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，寫測試最累的往往不是「寫 Code」，而是**「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），讓它幫我們零代碼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代碼。
• 跨維度解析：能同時理解「純文字的 OpenAPI Spec」與「畫面的圖檔 (Mockup)」。

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，你會驚訝地發現 AI 不僅給出了正確的流程，連你根本沒想到的異常情境都幫你抓出來了：

• Happy Path：
  • 正確帳密 ➔ 返回 HTTP 200 與 JWT Token。
• Negative Cases：
  • 帳號不存在 ➔ HTTP 404 (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代碼？

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，我們將揭曉整個 AI 測試流最精華的部分：將這些 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。