跳到正文
阿里雲開發者社區 AI·· 12 天前AI 評分48

版本提測前,測試人員可用 AI 預先完成的 4 項工作

版本提测前,测试可以利用 AI 提前做好的 4 件事

AI 導讀

版本提測前,測試人員可用 AI 分析程式碼變更、梳理業務流程、掃描並發風險,並對照測試用例檢查功能實現情況。這四項工作有助及早整理回歸範圍、測試場景和潛在問題。AI 的分析結果仍須由測試人員結合需求和業務規則核對。

正文

2026-11-11 6

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: 版本提测前,测试除了准备测试环境、输出测试用例,还可以提前做好这四项工作: 1. 影响分析 :通过 Git Diff 了解代码变更,明确回归范围。 2. 流程梳理 :根据源码生成流程图,理解关键接口的实现逻辑。 3. 并发扫描 :排查潜在的竞态、重复提交和幂等性问题。 4. 实现检查 :对照测试用例和代码变更,提前发现功能实现缺口。 这四项工作并不是为了增加测试流程,而是希望把一部分原本需要在正式测试中逐步发现的问题,尽可能提前处理。 尤其是现在 AI 辅助开发越来越普遍,开发实现功能的速度变快了,但代码影响分析、业务逻辑梳理和测试验证准备等工作,依然需要测试人员认真完成。 第一件事:通过 G

版本提测前,测试除了准备测试环境、输出测试用例,还可以提前做好这四项工作:

1. 影响分析:通过 Git Diff 了解代码变更,明确回归范围。

2. 流程梳理:根据源码生成流程图,理解关键接口的实现逻辑。

3. 并发扫描:排查潜在的竞态、重复提交和幂等性问题。

4. 实现检查:对照测试用例和代码变更,提前发现功能实现缺口。

这四项工作并不是为了增加测试流程,而是希望把一部分原本需要在正式测试中逐步发现的问题,尽可能提前处理。

尤其是现在 AI 辅助开发越来越普遍,开发实现功能的速度变快了,但代码影响分析、业务逻辑梳理和测试验证准备等工作,依然需要测试人员认真完成。

第一件事:通过 Git Diff 分析代码变更范围

开发有时候会说本次只是修改了一个小功能,但实际代码可能涉及多个模块。

例如:

  • 修改了公共组件,可能影响其他业务页面;
  • 修改了接口参数,可能影响前端和其他调用方;
  • 调整了公共方法,可能影响多个业务模块;
  • 修改了数据库字段,可能影响历史数据和相关查询。

如果只根据开发提供的修改说明制定回归范围,很容易遗漏关联功能。

我采取的方案:封装一个Skill,通过git diff对比开发分支和基线分支的代码差异,自动解析本次改动的文件、变更范围,识别被改动的模块、接口、依赖和关联业务。再基于代码变更反向推导出,测试需要回归的业务范围、接口以及核心测试场景

使用方式:

首先确定两个对比基准:

  • 基准分支:通常选择当前线上稳定版本或本次开发的目标基准分支;
  • 功能分支:本次需求开发完成后的分支。

通过 git diff 获取两个分支之间的代码差异,再让 AI 对变更内容进行整理和分析,最后输出一份回归清单报告。

报告内容:

功能模块影响分析

根据代码路径、类名、接口和调用关系,分析本次改动可能影响的业务模块,并标注风险等级。

回归测试建议

根据变更内容整理需要重点验证的功能,区分必测项和抽测项。

  • P0:本次需求核心功能、关键接口及高风险关联功能;
  • P1:受影响的普通业务功能及相关边界场景。

完成这一步后,测试人员就能更清楚地知道本次版本的代码改动范围,后续也可以针对高风险模块开展更深入的分析。

第二件事:根据源码生成业务流程图

在实际测试工作中,我们经常需要查看后端代码,了解接口的处理过程、业务判断条件和异常处理逻辑。

但对于业务流程比较复杂的系统,直接阅读源码并不容易。有时候一个接口会调用多个 Service,经过多层判断后才完成最终操作。

基于这个场景,我封装了一款 Skill,可以读取项目代码,快速输出模块与业务流程图。 测试同学如果拥有代码权限,可以直接自行生成;没有权限的话,也可以把这个 Skill 交给开发同事协助产出。

使用方式:

Skill+需要生成流程图的功能或业务(按自己需求去描述就可以了)

输出流程图

这里是输出的案例,使用的是 draw.io,支持编辑

基于代码生成流程图,对测试有哪些价值?

