2025QECon全球软件质量效能大会：我没有用Vibe Coding写生产代码而是先写好测试代码

我没有用vibecoding写生产代码,而是先写好测试代码伍斌｜独立AI应用咨询师，《氛围编程：AI编程像聊天一样简单》作者自媒体号“大厨程序员吾真本”《氛围编程：

AI编程像聊天一样简单》

作者30多年IT行业经验（软件开发、

测试、项目管理及工程实践）Thoughtworks公司8年工作经验

，

协助多家企业IT优化软件

开发流程专注于AI技术的应用探索与推广致力于为企业和个人提供实用的AI解决方案伍斌独立AI应用咨询师2目录CONTENTS03

Saleor电商系统氛围编程测试实战02

“准备时+声明时+运行时”01

氛围编程更适合编写测试04

总结PART

01氛围编程更适合编写测试4区别于传统编程极大降低入门编程门槛适合业务简单的软件适合用完即扔的软件大模型出现“幻觉

”推理过程不透明“不完全理解

”的风险010203定义通过自然语言与AI聊天生成代码的开发方式，

即使不完全理解也完全接受这些代码什么是氛围编程（VibeCoding）特点颠覆传统自然语言大模型不完全理解完全接受5

什么是氛围编程测试氛围编程测试：用AI氛围编程辅助进行软件测试的用例设计、数据准备、代码/脚本生成和“理测评解”“理测评解”“理测评解”

四步法确保测试质量，涵盖理解、测试、评审、解释全过程。运行时提效与质量指导AI用故障注入测试验证测试有效性，保证测试结果的可靠性。准备时提效与质量AI生成数据清理与准备脚本，确保测试环境一致性,提高测试质量。1声明时提效与质量用“三场一表”指导AI设计测试用例，提升测试设计的科学性和全面性。2436

理由一：

UI、API和故障注入测试逻辑相对简单测试代码逻辑特点与氛围编程优势UI测试关注页面交互和元素定位，API测试专注请求响应和数据验证

，故障注入测试重在验证测试代码捕获错误的能力。相比大量业务复杂的生产代码逻辑

，测试逻辑更加直接、明确和简单

，适合氛围编程。测试代码的业务逻辑特征氛围编程的优势7

理由二：

测试数据清理与准备脚本相对简单测试数据清理与准备的特性与AI生成优势AI生成优势AI能快速理解并实现标准化的数据操作，减少人工重复劳动。测试前数据清理与准备的特点数据清理逻辑通常标准化，测试数据准备流程相

对固定，业务规则简单。8AI在测试用例设计中的优势能够基于最佳实践

，系统化分析业务场景，自动生成边界条件和异常场景。人工难以覆盖的组合场景AI能穷举复杂的条件组合，设计出人工难以全面覆盖的复杂业务场景的测试用例。

理由三：

大模型能设计更全面的测试用例AI在测试用例设计中的强大能力9

传统单元测试在氛围编程场景中的局限性单元测试不适用的原因及解决思路氛围编程常改底层逻辑，单元测试耦合度高易被破坏，需更高层级保护。UI和API测试提供更稳定的保护层，确保测试的有效性

，降低维护成本。为什么单元测试不适用？解决思路10PART02

+

03“准备时+声明时+运行时”Saleor电商系统氛围编程测试实战11

准备时脚本生成AI辅助测试前的数据清理、准备与环境配置3412环境配置自动化测试环境的初始化工作，提高测试效率。优势标准化操作适合AI生成，减少人工重复劳动，节省时间与人力。数据清理清除测试环境中的脏数据，确保测试环境的纯净性。数据准备为测试场景准备必要的基础数据，保障测试的顺利进行。12Saleor电商系统介绍这是一个在GitHub上有2.2万星标的API优先电商平台。现代化架构基于GraphQLAPI构建现代化架构，具有高性能和灵活性。复杂折扣和促销规则系统系统包含复杂的折扣和促销规则，是实战验证的好场景。

实战案例背景Saleor电商系统的特点01030213

氛围编程测试现场实战演示——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据三场景测试用例和推荐技术栈生成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助向团队成员解释三场景与故障注入测试代码让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性————————声明时

