刚开始做AI测试最大的问题是不知道从哪里下手。功能测试还好有需求文档有业务逻辑知道测什么。但AI产品不一样。模型的输出是概率性的边界在哪里不清楚也没有人告诉你哪里容易出问题。后来摸索出一套路径记录一下。第一步让AI告诉你怎么测一开始不知道测什么就直接问AI。把产品的功能描述给它让它帮你分析哪些场景容易出问题怎么构造测试用例。比如我测运动训练助手就让AI帮我分析多轮对话里用户记忆召回、边界指令、重复输入这几个场景各有什么风险怎么设计case。AI会给你一个起点。不用自己从零想直接拿着这些方向去测。这一步解决的是不知道测什么。第二步真实去测找到真实的bug有了方向动手跑。有一点很重要输入要像真实用户说话不要写教科书式的句子。请问我昨天的训练记录是什么——没有用户这么说话。昨天我练了啥来着——这才是真实的。用真实用户口吻构造输入测出来的问题才是产品实际会遇到的问题。我测出来一个很有意思的bug用户说不是昨天嘛你忘了模型直接妥协了把一条没有时间信息的记录确认成了昨天的。这种bug靠规范表述测不出来靠真实说法才能触发。这一步解决的是测出有价值的问题。第三步去官网深挖根因测出bug之后知道现象但不一定知道为什么。这时候去查官网。Claude官网 Strengthen Guardrails 那几篇 https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practicesOpenAI官网 Safety best practices https://platform.openai.com/docs/guides/prompt-engineering用法不是从头读是带着问题去查。我带着为什么用户施压模型就妥协这个问题去查找到了官网关于幻觉防御的建议——模型需要被显式授权才能坚持不确定性否则倾向于顺从用户。根因找到了修复方向也有了system prompt里加一条明确告诉模型在没有证据的情况下不得确认用户的纠正。这一步解决的是知道为什么知道怎么改。第四步让AI帮你总结复盘测完一轮找到了问题分析了根因不要就这么过去了。让AI帮你做一件事总结这次测试提炼可以复用的方法告诉你下次还可以测什么。把你这次的测试过程、发现的bug、根因分析都丢给AI让它帮你归纳这次覆盖了哪些场景哪些场景还没测到下次可以往哪个方向深挖这一步做完每次测试都是在积累不是在重复。这一步解决的是越测越有方向不原地踏步。完整路径AI指导 → 构造case → 测出bug → 官网查根因 → AI总结复盘 → 下次更好这条路径的核心是测试和学习同步发生。不是先学完再测是测着学学着测每一轮都比上一轮更清楚在测什么、为什么这么测。