1. 帮助理解复杂业务逻辑

把原本分散在多个类和方法中的逻辑整理到一张图中,方便快速了解接口的执行过程。

  • 补充测试场景

通过流程图可以看到不同条件下的处理分支,进一步检查对应的测试场景是否覆盖。

  • 发现流程中的异常处理问题

例如,某个操作失败后是否有回滚处理,某个状态是否存在无法继续流转的情况。

  • 提前开展后端测试分析

即使前端页面还没有完全开发好,也可以根据接口实现和流程图提前设计接口测试用例。

这里有一点需要特别注意:

源码生成的流程图,反映的是开发当前的实现逻辑,不代表业务逻辑一定正确。

因此,生成流程图之后,还需要结合已有需求和业务规则进行核对。如果代码实现和业务预期不一致,应该先找相关人员确认,而不是直接按照代码逻辑设计测试用例。

第三件事:扫描源码,排查潜在并发风险

除了常规功能问题,还有一类问题值得在提测前重点关注,那就是并发问题。

这类问题在普通功能测试中不一定容易发现,往往需要特定的并发条件才能触发。

例如:

  • 用户连续点击提交按钮,产生多条重复数据;
  • 多个请求同时修改同一条记录,导致数据覆盖;
  • 两个线程同时读取和更新数据,出现状态不一致;
  • 多个请求同时执行扣减操作,导致库存异常;
  • 接口缺少幂等处理,重复请求产生重复业务结果。

如果等到正式测试甚至线上才发现这些问题,定位和修复成本通常都比较高。

因此,我们可以开发了一个并发风险扫描 Skill:在提测前对本次变更涉及的代码做白盒分析,挖掘潜在并发风险点,输出风险问题清单、对应测试场景,以及给开发的整改建议。

使用方式:

指定单个接口 / 对应源码路径,让 Skill 对该接口相关实现做并发风险分析。

执行过程:

Skill 读取相关源码 → 做白盒并发分析 → 生成 Markdown 风险报告。

报告内容:

1、整体风险判断(要不要重点压、优先修哪里)

2、详细问题列表(重点阅读):

  • 可能存在的问题是什么
  • 代码大致位置(方便溯源、给开发看)
  • 大致原因

3、测试如何验证(很关键:告诉你怎么复现/验证并发问题)

第四件事:对比 Git Diff 和测试用例,检查功能实现情况

前面几步主要解决了代码影响范围、实现逻辑和潜在风险的问题。

最后一步,可以把本次代码变更和测试用例放在一起进行对照,提前检查用例中要求的功能和规则是否已经在代码中实现。

我的思路是:用 git diff 自动采集分支差异 → AI 语义对照测试用例 → 结构化输出覆盖报告

使用方式:

在对话框输入:skill+两个分支+测试用例文件

报告内容:

报告目录结构:概要 → 结论摘要 → 逐条对照详情

六、这 4 件事如何安排到实际提测流程中?

上面介绍的四项工作,可以根据项目开发节奏,提前安排到不同阶段。

 text
开发代码基本完成
    ↓
① Git Diff 代码影响分析
    ↓
② 关键模块源码分析,生成流程图
    ↓
③ 扫描关键代码,排查并发风险
    ↓
④ Git Diff 与测试用例对比,检查实现情况
    ↓
开发自测完成
    ↓
正式提测,进入功能测试

七、最后总结

AI 可以帮助测试人员阅读代码、分析变更、整理流程和检查实现,但最终的风险判断和测试结论,还是需要测试人员自己把关。

另外,文中涉及的具体 Skill、报告样例和操作步骤,我也分别做了整理,包括 Git Diff 影响分析、源码流程图生成、并发风险扫描,以及 Diff 与用例实现检查等。

完整教程和可复用的 Skill 包整理在【Raina的AI&测试实战圈】知识星球,感兴趣的朋友可以进去对照学习。

來源:阿里雲開發者社區 AI · developer.aliyun.com