换个思路搞开发？AI测试才是真正的未来！
最近这两天，我一直在死磕一个挺有意思的项目——做一个能自动抽取需求、整理文档，然后再跑自动化测试的Agent。写着写着，脑洞突然就开大了，想到了一个稍微有点“离经叛道”的问题：
我们在做开发的时候，是不是太过于纠结代码的内部逻辑了？
把代码当作黑盒，只关注输入输出
抛开内部状态，拥抱纯粹的“黑盒”
如果咱们换个角度，完全不考虑代码内部的状态，把它当成一个纯粹的黑盒来对待会怎样？这有点像是在玩函数映射游戏：只要我的输入进去，能精准地拿到我想要的输出，而且这套规则能覆盖绝大多数的输入情况，那是不是就够了？
你说这做不到？确实，现实世界里很难覆盖全集。但这也引出了一个新的思考点：如果单纯靠输入输出映射搞不定，那是不是意味着我们还得适度地去“偷窥”一下中间状态？
但这种“偷窥”绝不是回到传统的白盒测试，而是更像一种为了验证黑盒稳定性的手段。事实上，看看现在的大模型（LLM），谁真正去关心它那千亿个参数在神经网络里到底是怎么流转的？只要它吐出来的文字是我们想要的，逻辑是通顺的，我们就会觉得它很牛逼。
从需求文档到测试用例的AI自动化流程
测试人的终极幻想？
我想，这或许是AI测试给软件开发带来的新风向。现在的测试往往是基于代码逻辑的，或者是基于用例的，但在AI时代，测试能不能更“聪明”一点？
比如，现在困扰大家的一个大难题是：怎么把一句干巴巴的产品需求，变成详尽的用户故事，最后拆解成成百上千个具体的测试点，然后让AI一个个去跑、去验证？
这简直就是测试发疯前的最后一点幻想啊（笑）。但仔细想想，如果这个闭环能跑通，开发效率绝对是指数级提升的。
实操新思路：需求到测试的自动化闭环
虽然现在还没有标准答案，但我正在尝试的路径大概是这样：
- 需求结构化：不再看纯文本的PRD，而是把需求喂给模型，让它先理解，再转化为结构化的数据。
- 生成用户故事：基于结构化需求，AI自动生成覆盖各种边缘情况的用户故事。
- 用例自动生成：把用户故事翻译成具体的测试用例，这里的关键是要包含“预期结果”的明确描述。
- 黑盒执行与验证：Agent拿着这些用例去跑，只看输入输出。如果输出对得上预期，过；对不上，再报错。
在这个过程中，代码具体是怎么实现的，真的不重要。就像你用ChatGPT，你只在乎它回答得好不好，不会去翻它的源码看这行代码是不是优雅。
还有哪些坑？
当然，理想很丰满，现实很骨感。目前最大的难点还是在于**“中间态”的捕捉**。有些复杂的业务逻辑，单纯看最终的输入输出可能会漏掉一些隐藏的Bug。
这就需要我们在Agent里设计一些探针，或者是半白盒的验证机制，在关键时刻介入检查一下。但这不正是技术有趣的地方吗？在黑盒与白盒之间，找到那个平衡点。
不知道有没有大佬也在研究这个方向？如果你有更成熟的思路，或者知道有什么现成的工具能把自动化测试这摊子事彻底交给AI，欢迎在评论区指点迷津！
评论已关闭