Raina测试学习指南Raina测试学习指南
导读
面试题
AI 测试教程
软件测试教程
🌍 知识星球
学习交流群
  • Raina测试工具集
  • Raina常用网站&工具合集
  • 小红书
  • B站
  • 作者介绍
导读
面试题
AI 测试教程
软件测试教程
🌍 知识星球
学习交流群
  • Raina测试工具集
  • Raina常用网站&工具合集
  • 小红书
  • B站
  • 作者介绍
  • 入门学习路线

    • AI 赋能测试完整学习流程
    • AI 基础知识学习清单
    • AI 工具选择
    • MCP学习清单
    • Skills学习清单
    • 工作流学习清单
  • AI测试基础

    • AI技术核心概念
    • Cursor

      • Cursor介绍
      • 下载与安装
      • 快速上手-基础使用
      • Cursor Rules的创建与使用
      • Cursor如何创建指令
      • Cursor如何集成Playwright MCP
      • Cursor如何配置MCP?
    • Kiro

      • Kiro介绍
      • 如何安装Kiro
      • Kiro简单使用
      • Kiro如何配置MCP
      • Kiro如何设置规则
    • Trae

      • Trae介绍
      • 如何安装Trae
      • 快速上手Trae(开发测试工具)
      • Trae如何使用Rules
    • Codex

      • Codex入门使用
  • AI 辅助生成测试用例

    • 方案对比(入门必看)
    • 需求读取

      • 读取PDF、word、ppt需求转md格式
      • 飞书CLI+Skill读取飞书需求文档
      • 蓝湖:读取蓝湖原型生成需求文档Skill
      • Figma:读取Figma生成需求文档Skill
    • 知识库与 RAG

      • Dify知识库-1:Dify 安装部署教程
      • Dify知识库-2:Dify知识库配置与使用全流程
      • Dify知识库-3:Dify知识库MCP 封装与调用
      • Notion知识库:Notion MCP+Skill 实现远程知识库检索
      • Obsidian知识库:Obsidian + MCP 构建本地知识库
    • Excel 用例生成

      • 基于规则:使用Cursor生成Excel格式测试用例(历史方案)
      • 基于skills:生成Excel测试用例的Skills包(⭐ 最新推荐,首选方案)
    • Xmind 用例生成

      • 基于工作流:从零搭建生成测试用例的coze工作流(历史方案)
      • 基于规则:使用Cursor自动生成Xmind测试用例(历史方案)
      • 基于智能体:使用Coze搭建一个测试用例智能体(历史方案)
      • 基于skills:生成xmind测试用例的Skills包(⭐ 最新推荐,首选方案)
    • Xmind 测试点

      • 基于规则生成功能测试点
    • Opentest

      • 从需求→用例→报告全流程skill方案(⭐ 最新推荐,首选方案)
    • 用例评审

      • 使用AI进行测试用例评审
  • AI 辅助接口测试

    • 获取接口文档

      • 读取项目代码生成接口文档的 skills
      • 读取Swagger接口信息的skill
      • 读取YApi接口信息的skill
    • 接口测试脚本生成

      • 生成API 测试用例的Skills分享
      • 生成jmeter脚本的Skills包分享
    • 全流程

      • 根据接口文档进行接口测试
  • AI 驱动接口自动化测试

    • 方案对比(入门必看)
    • 基于 Skills 方案

      • 1.前导篇:基于 Skill 的接口自动化测试方案说明
      • 2.项目准备:Python案例项目部署
      • 3.使用教程:基于skill的接口自动化测试方案完整使用教程
      • 4.思路解析:基于skill的接口自动化测试方案思路与原理解析
      • 5.方案升级:基于skill的接口自动化测试--新增多接口串联、自然语言场景用例
      • 6.方案升级:基于skill的接口自动化测试-新增Mysql断言
    • 规则驱动方案(历史)

      • 使用AI进行接口自动化测试(历史方案)
  • AI 驱动 Web UI 自动化测试

    • 方案对比(入门必看)
    • Playwright MCP 方案

      • 1.Playwright mcp实现UI自动化 概念&知识澄清篇
      • 2.基于Playwright MCP进行无代码UI自动化测试(历史方案1️⃣)
      • 3.Playwright框架 + MCP生成自动化测试代码(历史方案2️⃣
    • Playwright-cli 方案

      • 1.Playwright-cli 实现UI自动化-概念&知识澄清篇
      • 2. playwright-cli+skill 实现 UI 自动化实践案例1️⃣
      • 3. playwright-cli+skill实现 UI 自动化实践案例2️⃣
    • Midscene 方案

      • 1.Midscene.js MCP安装与配置
      • 2.基于Midscene.js 进行UI自动化测试的实践案例
    • Browser use 方案

      • 1. Browser use实现UI自动化-概念&知识澄清篇
      • 2. Browser use实现UI自动化-实践案例
  • AI 驱动的桌面端自动测试

    • Pywinauto桌面端自动化方案调研与简单实践
    • 基于midscene进行桌面端自动化方案调研与实践
  • AI 提效执行流程

    • 使用 tapd skill 一键提交bug
    • 使用tapd skill统计bug
  • AI 辅助性能测试

    • jmeter性能测试-全流程skill
  • Rules 与 Prompt

    • 实战案例:如何利用AI进行数据处理!对比
    • 实战案例:如何利用AI快速画业务流程图!时序图
    • Rules!如何创建与使用 Cursor Rules
  • Skills

    • Skills介绍
    • Cursor如何安装!使用Skills
    • Trae如何安装!使用Skills
    • 4 个实用的官方Skills
    • 使用技巧:学会按自己的需求去优化迭代
    • 基础教程:在Trae如何开发一个Skills
    • 基础教程:Cursor如何开发一个skill!
    • 实战案例:自然语言转SQL skill
    • 学习网站:分享 5 个我常用的 skill 学习网站
  • MCP

