現代軟體測試與 AI 實戰 (4)：讓 AI Agent 幫你寫測試計畫，零代碼產出完整 Test Cases

歡迎進入「現代軟體測試與 AI 實戰」的另一條重要分支：AI 實作篇。

我們在前面的觀念篇提到，寫測試最累的往往是「想情境」：有沒有考慮到極端數字？有沒有考慮到系統無回應？ 好消息是，這正是大語言模型（LLM）最擅長的工作！今天我們就來實戰如何透過 AI 工具（如 Cursor、Claude Code），讓它幫我們不寫一行程式碼就生成完整的測試計畫（Test Cases）。

為什麼要讓 AI 幫忙抓測項？

傳統流程中，QA 工程師需要對著 PRD（產品需求文件）逐字推敲，人工整理出一份測項 Excel 表。這不僅耗時，而且受限於人類思維的盲區，經常會漏掉異常處理。

如果你把 AI 當作你的 QA Architect（測試架構師），它能：

• 沒有盲區：秒速列出該欄位所有可能的攻擊與無效輸入。
• 統一格式：確保產出的測項結構一致，方便後續直接轉為自動化程式碼。
• 跨維度解析：能同時理解「純文字的 OpenAPI Spec」與「畫面的圖檔（Mockup）」。

AI 萃取測項，是把功能說明、API 規格與畫面 Mockup 交給扮演 QA Architect 的 AI，讓它照指定格式列出四個面向的測試情境。

實戰教學：三步驟自動萃取測項

第 1 步：準備輸入脈絡 (Context)

AI 再聰明也無法憑空想像公司的業務邏輯。你需要給它足夠的背景資訊。你可以把以下資料放進你的專案目錄中，讓 Cursor 或 Claude Code 直接讀取：

• specs/api-login.yaml（如果是 API 測試，給出 Swagger 檔）
• docs/login-feature.md（功能說明文件）
• 畫面截圖 / UI Mockup（若是 UI 測試，可以利用多模態視覺能力餵圖片）

第 2 步：設定完美的 Prompt (提示詞)

在對話視窗（例如 Claude Code 的終端機）中，我們需要賦予它明確的角色與產出格式。請嘗試以下這組 Prompt：

請扮演一位擁有 10 年經驗的高階 QA Architect (測試架構師)。
請閱讀我目錄下的 @docs/login-feature.md 以及 @specs/api-login.yaml。
為這個功能梳理出完整的測試案例 (Test Cases) 清單。

產出必須包含以下四個面向，並以 Markdown 表格呈現（包含 Test ID, 情境描述, 預期結果）：

1. Happy Path (正常使用情境)
2. Negative Cases (各種異常與錯誤分支)
3. Boundary Value Analysis (邊界值分析，如字數、日期的極限)
4. Equivalence Partitioning (等價類劃分)

不用寫代碼，只要產出情境定義表即可。

第 3 步：檢視強大的輸出結果

按下 Enter 之後，AI 會給出正確的流程，連你根本沒想到的異常情境也會抓出來：

• Happy Path：
  • 正確帳密 ➔ 返回 HTTP 200 與 JWT Token。
• Negative Cases：
  • 帳號不存在 ➔ HTTP 401（不要洩漏是帳號還是密碼錯，確保安全性）。
  • 連續登入失敗 5 次 ➔ HTTP 429 Too Many Requests 並鎖定帳號 15 分鐘。
  • Payload 缺少密碼欄位 ➔ HTTP 400 Bad Request。
• Boundary / Equivalence：
  • 密碼超過 128 字元（防範 Buffer Overflow 或 ReDoS）。
  • 密碼包含特殊罕見 Unicode 字元（Emoji）。

下一步：如何將純文字變成可執行的程式碼？

現在桌面上已經有一份熱騰騰、極度嚴謹的測試情境清單，但這還只是「純文字」。 身為追求極致的工程師，我們當然不能滿足於「看著清單手動點擊」。

下一篇文章會把這些 AI 寫好的 Test Cases 反手再丟給 AI，請它在一分鐘內幫我們生出可直接執行的整合測試程式碼。

前往分支的下一篇：AI 輔助整合測試實戰：從 Test Cases 到真實程式碼。