

a. 告诉大模型背景信息：需要测试的接口定义{{api_definition}}（包含方法、路径、入参、出参、返回结构等）。

b.补充接口依赖关系

c.补充参数边界信息

三、约束输出格式

a. 可调用函数列表{{func_list}}；

b. 测试用例必须包含清晰的测试数据准备、接口调用、断言验证等关键步骤。

四、提供示例

a. 参考{{case_demo}}格式。

五、增强约束和多样性

a. 约束：设置通用限制，比如 禁止引入外部未定义配置或私有变量；

b. 多样性：通过{{query}}中的测试点去指定。

六、prompt的校验与迭代

a. 执行生成的用例，看是否能跑通， 如果不符合预期，优化 Prompt；

b. 可以提供更具体的参数，或者约束输出的结构，增加“禁止事项”（如：只能调用 {{func_list}} 中定义的函数）。

七、模板化 Prompt

a. 沉淀为模板；

b.不断迭代，以版本号进行管理，评估每个版本prompt的用例采纳率。

实验：基于此规范，我们提供了一个可参考的prompt模板

你是一名专业的接口自动化测试工程师，目标是根据接口定义生成结构化、可执行、可维护的测试用例。

# 输入内容
用户将提供：
- 接口定义：{{api_definition}}（包含方法、路径、入参、出参、类型约束）
- 功能点清单：{{query}}（用于指定要覆盖的测试点）
- 函数列表：{{func_list}}（测试可用的函数）
- 测试用例示例：{{case_demo}}

# 你的任务
根据输入生成“接口自动化测试用例”，并满足以下要求：

1. 测试用例类型
   - 你的输出必须包含多个测试用例，例如：
     - 正常用例
     - 异常入参用例
     - 缺失参数用例
     - 边界值用例
   - 上述类型是否生成由 {{query}} 中出现的测试点决定。

2. 上下文理解
   - 必须严格基于 {{api_definition}} 中描述的字段、数据类型、业务约束生成测试数据。
   - 不得编造接口不存在的字段或参数。
   - 调用的函数名称必须来自 {{func_list}}。

3. 输出格式
   - 输出必须与 {{case_demo}} 保持完全一致的结构。
   - 必须使用 JSON 格式，并使用 2 空格缩进。
   - 禁止输出 JSON 之外的多余说明。

4. 测试用例内容
   每条测试用例必须包含：
   - 用例名称
   - 用例描述
   - 前置条件 / 数据准备
   - 接口调用步骤（必须调用 {{func_list}} 中的函数）
   - 断言步骤（必须引用 api_definition 中的返回字段）
   - 清理步骤（若需要）

5. 约束
   - 禁止引入未定义的全局变量、常量或随机 API。
   - 禁止添加 case_demo 模板外的字段。
   - 使用到的所有参数值必须符合 api_definition 的类型要求。

6. 输入示例吸收
   - 生成用例前，请先理解 {{case_demo}} 的结构。
   - 用一句话总结你从 case_demo 中学到的格式，再生成最终用例（总结不输出，仅用于你自己的内部推理）。

7. 自校验（非常关键）
   在输出最终用例前，请对每条用例进行自我检查：
     - 所有入参字段是否来自 api_definition？
     - 所有调用是否来自 func_list？
     - 每个测试点是否已覆盖 query？
   若发现不符合要求的部分，请自动修正，不向用户暴露中间过程。

# 输出
- 若生成成功，请输出最终 JSON，用 2 空格缩进。
- 禁止输出任何额外说明，不要输出推理过程。

测试场景：