1. 概述

从自然语言到测试脚本的自动化

测试脚本智能生成是AI辅助测试中最具生产力的方向之一。借助大语言模型（LLM）对自然语言的理解能力和代码生成能力，测试人员可以用中文/英文描述测试场景，AI自动将其转换为可执行的测试脚本。这一能力使得“说人话就能写脚本”成为现实，大幅降低了自动化测试的门槛。

典型的流程如下：

1. 描述意图：测试人员用自然语言描述测试目标与步骤（如“打开登录页，输入用户名admin和密码123456，点击登录按钮，验证跳转到首页”）
2. AI解析：LLM解析语义，识别页面元素、操作类型、断言条件
3. 框架映射：将语义操作映射为目标测试框架的API（如Selenium的find_element、Playwright的page.locator）
4. 脚本输出：生成结构完整、可直接运行的测试脚本，包含必要的import、setup/teardown、断言

传统脚本开发的痛点

2. 核心技术方法

2.1 自然语言描述 → 脚本

这是最直接、最常用的AI脚本生成模式。测试人员用结构化的自然语言描述测试场景，LLM负责将其转换为代码。描述越精确、上下文越充分，生成质量越高。

示例：将中文描述转为 Playwright 脚本

输入描述：

测试场景：用户登录功能验证
前提条件：用户已在登录页面（https://example.com/login）
测试步骤：
1. 在用户名输入框（id=username）中输入 "testuser"
2. 在密码输入框（id=password）中输入 "Test@123"
3. 点击"登录"按钮（id=login-btn）
4. 验证页面跳转到 /dashboard
5. 验证页面包含文字 "欢迎回来"

AI生成的Playwright脚本：

import { test, expect } from '@playwright/test';

test('用户登录功能验证', async ({ page }) => {
  // 打开登录页面
  await page.goto('https://example.com/login');

  // 输入用户名和密码
  await page.fill('#username', 'testuser');
  await page.fill('#password', 'Test@123');

  // 点击登录按钮
  await page.click('#login-btn');

  // 验证页面跳转到 /dashboard
  await expect(page).toHaveURL(/\/dashboard/);

  // 验证页面包含欢迎文字
  await expect(page.locator('body')).toContainText('欢迎回来');
});

2.2 录制回放增强

传统录制回放工具（如Selenium IDE、Playwright Codegen）能记录用户操作并生成线性脚本，但生成的脚本往往存在以下问题：

• 定位器脆弱（使用绝对XPath或CSS层级），前端微调即失效
• 脚本线性无结构，缺乏Page Object封装
• 缺少有意义的断言，仅记录操作不验证结果
• 重复代码多，不符合DRY原则

AI增强方案：将录制生成的原始脚本作为输入，LLM对其进行智能优化：

• 定位器优化：从脆弱的XPath转为语义化定位（优先使用data-testid、role、text等）
• 结构化重构：自动提取Page Object模式，封装页面元素和操作
• 断言补全：根据操作上下文智能添加验证断言
• 公共步骤抽取：识别重复操作（如登录前置），抽取为公共fixture/fixture

2.3 跨框架转换

当团队决定进行测试框架迁移时（例如从Selenium迁移到Playwright，或从JUnit迁移到pytest），AI可以显著降低迁移成本。只需将现有脚本作为上下文提供给LLM，即可生成目标框架的等效脚本。

支持的典型转换场景

2.4 数据驱动脚本生成

数据驱动测试（DDT）将测试逻辑与测试数据分离，是提升测试覆盖率和可维护性的关键模式。AI可以帮助：

• 模板生成：根据测试场景生成参数化的脚本模板
• 数据文件生成：自动生成JSON/CSV/YAML格式的测试数据文件
• 边界数据构造：基于等价类和边界值分析方法，自动生成覆盖边界条件的数据组合

示例：pytest参数化脚本

输入描述："生成一个登录功能的参数化测试，覆盖正常登录、空用户名、空密码、错误密码、SQL注入尝试5种场景"

import pytest

# 测试数据
login_test_data = [
    ("admin", "Admin@123", True, "正常登录"),
    ("", "Admin@123", False, "空用户名"),
    ("admin", "", False, "空密码"),
    ("admin", "wrongpass", False, "错误密码"),
    ("admin' OR '1'='1", "admin", False, "SQL注入尝试"),
]