——————————运行时

——10.AI辅助解释三场景与故障注入测试代码9.AI辅助评审三场景与故障注入测试代码5.AI辅助用决策表设计打折促销测试用例6.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例AI辅助评审三场景与故障注入测试代码3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程14#

Start

Docker

Desktop./s4_to_s1_stop.sh./clean_up_data.sh#

Running

Saleor

Locallyhttps://docs.saleor.io/quickstart/running-locally#

Build

Docker

images

bycloningthe

repositoryand

runningthe

followingcommands:gitclone

https:///saleor/saleor-platform.gitcdsaleor-platformdockercompose

pull#

updatethedatabaseschema

to

the

latestversiondocker

compose

run

--rm

api

python3

manage.py

migrate#

populatethedatabasewith

sample

datadocker

compose

run

--rmapi

python3

manage.py

populatedb#addadmin

user

name

and

passworddockercompose

run

--rmapi

python3

manage.pycreatesuperuser#admin@exa/admin#

Runall

Saleorcontainers

(fromwithinthesaleor-platform

directory)

dockercompose

up#Thedashboardwill

now

beavailable

at

localhost:9000.#APIWalkthroughhttps://docs.saleor.io/quickstart/api1.打开GraphQL

Playground:

http://localhost:8000/graphql/2.

Fetch

products```graphql{products(first:

10channel:

"default-channel"where:{

minimalPrice:{

range:{

gte:

10,

lte:

100}}})

{edges

{node

{idnamecategory

{idname}}}}}```

1.手工调用GraphQL

API进行购物15 GraphQL

Playground：在浏览器中访问API16

氛围编程测试现场实战演示——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程3.手工使用WebUI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型5.AI辅助用决策表设计打折促销测试用例让AI根据三场景测试用例和推荐技术栈生成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助向团队成员解释三场景与故障注入测试代码让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性————————声明时

——————————运行时

——10.AI辅助解释三场景与故障注入测试代码9.AI辅助评审三场景与故障注入测试代码6.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例AI辅助评审三场景与故障注入测试代码手工API测试并记录过程手工UI测试并记录过程17c

mmercec

ntainer

rchestrates[D

cker]《c

ntainer》s1

script[Bash/GraphQL]s1-start-saeor-and-p

ace-order-by-graphq.shDirect

Ap

automation《pers

n》usersystem

administrator

ordeve

operExecutes[c

mmand

ine]sa

e

r

E.Ecsystem[]《c

ntainer》sa

e

rcreAP

[Djang

5.2/GraphQL]Head

ess

e_commercebackendport:

8000《c

ntainer》saerP

atfrm[D

cker

c

mp

se]service

orchestrationp

atform ne_c

ickstartupPerf

rmscmp

etee.cmmercew

rkf

w[Authenticati

n,Appcreati

n,rderprcessing][GraphQL

AP

]st

re

rders&

pr

ducts[SQL]starts

sa

er

serices[D

cker

c

mmands]send

rder

ntificati

n[HTTP

POST]cache

data[Redis

Pr

t

c

]Manages[D

cker]Manages[D

cker]《externa

_system》webh

k.siteExterna

webhooknotification

monitoringsystem《c

ntainer》Redis[cache]session

and

cache

storage《c

ntainer》PstgresQL[Database]product,

order,

user

data1.用AI生成脚本s1_start/stop_saleor.sh2.用AI生成脚本s2_start/stop_storefront.sh3.用AI生成脚本s3_start/stop_dummy_payment_app.sh4.用AI生成脚本s4_start/stop_ngrok.sh5.用AI生成脚本s1_to_s4_start.sh和s4_to_s1_stop.sh6.用AI生成脚本clean_up_data.sh以便清空数据7.用AI生成脚本s1_start_saleor_and_place_order_by_graphql.sh18s