    • 什么是MCP?
    • MCP如何运用到测试工作?
    • 热门 MCP
    • 基础教程:如何去找需要的MCP?
    • 基础教程:Cursor如何配置MCP?
    • 实战案例:让AI自动帮你操作数据库场景集合
    • 实战案例:使用MysqlMCP实现自然语言操作数据库
    • 实战案例:BrowserTools MCP测试工程师运用场景
    • 实战案例:Cursor如何集成Playwright MCP
  • Dify

    • Dify 安装部署教程
    • 如何配置大模型LLM&获取API Key
    • Dify知识库配置与使用全流程
    • Dify知识库MCP 封装与调用
    • Dify如何配置MCP
    • Dify+MCP搭建数据库操作智能体
  • OpenClaw

    • 1.Windows 本地部署OpenClaw详细教程
    • 2.云服务器部署 OpenClaw +配置飞书 完整指南
    • 3.云服务器部署的 openclaw 如何访问 web ui
    • 4.如何给 openclaw 配置灵魂、身份、偏好、规则?
    • 5.如何给openclaw配置记忆
    • 6.OpenClaw如何使用Skill?

AI工具选择

近一两个月来断断续续分享了不少AI辅助测试相关的东西,期间使用到的AI工具也有好几个,很多刚上手的小伙伴就有点迷糊,不知道该用哪个好点,今天就结合我使用过的经验和简单调研总结一下;

工具分类

1️⃣AI 编程工具(IDE):Cursor、Trae、Kiro等

2️⃣AI 工作流 / 自动化平台:Coze、Dify、n8n

3️⃣AI 对话类/文本处理类工具:deepseek、Kimi、豆包等

AI 编程工具(IDE)

我目前用过的就Cursor、Trae、Kiro这三个,他们的功能其实差不多,内置的大模型都有claude4.0(我用得比较多的),平时用得较频繁的功能是设置规则和配置MCP去实现一些测试提效场景,如:生成测试用例、生成接口自动化代码、结合MCP实现UI自动化代流程、开发测试工具等;效果不敢说很好,但是确确实给我工作提高了不少效率,比如以前做UI自动化都要自己去手动一个个定位元素,特别是遇到一些比较复杂的元素时就特别头疼,但是现在利用AI就可以直接帮你把页面所有元素快速定位并嵌入到代码中,真的特别方便!

关于该选择哪个?

✅Cursor:相比之下确实是体验比较好的,但是它的收费也比较贵的,而且近期还限流和限IP的操作,如果没有以上几点顾虑的,那建议可以用Curosr的

✅Trae:总觉得没有cursor用起来丝滑,不过对于日常一些生成测试用例、生成测试代码感觉还是够用的了。另外它也稍微便宜一些,用不了cursor的,可以考虑用这个。

✅Kiro:最近刚出的工具,目前所有大模型都是免费的,我这几天试用了一下,整体功能和cursor差不多,就是响应稍微慢一些(毕竟是免费的,可以理解),建议新手可以先安装这个去体验一下

👆针对以上三个工具,我的知识库笔记都有相应的教程,目前cursor和trae的教程比较多,不过流程都是差不多的,直接套用就好了,后面也会多针对Kiro出一些教程~

AI 工作流

这三个工具的核心作用是通过可视化的方式,把大模型、API、数据库、消息通知等组件“拼接”成自动运行的业务流程;我这边目前只用过Coze搭过一些测试用例AI智能体和工作流;由于里面内置的大模型主要是deepseek和豆包,所以用例输出的覆盖率相比前面说的cursor输出的会差一些,虽然大模型很重要,但是我感觉如果规范好需求原型、做好需求拆解、输出高质量的提示词,输出的用例覆盖率应该也是可以的;这个也是我目前学习的重心。

关于该选择哪个

✅Coze:零代码为主,适合小白用户快速上手,提供图形化界面,适合轻量级应用开发,建议初学者可以先用这个,免安装,直接在线编辑即可,另外它是每天有一定的免费额度可以使用的,如果只是写写测试用例,还是够用的

✅Dify:低代码为主,但更偏向 AI 任务流配置;开源免费,需要自备模型 API 密钥,部分功能需付费;学习门槛的话需要了解大模型配置和 AI 工作流设计;建议有以上一些基础的可以用这个;

✅n8n:低代码为主,支持拖拽式节点配置和 JavaScript 编写自定义逻辑,目前也是开源的,需要一定的 API 和 JavaScript 基础。

接下来我也打算结合coze、dify去输出一些提高测试工作效率的工作流,小伙伴们可以跟着一起学习~~

AI 对话类工具

这几个AI工具相信大家都很熟悉的了,日常生活中基本都会用到,我平时用deepseek和Kimi比较多,我对ds输出的结果还是很满意的,但是它经常就卡壳;最近开始用上Kimi,目前它新出的大模型Kimi K2 感觉还是蛮强大的,而且它输出的内容相比ds会简洁一些,像我平时要安装一些软件,都是直接在kimi上查,它就能直接去读取官网的文档,给我输出简单易懂的说明,特别是官方文档是英文的时候,这个就很方便🤔

📝总结

现在很多公司都在要求使用AI去搭建一些提高效率的流程或框架等,很多小伙伴就蛮焦虑的,不知道从何学起,这个是可以理解的,建议可以先分析一下当前遇到的痛点,然后再去了解哪些工具可以解决你这些痛点,列好需要学习的,针对性地学习,另外也别指望AI能解决所有问题,AI是帮手,不是取代

最近更新: 2026/6/3 13:04
Contributors: weixin_55062269
Prev
AI 基础知识学习清单
Next
MCP学习清单