@pytest.mark.parametrize("username,password,should_succeed,description", login_test_data)
def test_login(username, password, should_succeed, description, page):
    """登录功能参数化测试"""
    page.goto("https://example.com/login")
    page.fill("#username", username)
    page.fill("#password", password)
    page.click("#login-btn")

    if should_succeed:
        # 成功登录：应跳转到首页
        assert page.url.endswith("/dashboard"), f"测试场景 [{description}] 失败：未跳转到首页"
        expect(page.locator(".welcome")).to_be_visible()
    else:
        # 登录失败：应停留在登录页并显示错误提示
        assert "/login" in page.url, f"测试场景 [{description}] 失败：页面不应跳转"
        expect(page.locator(".error-message")).to_be_visible()

3. 支持的主流框架和语言

3.1 支持的语言

当前主流LLM在以下编程语言的测试脚本生成上表现良好：

3.2 支持的框架对比

3.3 API测试脚本生成

AI在API测试脚本生成方面表现尤为突出。常见场景包括：

• Postman Collection → Python/Java代码：将Postman导出为JSON collection，LLM解析后生成等价代码
• OpenAPI/Swagger → 测试脚本：根据API规范自动生成覆盖各类状态码和参数的测试用例
• cURL命令 → 代码：将cURL命令转换为Python requests、Java OkHttp等代码

示例：Postman请求 → Python requests

输入（Postman导出的请求描述）：

POST https://api.example.com/v1/users
Headers:
  Content-Type: application/json
  Authorization: Bearer {{token}}
Body:
{
  "username": "newuser",
  "email": "newuser@example.com",
  "role": "viewer"
}

AI生成的pytest脚本：

import requests
import pytest

BASE_URL = "https://api.example.com/v1"

@pytest.fixture
def auth_token():
    """获取认证Token"""
    resp = requests.post(f"{BASE_URL}/auth/login", json={
        "username": "admin",
        "password": "Admin@123"
    })
    return resp.json()["token"]

def test_create_user_success(auth_token):
    """测试创建用户 - 正常场景"""
    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {auth_token}"
    }
    payload = {
        "username": "newuser",
        "email": "newuser@example.com",
        "role": "viewer"
    }

    resp = requests.post(f"{BASE_URL}/users", headers=headers, json=payload)

    # 验证响应
    assert resp.status_code == 201, f"期望201，实际 {resp.status_code}"
    data = resp.json()
    assert data["username"] == payload["username"]
    assert data["email"] == payload["email"]
    assert "id" in data, "响应应包含用户ID"

4. 脚本质量保证

4.1 脚本可维护性检查

AI生成的脚本虽然功能上可能正确，但在可维护性方面需要额外关注。以下是关键检查维度：

• 元素定位策略：是否使用了稳健的定位器（优先 data-testid > id > role > text > CSS > XPath）
• 等待策略：是否依赖固定sleep？Playwright的自动等待是否被正确利用？
• 代码复用：常用操作是否封装为Page Object或fixture？
• 环境隔离：URL、凭据等是否硬编码？是否支持多环境配置？
• 错误处理：失败时是否有清晰的错误信息和截图？

4.2 AI产生的常见脚本问题

4.3 代码风格一致性

在团队协作中，保持代码风格一致对于可维护性至关重要。建议通过以下方式确保AI生成脚本的风格统一：

• 提供风格参考：在Prompt中附上团队现有的测试脚本样例，让AI学习风格
• 配置Linter：使用ESLint / Pylint / Checkstyle对生成脚本自动检查
• 统一模板：定义团队级脚本模板（文件头注释、命名规范、目录结构）
• Code Review：AI生成的脚本同样需要走Code Review流程

4.4 脚本审查清单

5. 银行业自动化脚本实践

5.1 银行系统的UI自动化挑战

银行系统的UI自动化测试面临独特的挑战，这些挑战使得AI辅助脚本生成更具价值，同时也对生成的脚本质量提出了更高要求：

• 安全控件：银行登录页常使用自定义密码键盘、软键盘，标准定位方式失效
• 验证码：图形验证码、短信验证码阻碍自动化流程，需要测试环境配合绕过或使用固定验证码
• 多因素认证：UKey、生物识别、动态口令等因素增加脚本复杂度
• iframe嵌套：支付网关、网银控件常通过多层iframe嵌入，增加了元素定位难度
• 前端框架差异：银行系统可能使用较老的技术栈（如IE兼容模式、ActiveX控件）