1-start-sa

eor-and-p

ace-order-by-graphq.shs

1-start-sa

eor.sh#用graphql下单并初始化admin@example.com的shipping地址数据

./s4_to_s1_stop.sh./clean_up_data.sh./s1_start_saleor_and_place_order_by_graphql.sh#能在webhook.site看到POST信息1.启动Saleor服务2.获取用户认证Token3.创建App4.创建Webhook5.获取产品信息6.创建完整的Checkout7.设置配送方式8.创建订单并触发Webhook9.标记订单为已支付10.验证支付状态11.执行总结s1w

rkf

w.Direct

GraphQLAP

Aut

mati

n

用Windsurf搭配Claude大模型生成脚本19

用Cursor搭配Claude大模型生成脚本20#

RunningStorefronthttps://g/saleor/storefront##

Install

Storefront

manuallygitclone

https:///saleor/storefront.git

saleor-storefront-

installed-manuallycdsaleor-storefront-installed-manually#安装依赖

(这一步很关键！

)pnpm

install#Copy

environmentvariablescp.env.example

.env##Add

local

backendAPI

URL

in.env```shell#Add

local

backendAPI

URL#

Make

suretoadd

slash

at

the

end:NEXT_PUBLIC_SALEOR_API_URL=http://localhost:8000/graphql/

```##

Run

Storefrontpnpm

run

dev##

Placean

order1.Open

http://localhost:3000/2.

Browse

productsandadd

themto

the

cart3.

Proceedto

checkout4.Completethe

checkout

process5.

Placethe

order6.Checkthe

order

inwebhook.site

运行Saleor前端App

Storefront21starts

storefront

ser

ice[D

cker

c

mmands]1.启动storefront、

dummy

paymentapp和ngrok2.等待服务启动3.获取ngrokforwarding

URL4.获取用户认证token5.查找并卸载旧的Dummy

Payment

App6.安装新的Dummy

Payment

App7.验证安装结果8.输出安装总结#用storefront下单#在终端中停止storefront的运行./s2_to_s4_start_and_place_order_by_storefront.sh#在Storefront中购物下单starts

ngrok

tunne

#

能在webhook.site看到POST信息[CL

]s2-to-s4-start-and-p

ace-order-by-storefront.sh《externa

_system》ngroksecuretunne

ing

serviceExposes

ocaappstointernets2-start-storefront.shs3-start-dummy-payment-app.shs4-start-ngrok.sh1.用AI生成脚本s1_start/stop_saleor.sh2.用AI生成脚本s2_start/stop_storefront.sh3.用AI生成脚本s3_start/stop_dummy_payment_app.sh4.用AI生成脚本s4_start/stop_ngrok.sh5.用AI生成脚本s1_to_s4_start.sh和s4_to_s1_stop.sh6.用AI生成脚本clean_up_data.sh以便清空数据

227.用AI生成脚本s1_start_saleor_and_place_order_by_graphql.sh8.用AI生成脚本s2_to_s4_start_and_place_order_by_storefront.sh《pers

n》usersystem

administrator

or

deve

operExecutes[C

mmand

ine]sa

eor

E.commerce

Ecosystem[container]《c

ntainer》s2script[Bash/GraphQL]s2-to-s4-start-and-p

ace-order-by-storefront.shstorefront

automationwith

ngrok《c

ntainer》Dummy

paymentApp[N

de.js]Test

payment

gatewayport:

3001《c

ntainer》storefront[React.js/Next.js

15]E_commerce

frontend

storeport:

3000《c

ntainer》sa

eorcore

Ap

[Djang

5.2/GraphQL]Head

ess

e_commercebackendport:

8000《c

ntainer》sa

eorp

atform[D

cker

C

mp

se]service

orchestrationp

atform

ne_c

ickstartup《externa

