AI 提效 [测试开发“自攻”之路]

[hot63fang]

现在行情下测试和开发不用 AI 工具的不多了吧？尤其今年效率的提升真是嘎嘎猛 接口和 UI 自动化数量直接从年初的 1000 多干到五千多，回归真实全部脱离手工，看通过率就行 每天不停地“压榨”CC

有 AI 后，大家都会去搞不同的 Skills 放在项目中用，最近也把整个流程打通，上真实流程图看看

skill	作用
case-generation	出用例：给需求来源（ Jira/Confluence/Figma 链接、GitLab MR ，或直接贴文本；也可只给 sprint 名 → 列出派给你的子任务挑一个）→ Claude 读需求/设计稿/MR 代码 → 产《需求理解.md 》《测试分析.md 》（各停下等你确认）→ 设计多步用例 → 人工审核 → 产出 MeterSphere 可导入的 .xlsx + 脑图 .xmind 。
case-upload	上传用例 + 关联计划：给 xlsx 文件或目录 → 自动规范格式 → ms 一键导入→ 按 sprint 名关联到测试计划并标 Pass 。
test-execution	场执行测试（ API + 页面）：读 commit/MR 补用例 → 审核 → 新用例回传 MeterSphere → API 用 SDK 真调、页面用 Playwright 真点（只打测试环境）→ 出执行报告 + 缺陷清单。
qa-automation	沉淀自动化代码（ UI + 接口）：读用例 xlsx → 挑 P0/P1 核心主流程、标接口/UI → 审核 → 照团队现有框架

用例生成（ case-generation ）+ 一键导入（ case-upload ）+ 现场执行测试（ test-execution ）+ 自动化沉淀（ qa-automation ，UI+接口，照现有框架→分支+MR ） + 配置（ metersphere-settings ）

整个流程跑了一个月，效率还是提升不少，大家可以留言交流交流。 下一篇写 [ AI 如何去接收自动化结果，自动去改失败的自动化用例]

[Sanko]

效率提升不少，下班变早了吗

[hot63fang]

@Sanko 人变少了😂

[Hubbard]

自动化消耗的 ai 成本打平人力成本了吗

[phoenine]

不错不错，我们这边也是类似这么做的，通过 skills+ workflow 整理需求 -> 生成测试点 -> 生成测试用例 -> 上传测试用例 -> 生成自动化测试脚本 -> 生成 bug -> 生成测试报告，用 codex 搭的框架 + deepseek 的执行，最终结果就是把测试人员基本全部赶走了，只留下一个测试人员做做对生成内容做确认和优化，以及探索性验证。