5.2 AI辅助脚本适配银行系统

AI在适应银行系统的特殊控件方面可以发挥独特作用：

• 智能定位推断：当标准HTML元素不可用时，AI可根据上下文推断备用定位策略
• 自定义组件封装：AI可以帮助生成银行自定义控件（如金额输入框、日期选择器）的Page Object封装
• 会话管理：AI可生成复杂登录流程脚本（包括多因素认证、Session保持）
• 协议适配：对于非HTTP协议（如SWIFT、银联8583），AI可生成协议编解码层的测试辅助代码

5.3 性能测试脚本的AI生成

AI在性能测试脚本生成方面同样具有潜力。通过描述压测场景，AI可生成JMeter可导入的脚本片段或辅助Python代码。

• 场景描述 → 压测计划：描述“对转账接口进行梯度压测，从100并发逐步增加到1000，每步持续5分钟”
• 流量建模辅助：根据生产日志分析，AI推荐压测模型参数
• 断言生成：为JMeter脚本自动生成响应断言和JSON断言

5.4 与JMeter脚本结合实践

结合实际的JMeter实践经验，AI可以在以下环节提供帮助：

JMeter Beanshell脚本生成示例

需求：“生成一个JMeter Beanshell预处理脚本，对请求体进行MD5签名，并将签名放入Header的X-Signature字段”

import java.security.MessageDigest;
import org.apache.commons.codec.binary.Hex;

// 获取请求体
String requestBody = sampler.getArguments().getArgument(0).getValue();

// MD5签名
MessageDigest md = MessageDigest.getInstance("MD5");
byte[] digest = md.digest(requestBody.getBytes("UTF-8"));
String signature = Hex.encodeHexString(digest);

// 设置Header
sampler.getHeaderManager().add(new org.apache.jmeter.protocol.http.control.Header(
    "X-Signature", signature
));

// 日志输出（调试用）
log.info("Generated signature: " + signature);

6. 工具链推荐

6.1 主流AI编码工具的测试脚本能力对比

6.2 提示词模板

高质量的Prompt是获得高质量脚本的前提。以下提供几个可直接使用的提示词模板：

模板一：通用UI测试脚本生成

你是一个资深自动化测试工程师。请根据以下测试场景生成 {框架名} 测试脚本。

【测试框架】Playwright + TypeScript
【测试场景】
- 页面URL：{页面地址}
- 前置条件：{前置条件描述}
- 测试步骤：
  1. {步骤1}
  2. {步骤2}
  ...
- 预期结果：{预期结果描述}

【代码规范要求】
- 使用 Page Object 模式
- 优先使用 data-testid 定位元素
- 使用智能等待，避免硬编码 sleep
- 断言需覆盖关键业务验证点
- 添加清晰的注释

模板二：API测试脚本生成

你是一个后端测试专家。请根据以下API定义生成pytest测试脚本。

【API信息】
- 方法：{GET/POST/PUT/DELETE}
- 路径：{/api/v1/xxx}
- 请求参数：{参数说明}
- 响应格式：{JSON结构}

【测试覆盖要求】
- 正常请求（200/201）
- 参数校验（400）
- 认证失败（401）
- 权限不足（403）
- 资源不存在（404）
- 边界值测试

【输出格式】可独立运行的pytest文件，包含必要的fixture和参数化装饰器。

模板三：脚本优化重构

请优化以下测试脚本，提升可维护性和健壮性：

【优化要求】
1. 将脆弱的XPath定位器改为 data-testid 或语义化定位
2. 将硬编码sleep替换为智能等待
3. 提取Page Object模式
4. 补充缺失的断言
5. 添加teardown清理逻辑

