手把手ChatGPT实现自动化测试详细教程

摘要：干测试的各位同学们，你们在工作中还在大量进行手工操作吗？其实从UI/UE 操作、功能验证，到生成测试报告，都可以通过自动化技术来完成，节约大量时间成本。

干测试的各位同学们，你们在工作中还在大量进行手工操作吗？其实从UI/UE 操作、功能验证，到生成测试报告，都可以通过自动化技术来完成，节约大量时间成本。

不少同学表示道理都懂，但有一个很现实的问题摆在眼前，就是实现自动化技术需要扎实的编程技能，这对于一些测试人员来说要求确实偏高。所以有同学开玩笑说“都能写代码了，谁还干测试呢？”

即使具备编程能力，要从零开始为业务构建自动化测试框架，也很难在繁重的测试工作中获得工期预算。因为点两下鼠标就能完成的事，总会被质疑是否值得花几个小时去写代码。

如果有一套适合业务的代码模板，只要修改一下配置参数就能实现自动化测试，这该多好。好消息是现在测试人员不必苦学编程，也不必花时间写代码，只要把工作交给 ChatGPT 就好。

只要使用自然语言描述清楚需求，ChatGPT 就能生成符合要求的代码模板，手工操作真的可以抛到一边了。接下来我们将通过一个登录页面的自动化测试实战，来演示 ChatGPT 的妙用。

我们将使用行为驱动开发（Behavior-Driven Development，BDD）工具 Cucumber 来编写可执行测试用例，使用 Selenium 来模拟浏览器操作。

让我们开始 AI 辅助软件自动化测试之旅。

在使用 ChatGPT 开展工作之前，同学们要先了解一下提示词（Prompt）的编写技巧。提示词可看作驱动 ChatGPT 大模型工作的指令，对于编写代码来说，使用代理模式指定专业角色可以获得更精准的结果，例如“你是一名资深测试工程师，……”

首先，我们将需求通过自然语言描述，向 ChatGPT 发出指令：“你是一名资深软件测试工程师，请基于 Cucumber 使用 Python 语言生成一个登录页面的测试框架。要求使用页面对象模型和类变量作为元素定位器。”

然后，ChatGPT 就为提示内容生成了完整的登录页面自动化测试框架。我们将生成结果分为三个部分来查看。

安装库与编写 BDD 测试用例

可以看到，尽管我们在提示词中并未说明要使用浏览器模拟工具，但 ChatGPT 主动选择 selenium WebDriver，而且还贴心地给出了安装 selenium 和 behave 的步骤。

在“login.feature”文件中，以 gherkin 语言描述了登录测试的正向与反向测试用例，接下来就是使用 Python 测试功能逻辑。

实现测试步骤

在“login_steps.py”文件中，前提条件（given）为打开登录页面，执行动作（when）包括输入正确参数、输入错误参数、点击登录按钮，预期结果（then）包括成功验证与失败验证。

页面元素和操作

在“login_page.py”文件中，对用户名、密码、登录按钮、错误提示信息等内容，以元素 ID 号的方式进行提取。当然，这是一个通用测试框架，同学们要根据自己的实际测试页面进行调整，可以选择 Name、xpath 等字段来提取。

测试工程文件目录如下：

上述三部分就是 ChatGPT 生成的所有内容，按照提示在 Linux 系统中构建测试环境，在代码中修改参数，执行“behave”命令运行，就能看到自动化测试结果。

即使对于一名新手来说，在 ChatGPT 的辅助下，顶多半小时就能跑通自动测试流程。有了测试框架，后续就可以方便地添加测试逻辑。

虽然现在我们有了一个能用的自动化测试框架，但仍然不甚完美，还可以借助 ChatGPT 实现进一步的优化。

观察现有的测试代码，我们发现 URL、用户名、密码等参数都是硬编码在 login_page.py 文件中。如果将来测试用例扩张，参数增多，这种方式会对工程化管理带来麻烦，所以考虑将参数提取出来放置在配置文件中。

编写提示词：“请将上述登录页面测试框架中的 URL、username、password、Login 相关参数提取出来，放置在配置文件中，重新生成 login_page.py 代码。”

ChatGPT 按照要求提取了 url、valid_username、valid_password、invalid_username、invalid_password 五个参数，并使用 config.ini 文件存储配置。

随后，重写了 login_page.py 代码，展示了使用 configparser 库加载 config.ini 文件，并读取相应参数的方法。

这一次优化，使得测试代码更加通用，只要变更配置文件，就能实现对多个用例的测试，而不必频繁修改代码。

同学们也可以在此基础上持续优化，你们将会发现 ChatGPT 使用越多，输出的结果也会愈加精准。

使用 AI 工具实现自动化测试，这是一个具体的运用。那么，在 AI 时代，测试工作的指导思想是什么？还有更多的玩法吗？

《现代软件测试技术之美》这本书就揭示了在测试领域新的观念和思维，以及诸多实用技巧。我们来了解一下本书的具体内容。

《现代软件测试技术之美》首先从革新观念入手，提出“软件质量全员负责制”的观点，强调“软件的任何问题，我都有责任”，从而论述了测试左移与测试右移的思想，对测试人员的技能提出了新的要求。

接着提出了 5 种测试新方法，包括契约测试、测试驱动开发、探索式测试、低代码测试、混沌工程。还对全链路压测、安全测试、移动测试、大数据测试、人工智能测试等 11 种新技术进行了介绍。最后剖析了 4 则软件测试行业典型案例。

所以本书的特点是内容全面，涵盖了当前软件测试领域的主流方法论与技术应用，是测试人员在 AI 时代的行动指南。

本书作者团队也由业界大佬与一线技术专家组成，从高屋建瓴的体系建设到技术运用的细节，展现了作者团队多年的技术积累与丰富的大厂实践经验。

茹炳晟 腾讯 Tech Lead，腾讯研究院特约研究员，中国计算机学会技术前线委员会研发效能 SIG 主席，《软件研发效能度量规范》标准核心编写专家，中国商业联合会互联网应用工作委员会智库专家，腾讯云、阿里云、华为云“最具价值专家”，出版过《测试工程师全栈技术进阶与实践》。公众号“茹炳晟聊软件研发”的主理人。

吴骏龙 某大型互联网公司质量与效能团队技术总监，腾讯云“最具价值专家”，曾任 Wish 中国测试总监、阿里巴巴本地生活高级测试经理。在软件质量体系、服务容量保障、服务稳定性建设、软件研发效能等领域深耕多年，善于通过创新手段解决工程难题。他是测试行业优秀的实践者和前沿技术的传播者，多次受邀参加 QCon、QECon、CCF 等行业峰会并进行演讲。

刘冉现任 Thoughtworks 软件测试和质量专家，具有 20 年软件开发和测试工作经验，对Web 应用测试、服务器性能测试、移动测试、安全测试、敏捷测试、测试驱动开发、测试分层一体化解决方案，以及代码管理、持续集成、持续交付和 DevOps 等有深入研究，曾是多个行业峰会的演讲嘉宾。

作者们在写作本书时尽力以简洁易懂的语言进行描述，还精心绘制了大量图示，以将复杂的概念和流程形象化表达。