AI赋能测试资产治理：用WorkBuddy Skill实现手工用例自动“过时检测”

当迭代速度越来越快，你的手工用例还跟得上需求变更吗？

一、问题背景：迭代越快，用例越“旧”

在敏捷开发模式下，每个迭代都有新需求上线、旧功能下线、业务规则调整。但与之对应的手工测试用例库，却往往停留在几个月甚至一年前的状态。

你遇到过这些场景吗？

• 功能逻辑已经改了，用例里写的“预期结果”还是老逻辑

• 某个功能已经下架了，用例库里还有几十条相关用例

• 一个“登录”功能，被不同人写了N条高度相似的用例

传统做法是定期人工Review——但面对成百上千条用例，人工Review不仅耗时，还极易遗漏。更麻烦的是，每个迭代的需求文档只覆盖“改了什么”，并不会告诉你“哪些旧用例失效了”。

AI能不能帮上忙？

二、核心思路：不是“全量扫描”，而是“精准打击”

很多人在尝试用AI做用例维护时，第一个想法是：把全量用例和全量需求丢给AI，让它找出过时的。

这个思路有两个致命问题：

1. 需求文档从来不是全量的——每个迭代只有增量需求，没有“全量需求”这回事

2. 全量扫描会让AI输出几百条噪音——老功能没变但措辞老了，AI会误报，你根本看不过来

正确的做法是模块化精准打击：

只用“本次迭代涉及的功能模块”去圈定“对应的用例子集”，然后拿这些用例与“当前线上真实现状”比对，而非与“需求文档”比对。

为什么是“线上真实现状”而不是“需求文档”？因为开发可能改了接口字段但没写进需求，产品可能调整了规则但更新滞后——只有线上环境/接口文档才是“事实标准”。

三、WorkBuddy Skill：把经验固化成“数字资产”

在WorkBuddy中，Skill（技能）就是你手把手教AI做一件具体事情的“教程说明书”。

你可以把“用例过时检测”的逻辑固化为一个Skill——配置好后，每月1号自动运行，你只需要看结果就行。

Skill的核心价值在于：

四、实操落地：三层筛选流程

整个Skill的执行逻辑分为三层筛选，确保输出结果精准、可操作。

第一层：范围圈定（从5000条→50条）

读取本次迭代的TAPD需求，提取核心功能模块关键词（如“优惠券”、“退款”），只在Excel用例的“所属模块”列进行匹配筛选。

关键原则：未命中的用例直接忽略，不进行分析。

第二层：基线比对（从50条→5条）

拿筛选出的用例的“预期结果”和“断言字段”，去调用MCP连接当前测试环境的接口文档（Swagger）或线上页面。

比对逻辑：

• 用例中的字段名在最新接口文档中已不存在 → 标记【字段废弃】

• 用例中的业务规则与当前接口逻辑相悖 → 标记【逻辑冲突】

• 当前环境该功能已完全不存在 → 标记【功能下架】

第三层：人工兜底（最终输出5条）

只把有冲突的用例推送给测试人员确认，并附上AI建议（如“用例#102的断言字段‘status=1’在当前环境已改为‘state=SUCCESS’，建议修改”）。

最终工作量只有5条，而不是5000条。

五、Skill完整配置（可直接复制使用）

以下是在WorkBuddy中创建该Skill的完整配置：

Skill名称：月度用例过时检测（变更影响圈定版）

Skill描述：自动提取本迭代需求变更模块，圈定关联用例，比对线上真实验证逻辑，输出待维护清单。

系统提示词（System Prompt）：

markdown

你是一位拥有10年经验的测试资产治理专家。请严格按照以下"三步法"执行任务，严禁发散： ### 第一步：读取需求，提取变更锚点（探照灯） 1. 通过MCP读取我提供的【当前迭代需求文档链接/TAPD ID】。 2. 提取需求中明确提到的**核心功能模块名**（例如："优惠券中心"、"退款审批流"）和**关键业务实体**（例如："订单状态"、"折扣率"）。 3. 忽略需求中未提及的任何模块。输出提取到的关键词列表，作为后续筛选的【锚点】。 ### 第二步：圈定关联用例（精准命中） 1. 通过MCP读取我指定的【主用例Excel文件路径】。 2. 只扫描Excel中"所属模块"列包含【锚点】关键词的那些行。 3. 未命中的行（全量系统中的其他模块），直接忽略，不进行分析。 ### 第三步：二次校验——与"线上真实现状"比对 1. 对于第二步圈定出来的所有用例，提取它们的"用例标题"和"预期结果"中的**断言字段**（如：状态码、返回字段名、界面按钮文字）。 2. 通过MCP调用【当前测试环境接口文档（Swagger链接）或线上页面截图】。 3. 执行逻辑比对： - 如果用例中的字段名在最新接口文档中已不存在，标记为【字段废弃】 - 如果用例中的业务规则描述与当前接口文档中的注释逻辑相悖，标记为【逻辑冲突】 - 如果当前环境下该页面/接口已完全不存在，标记为【功能下架】 ### 最终输出格式（强制要求） 请只输出以下Markdown表格，不得添加任何开场白或结束语： | 序号 | 用例ID/行号 | 原预期结果/断言 | 当前线上真实逻辑 | 问题类型 | AI建议操作 | |------|------------|----------------|-----------------|---------|-----------| | 1 | [行号] | [原文] | [实际] | 字段废弃/逻辑冲突/功能下架 | 建议修改为/建议删除 |

六、使用前需要填写的3个配置项

七、落地节奏建议

八、总结

手工测试用例的“过时”问题，本质是“资产维护速度跟不上需求变更速度”。通过WorkBuddy Skill，我们可以把“变更影响面分析”这一测试专家的核心能力固化为可自动执行的数字资产。

核心方法论就一句话：

拿“迭代变更点”当探照灯，只照相关的用例；拿“线上真实现状”当标尺，只量有冲突的细节。

这套方案的价值在于：

• 精准：不搞全量扫描，只处理变更影响的模块

• 低成本：AI自动完成90%的分析工作，人工只需确认5-15条结果

• 可沉淀：Skill一旦写好，就是团队的永久资产，换人也不怕

AI赋能的本质，不是用AI替代人，而是把人的经验固化为可重复、可扩展的自动化能力。用例维护这件事，值得让AI替你“先跑一遍”。