_system》webhook.siteExternawebhooknotification

monitoringsystem《c

ntainer》Redis[Cache]sessionandcachestorage《c

ntainer》postgresQL[Database]product

,

order,

userdataperformspaymentapp

insta

ation[Authentication,

Appmanagement][GraphQL

AP

]pro

ides

securetunne[Expose

oca

app,

Forwardrequests][HTTPS/HTTP]Accessespaymentser

ices[Fetch

manifest,processpayments][HTTPS]s2workf

ow.storefront+ngrokTunne

ingAutomationstoreorders&

products[SQL]send

payment

notification[HTTP

POST]starts

payment

app[D

cker

c

mmands]s2-to-s4-start.shcache

data[Redis

Pr

t

c

]create

order[GraphQL]

rchestrates[D

cker]

rchestrates[D

cker]

rchestrates[D

cker]Manages[D

cker]Manages[D

cker]

氛围编程测试现场实战演示——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据三场景测试用例和推荐技术栈生成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助向团队成员解释三场景与故障注入测试代码让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性————————声明时

——————————运行时

——10.AI辅助解释三场景与故障注入测试代码9.AI辅助评审三场景与故障注入测试代码5.AI辅助用决策表设计打折促销测试用例6.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例AI辅助评审三场景与故障注入测试代码3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程23

在Storefront下单并在Webhook.site上看到246.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试9.AI辅助评审三场景与故障注入测试代码10.AI辅助解释三场景与故障注入测试代码让AI根据三场景测试

用例和推荐技术栈生

成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性AI辅助评审三场景与

故障注入测试代码AI辅助向团队成员解释三场景与故障注入测试代码

氛围编程测试现场实战演示——————————————准备时

————————————————

————————声明时

——————————4.AI辅助进行三场景测试用例设计与技术栈选型5.AI辅助用决策表设计打折促销测试用例1.手工调用GraphQLAPI进行购物2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈————————声明时

——————————运行时

——让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程25三场景功能测试分类法包括冒烟场景、

Happy

Path场景、

Sad

Path场景，针对不同测试需求。一表复杂业务梳理法决策表用于复杂业务规则系统化分

解，避免遗漏测试场景。

声明时：

三场一表详解三场景功能测试分类法与决策表应用26提示词：请你阅读@s1_start_saleor_and_place_order_by_graphql.sh

和@s2_to_s4_start_and_place_order_by_storefront.sh以及

@03-web-ui-shopping.md以了解在saleor上用graphqlapi和webui进行购物的全过程以及测试环境搭建和测试数据的清理和准备过程，然后根据2025年软件测试的最佳实践，为我设计一组关键的冒烟场景测试用例（使用webUI测试技术栈）、一个用户在webui上成功下单购买商品的happy

path场景测试用例（使用web

UI测试技术栈）和若干关键的sadpath场景测试用例（使用graphql

api测试技术栈）；然后据此为我推荐3个能满足上述三场景的2025年流行的主流webui和graphql测试技术栈方案，之后从无须生成测试代码，只须以“given-when-then”或“given-when-then-then-...”或“given-when-then-when-then-...”等合理格式给出每个或每组测试用例的设计即可，要求given是测试条件准备，when必须是待测试的行为，then是测试是否通过的判断。其间你可以参考@README.md、@README.md、

@README.md

和@README.md来了解有关信息。

4.AI辅助进行三场景测试用例设计与技术栈选型中推荐一个，并说明推荐理由。

272829303132

氛围编程测试现场实战演示——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据三场景测试用例和推荐技术栈生成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助向团队成员解释三场景与故障注入测试代码让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性————————声明时

