很多人以为这道题问的是"你会不会让AI写自动化代码"。
错了。
这道题真正考察的是：AI时代下，测试工程师是否具备自动化测试全流程的完整落地思维、风险把控能力和体系搭建能力。
说白了，面试官想听的不是"AI帮我写了多少行代码"，而是"你怎么用AI把自动化测试从'能跑'变成'能扛'"。
我见过太多做自动化的同学，有一个共同的误区：以为把需求丢给AI，能生成脚本、能跑通用例，就叫"会AI自动化测试"了。
但大家一定要搞明白一件事：AI能帮你提效写代码，不代表能帮你把控自动化质量和工程落地。这完全是两码事。
结合我多年的管理和AI提效经验，真正能落地、能在面试中加分、能解决实际工作痛点的 AI 自动化测试，绝不是 “一键生成脚本” 这么简单，而是要搭建起三层完整的实战逻辑，每一层都要融入人工的思考和把控，让 AI 成为提效工具，而非 “甩手掌柜”。
这三层缺一不可，少一层你的自动化就是"玩具"，不是"工具"。
第一层：用AI做自动化前置拆解，先把骨架搭好
很多人做自动化测试的第一步就是写代码，这本身就走偏了 —— 没有清晰的场景梳理和用例设计，写出来的脚本要么覆盖不全，要么偏离业务核心。
而 AI 的价值，首先就体现在帮我们高效完成自动化测试的前置工作。
所以做自动化最大的坑，就是一上来就写代码。
正确的做法：先用AI做前期拆解。
把产品需求文档、业务流程图、页面原型全部整理好，用精准的语言描述业务痛点和测试目标，然后交给 AI 协助梳理：
比如让 AI 从繁杂的需求中提炼核心业务场景，区分出哪些流程适合做自动化（比如高频回归的正向流程）、哪些适合手动测试（比如偶发的异常场景）；让 AI 帮忙提炼核心接口字段、页面关键元素，划分模块优先级；甚至让 AI 基于业务逻辑设计测试用例，梳理校验点、断言逻辑和异常分支。
详细的可参考：
| 拆解维度 | AI输出内容 | 人工复核要点 |
|---|---|---|
| 业务场景 | 主流程、分支流程、异常流程 | 是否遗漏高频回归场景 |
| 核心接口 | 登录接口、商品接口、订单接口、支付接口 | 接口依赖关系是否正确 |
| 页面元素 | 输入框、按钮、下拉菜单、弹窗 | 元素定位方式是否稳定（id > name > css > xpath） |
| 模块优先级 | P0核心流程、P1重要功能、P2一般功能 | 是否符合业务实际 |
| 断言逻辑 | 页面跳转、数据校验、状态变更 | 断言是否可判定、不模糊 |
| 异常分支 | 网络中断、超时、非法输入、权限不足 | 异常场景是否完整 |
我常用的Prompt模板是这样的：
角色：你是一位资深自动化测试工程师，精通playwright+pytest框架。 任务：请基于以下电商订单流程，拆解出适合自动化的测试场景。 要求： 1. 区分正向流程和异常流程 2. 每个场景标注优先级（P0/P1/P2） 3. 列出每个场景需要校验的关键断言点 4. 标注哪些场景适合UI自动化，哪些适合接口自动化 输入：[粘贴需求文档或业务流程图]这个过程中，AI 能帮我们省去逐行梳理、反复核对的时间，但绝不是完全依赖 AI。
比如 AI 可能会遗漏一些小众但关键的异常场景，这就需要我们结合业务经验去补充；对于核心模块的优先级划分，也要基于项目上线节奏和用户使用频率去调整。
先靠 AI 搭好自动化的 “骨架”，明确测试范围和核心目标，后续的代码编写才不会盲目。
这一步如果偷懒，后面的脚本全是错的。
先把自动化的骨架搭好，而不是上来就盲写脚本，这是第一层。
第二层：精准调教 AI，让脚本 “能用且好用”
很多人用AI做自动化最大的问题就是随口提问。
比如："帮我写一个登录的自动化脚本。"
AI生成的代码大概率是这样的：
- 硬编码的账号密码
- 用绝对xpath定位（
/html/body/div[1]/div[2]/input） - 没有显式等待，全是time.sleep()
- 没有异常处理，报错就崩
- 没有日志记录，出了问题不知道哪步错了
这种代码复制粘贴能跑，但不能复用，但跑一次崩一次，维护成本极高。
高手的做法是给AI标准化提示词，比如指定编程语言、测试框架、项目环境、元素定位方式、封装规范、日志输出、异常捕获、失败重跑机制，让 AI 按规范生成。
其次，还要要求 AI 按照公司的代码规范生成基础封装类、公共方法，对接配置文件管理系统，甚至要考虑脚本的复用性 —— 比如把登录、支付等通用流程封装成公共函数，方便后续调用。
提示词示例（供参考）：
角色：你是一位资深自动化测试工程师，熟悉playwright+pytest+PO模式。 技术规范： - 编程语言：Python 3.13+ - 测试框架：pytest - 定位策略：优先使用data-testid，其次id/name，禁用绝对xpath - 等待机制：统一使用playwright智能等待机制，禁止time.sleep() - 异常处理：每个操作必须有try-except，失败自动截图并记录日志 - 数据驱动：测试数据从YAML文件读取，禁止硬编码 - 日志规范：使用logging模块，INFO级别记录步骤，ERROR级别记录异常 - 报告：生成Allure报告，包含步骤截图和日志附件 任务：基于以下页面元素和业务流程，生成PO模式的自动化脚本。 输入：[粘贴元素定位信息和业务流程]即便 AI 按规范生成了脚本，我们也绝不会直接无脑使用。