【原始脚本】
{粘贴原始脚本}

模板四：跨框架转换

请将以下 {源框架} 测试脚本转换为 {目标框架} 的等效脚本。

【转换要求】
- 保持原有测试逻辑和断言不变
- 适配目标框架的API和最佳实践
- 处理异步/同步差异
- 保持代码风格一致

【源脚本】
{粘贴源脚本}

7. 实战演练

以下实战任务涵盖了脚本智能生成的三个核心场景，从基础的自然语言生成到进阶的银行接口测试。建议逐项练习，完成后对照评估标准进行复盘。

测试场景：用户登录功能验证
前提条件：用户已在登录页面（https://shop.example.com/login）
测试步骤：
1. 在用户名输入框（id=username）中输入 "testuser@shop.com"
2. 在密码输入框（id=password）中输入 "Test@123456"
3. 点击"登录"按钮（id=login-btn）
4. 验证页面跳转到 /dashboard
5. 验证页面包含文字 "欢迎回来，testuser"
6. 验证导航栏显示用户头像（class=user-avatar）

import org.junit.jupiter.api.*;
import org.openqa.selenium.*;
import org.openqa.selenium.chrome.ChromeDriver;
import org.openqa.selenium.support.ui.ExpectedConditions;
import org.openqa.selenium.support.ui.WebDriverWait;
import java.time.Duration;
import static org.junit.jupiter.api.Assertions.*;

public class ProductSearchTest {
    WebDriver driver;
    WebDriverWait wait;

    @BeforeEach
    void setUp() {
        driver = new ChromeDriver();
        wait = new WebDriverWait(driver, Duration.ofSeconds(10));
        driver.get("https://shop.example.com");
    }

    @Test
    void testSearchProduct() {
        // 输入搜索关键词
        WebElement searchBox = wait.until(
            ExpectedConditions.visibilityOfElementLocated(By.id("search-input"))
        );
        searchBox.sendKeys("无线耳机");

        // 点击搜索按钮
        driver.findElement(By.id("search-btn")).click();

        // 等待搜索结果加载
        wait.until(ExpectedConditions.visibilityOfElementLocated(
            By.cssSelector(".product-list")
        ));

        // 验证搜索结果不为空
        int resultCount = driver.findElements(By.cssSelector(".product-item")).size();
        assertTrue(resultCount > 0, "搜索结果不应为空");

        // 验证每个结果包含关键词
        for (WebElement item : driver.findElements(By.cssSelector(".product-item .product-name"))) {
            String title = item.getText().toLowerCase();
            assertTrue(title.contains("耳机"),
                "商品标题应包含搜索关键词");
        }
    }

    @AfterEach
    void tearDown() {
        if (driver != null) {
            driver.quit();
        }
    }
}

openapi: "3.0.0"
info:
  title: 银行行内转账 API
  version: "1.0.0"
paths:
  /api/v1/transfer/internal:
    post:
      summary: 行内转账
      security:
        - BearerAuth: []
        - X-Signature: []
      requestBody:
        required: true
        content:
          application/json:
            schema:
              type: object
              required: [fromAccount, toAccount, amount, currency]
              properties:
                fromAccount:
                  type: string
                  pattern: '^\d{19}$'
                  description: 转出账号（19位）
                toAccount:
                  type: string
                  pattern: '^\d{19}$'
                  description: 转入账号（19位）
                amount:
                  type: number
                  minimum: 0.01
                  maximum: 500000.00
                  description: 转账金额（元）
                currency:
                  type: string
                  enum: [CNY]
                  description: 币种
                memo:
                  type: string
                  maxLength: 50
                  description: 附言（选填）
      responses:
        '200':
          description: 转账成功
          content:
            application/json:
              schema:
                type: object
                properties:
                  transactionId:
                    type: string
                    pattern: '^TXN\d{16}$'
                  status:
                    type: string
                    enum: [SUCCESS]
                  timestamp:
                    type: string
                    format: date-time
        '400':
          description: 请求参数错误
          content:
            application/json:
              schema:
                $ref: '#/components/schemas/ErrorResponse'
        '401':
          description: 认证失败
        '403':
          description: 权限不足
        '409':
          description: 余额不足或账户状态异常
        '429':
          description: 请求过于频繁
        '500':
          description: 服务器内部错误
components:
  securitySchemes:
    BearerAuth:
      type: http
      scheme: bearer
    X-Signature:
      type: apiKey
      in: header
      name: X-Signature
      description: 请求体 HMAC-SHA256 签名
  schemas:
    ErrorResponse:
      type: object
      properties:
        code:
          type: string
        message:
          type: string
        requestId:
          type: string

📋 案例研究：AI辅助转账接口测试脚本生成