——————————运行时

——10.AI辅助解释三场景与故障注入测试代码9.AI辅助评审三场景与故障注入测试代码5.AI辅助用决策表设计打折促销测试用例6.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例AI辅助评审三场景与故障注入测试代码3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程33

复杂业务场景测试需求分析复杂业务规则挑战折扣系统包含嵌套条件组合，传统人工测试难以覆盖所有组合。氛围编程测试覆盖策略冒烟与Happypath用UI

测试，sadpath与决策表用API

测试。分析复杂业务规则挑战与测试覆盖策略2341提示词：请阅读下方关于Saleor电商平台折扣功能的文档，然后针对我上传的checkout页面中“添加礼品卡或折扣码”的结账场景，使用决策表设计测试用例，以全面覆盖常见的折扣应用场景。请先列出决策表设计的最佳实践，再基于这些实践设计决策表。最后根据决策表列出测试用例，只需提供测试名称、所需准备的数据（通过GraphQL设置的折扣策略）及其测试要点即可，无需生成代码。注意：因为只是演示AI生成决策表的场景，所以决策表无须将discounts的各种场景全部覆盖，而只须覆盖用户购物最常见的打折场景即可。以下是折扣功能的文档：【参见https://docs.saleor.io/developer/discounts/overview，略】

5.AI辅助用决策表设计打折促销测试用例3536376.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试9.AI辅助评审三场景与故障注入测试代码10.AI辅助解释三场景与故障注入测试代码让AI根据三场景测试

用例和推荐技术栈生

成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性AI辅助评审三场景与

故障注入测试代码AI辅助向团队成员解释三场景与故障注入测试代码

氛围编程测试现场实战演示

（仅演示冒烟测试）——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈————————声明时

——————————运行时

——5.AI辅助用决策表设计打折促销测试用例让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程38提示词：请你阅读@04-test-scenario-design.md，然后根据2025年软件测试的最佳实践，并使用“Playwright

+TypeScript

+Jest”Web

UI技术栈，为其中的“冒烟测试用例”生成相应的冒烟测试代码。要求在项目根目录下创建空目录"testing“，并在其中创建目录"smoke-test"目录，用来存放这些冒烟测试代码。如果你想在生成UI测试代码时阅读前端代码，可以查看@README.md及其所在目录中的前端代码文件。最后告诉我该如何在macOS电脑的iTerm2里运行这个冒烟测试

6.AI生成冒烟测试代码39运行冒烟测试代码#Start

Docker

Desktopcdstart_saleor./s4_to_s1_stop.sh./clean_up_data.sh./s1_start_saleor_and_place_order_by_graphql.sh./s2_to_s4_start_and_place_order_by_storefront.sh

cd../saleor-smoke-testingnpm

install&&

npm

runtest:installnpm

runtest:fastnpm

runtest:headednpm

runtest:report40 AI辅助"理测评解"方法论整体框架完整的AI测试生成验证流程整体流程“准备时脚本生成+声明时三场一表+运行时故障注入”都需要酌情进行“理测评解”。O5“测”用故障注入验证AI生成的测试代码在运行时的覆盖有效性。O2“理”用AI辅助理解AI生成的测试代码声明是否符合测试用例。O1“评”用AI辅助评审AI生成的测试用例与代码的覆盖完整性。O3“解”用AI辅助向他人解释AI生成的测试用例与代码。O4416.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试9.AI辅助评审三场景与故障注入测试代码10.AI辅助解释三场景与故障注入测试代码让AI根据三场景测试

用例和推荐技术栈生

成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性AI辅助评审三场景与

故障注入测试代码AI辅助向团队成员解释三场景与故障注入测试代码

氛围编程测试现场实战演示

（仅演示冒烟测试）——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈————————声明时

——————————运行时

——5.AI辅助用决策表设计打折促销测试用例让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程42提示词：你是playwright

+typescript专家，而我是新手。请你先向我简要解释@system-basics.smoke.spec.ts中的“TC-001”这个测试是如何验证“Storefront

homepageshould

loadsuccessfullyanddisplay

products”的，然后再逐行解释这个测试中每条语句的作用。注意，注释语句不必解释。另外这个测试的3行语句分别调用了"homePage"这个pageobject的3个函数，请你先解释pageobject为何是最佳实践，然后再

