跳到正文
阿里雲開發者社區 AI·· 6 小時前AI 評分41

測試資產通脹:用例增多,信號反而減弱

测试资产通胀:用例变多,信号反而变弱

AI 導讀

AI 令測試用例的生成成本大幅降低,但用例數量增加未必提升測試信號,缺乏有效判據的用例反而可能增加噪音。可靠的 AI 測試需要明確通過判據、建立可追溯的基線、把測試證據綁定被測對象身份,並驗證跨系統一致性。工具擴大的是測試產出,定義甚麼才算通過仍需由人判斷。

正文

2026-11-22 4

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: AI测试面临“资产通胀”:用例量激增,但有效判据、可信基线、完整追溯与跨系统一致性不足。真正的质量保障不在数量,而在每条用例能否回答一个具体质量问題——这要求人的重心从执行转向定义“什么算对”。

宏观会议文件里那些词——安全发展、负责任部署、互联互通——翻译成一线的工程语言,其实就一句:AI 能跑起来,和它跑得对,中间那段距离得有人填。

这段话不难懂。难的是填这段距离时,一个反直觉的现象正在发生:测试文件越来越多,套件的信号却越来越弱。

本质是测试资产在通胀
AI 把写用例的成本打到接近零。一个下午生成几百个测试文件,目录看着很壮观。

问题在于,数量增长的同时,有效判断没有跟着增长。

用例数、断言数、覆盖率这些指标都在涨,但"能不能据此判断质量"这个核心问题没有答案。文件多了,噪音也多了。一个套件里有三百条只断言"接口返回 200"的用例,和三十条真正验了业务规则的用例,前者更容易让人误以为质量被守住。

这叫资产通胀:名义价值上升,实际价值没变,甚至被稀释。

核心在于测试资产的价值不在数量,在每条用例能回答一个具体的质量问题。回答不了问题的用例不是中性资产,是负资产——它要被维护、要在失败时被人看、会把真正的问题淹在噪音里。

image.png

可验证:判据到底是什么
"负责任部署"落到测试上,第一个动作是可验证——一个 AI 功能上线前,得有个说法证明它被验过。

这里容易滑过去的是:证明验过,和验得对,是两件事。跑了多少条用例是前者,"什么算通过"才是后者。

实际上面试里那些模板话术,翻译成工程语言就是一句:你得能说清判据。"核心链路覆盖率 100%、P0 全过"之所以比"我测完了"强,不是因为它更啰嗦,是因为它给出了可核对的判据。

AI 生成测试时,判据这个环节最容易被跳过。生成器拿到的是需求描述和接口定义,它能推出"这个字段应该存在""这个接口应该返回 200",推不出"这个业务的正确行为是什么"。生成出来的用例语法完整、断言齐全,但断言的对象往往是结构,不是语义。

结果是:套件全绿,你还是不知道功能对不对。判据从人手里滑到了生成器手里,而生成器只能按它看得到的东西定义"通过"。

可回归:没有基线的回归只是重跑
第二个动作是可回归——改动之后,能说清有没有变差。

这要求先有基线。没有基线,所谓的"回归测试"就只是把用例再跑一遍,跑完了拿到一堆通过,和上一次比不了,也说明不了变化。

AI 生成用例时基线的来源尤其要小心。如果基线来自当前实现的输出——跑一遍把结果存下来当期望——那测的其实是"这次和上次一样",不是"行为符合预期"。当前实现如果是错的,快照会把错误固化下来,之后每次都"通过"。

这里有个判断标准:基线必须能追溯到它产生的版本、数据和判据。缺了追溯,基线就只是一份不知道从哪来的快照,用它做的回归结论也站不住。

这也回答了为什么"负责任的部署"要求出错后能回溯到具体版本、数据与决策链路——不是走流程,是没有追溯就没有可信的结论。

可追溯:证据必须绑定被测对象身份
第三个动作是可追溯,它比前两个更基础。

一条测试结论要能成立,得先回答它测的是谁:哪一份代码、哪一个 commit、哪一份数据、哪个配置。这些对不上,结论就是悬空的。

AI 让这一点更难了。生成式代码和 Agent 系统的行为依赖模型版本、提示词、上下文数据。同一个功能,换个模型版本结论可能就变了。这时候"测过了"三个字几乎不含信息——你得说清测的是哪个版本、哪份数据、什么配置下的行为。

核心在于:证据和被测对象的身份必须绑定。测试报告写一个通过率,不写它对应的源码指纹、commit、环境,这个通过率无法被复用,也无法在出问题时回溯。它只是当时那一刻的记录。

image.png

一致性:测的是对不对得上
政策语言里还有一条容易被当成套话——互联互通。翻译成测试,它对应的是一类具体工作:跨系统、跨环境的一致性验证。

单个系统内部自洽不够。系统之间要打通,接口契约对不对得上、同一份数据在不同环境里是不是同一个值、业务规则在两边是不是同一套解释——这些都要验。

这里被测的对象变了。不是"这个系统对不对",是"两个系统之间对不对得上"。断言的形式也从"结果等于期望"变成"两边的结果一致"。

一致性测试的价值在规模化落地时才显现。系统一多、环境一杂、规则一跨区域,接口和数据漂移几乎必然发生。没有一致性验证,每个系统单看都通过,连起来就是错的。

实际上"跑得对"这件事,在单系统里靠断言,在跨系统里靠一致性。后者恰恰是 AI 规模化落地后增长最快的测试需求。

人的位置往判据这一端移
把四项动作放一起看,人的工作重心就很清楚了。

写执行步骤这件事,工具能接。定义什么算通过、建立可信的基线、绑定证据与身份、判断两边是不是对得上——这些还在人这边。

image.png

核心在于:工具规模化的是产出,不是判断。产出越多,判据、基线、追溯这些判断环节就越关键——它们决定了那些用例到底是资产还是噪音。

回到开头那个现象:测试文件数量上去了,有效断言的有多少。这个问题不回答,AI 带来的就不是效率提升,而是套件的通胀——账面越来越厚,能据此做的判断越来越少。

你们现在的套件里,有多少用例能说清自己回答的是哪个质量问题?如果明天把它删掉,你会立刻知道少了哪一层保护吗?
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。

來源:阿里雲開發者社區 AI · developer.aliyun.com