阅读

@HomePage.ts并分别逐行解释这

3个函数中各行语句的作用。请解释

@HomePage.ts测试代码中的verifyHomepageLoaded()测试中的关键词async、await和expect各自属于哪

7.AI辅助理解冒烟测试代码的声明个代码库的关键词、作用和适用场景436.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试9.AI辅助评审三场景与故障注入测试代码10.AI辅助解释三场景与故障注入测试代码让AI根据三场景测试

用例和推荐技术栈生

成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性AI辅助评审三场景与

故障注入测试代码AI辅助向团队成员解释三场景与故障注入测试代码

氛围编程测试现场实战演示

（仅演示冒烟测试）——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈————————声明时

——————————运行时

——5.AI辅助用决策表设计打折促销测试用例让AI将手工API测试过程转为自动化脚本让AI根据打折需求文档使用决策表生成测试用例3.手工使用WebUI进行购物手工API测试并记录过程手工UI测试并记录过程44提示词：请你阅读@s1_start_saleor_and_place_order_by_graphql.sh和@s2_to_s4_start_and_place_order_by_storefr

ont.sh以及

@03-web-ui-shopping.md以了解在saleor上用graphqlapi和web

ui进行购物的全过程以及测试环境搭建和测试数据的清理和准备过程，之后再阅读

@system-basics.smoke.spec.ts中7个冒烟测试，然后针对每个冒烟测试，分别为我设计相应的故障注入测试，使得当我分别手工运行这些故障注入测试时，相应的冒烟测试会运行失败，以便我验证这个冒烟测试真的能覆盖其所声明的保护代码行为不被破坏的能力。要求只为每个冒烟测试设计一个故障注入测试，且这个故障注入测试也需要按照“given-when-then”或“given-when-then-then-...”或“given-when-then-when-then-...”等合理格式生成，无须生成故障注入测试代码。要求given是测试条件准备，when必须是待测试的行为，then

是测试是否通过的判断。另外要求你为每个冒烟测试所设计的故障注入测试，确实能验证这个冒烟测试所覆盖的最核心的代码行为是否被有效保护。

8.AI辅助设计与生成故障注入测试45提示词：假设我能在我的macOS电脑上用storefront在http://localhost:3000网页上正常下单。请在这种情况下，为我推荐这7个故障注入测试中的故障注入成本最低且验证相应的冒烟测试覆盖有效性的效果最好的排名前三的故障注入测试，供我选择，并说明排名的理由。请针对你推荐的排名第一的“FI-TC-004(购物车页面路由故障)”，设计具体的故障注入操作步骤、冒烟测试运行步骤以及将故意注入的故障清理以便恢复到之前正常运行状态的步骤，以便我实施这个故障注入测试。为了方便我实施这个故障注入测试，请你分别为实施步骤中“第一步：故障注入操作-

>方法1：临时重命名购物车页面文件（推荐）”和“第五步：清理故障并恢复正常状态-

>方法1（文件重命名）

”编写相应的脚本文件，并保存在“saleor-smoke-testing/fault-injection-testing”目录下。

8.AI辅助设计与生成故障注入测试46我运行了你提供的@fi-tc-004-inject-fault.sh

，之后再运行【npx

playwrighttestsmoke-test/system-basics.smoke.spec.ts--grep

"TC-004"】，结果发现冒烟测试运行竟然通过：【saleor-smoke-testing(main)

✗)npxplaywrighttestsmoke-test/system-basics.smoke.spec.ts--grep

"TC-004"Running

1test

using

1worker✓

1…tionality›TC-004:

Cart

page

should

beaccessibleandfunctional

(2.9s)Cartisempty

-

bothstates

are

acceptable

for

smoke

test1

passed

(3.8s)】。但我在浏览器里使用storefront购物当访问购物车“http://localhost:3000/default-channel/cart”时，看到

404错误。请你分析一下是TC-004这个冒烟测试覆盖并不充分，还是这个故障注入并不匹配TC-004，并给出改进建议。

8.AI辅助设计与生成故障注入测试476.AI生成三场景测试代码7.AI辅助理解三场景测试代码的声明8.AI辅助设计与生成故障注入测试9.AI辅助评审三场景与故障注入测试代码10.AI辅助解释三场景与故障注入测试代码让AI根据三场景测试

用例和推荐技术栈生

成UI和API测试代码AI辅助理解冒烟、happypath和sad

path三场景测试代码声明AI辅助设计、生成与运行故障注入测试以验证三场景测试覆盖有效性AI辅助评审三场景与

故障注入测试代码AI辅助向团队成员解释三场景与故障注入测试代码

氛围编程测试现场实战演示

（仅演示冒烟测试）——————————————准备时

————————————————

————————声明时

——————————1.手工调用GraphQLAPI进行购物4.AI辅助进行三场景测试用例设计与技术栈选型2.AI生成脚本以自动化数据清理与准备及GraphQLAPI购物过程让AI根据脚本和手工测试过程生成三场景测试用例并推荐技术栈————————声明时

—