【测试】Axure原型的AI测试用例生成方案

AI智能体创作平台Axure原型:一键生成大师级作品,开启全民艺术新时代! AI艺术创作平台原型发布,让创意触手可及。该平台基于Axure设计,提供20+智能体工具,支持风格迁移、影视级生成等功能,实现3秒完成艺术创作。极简交互设计让用户5分钟即可上手,智能推荐系统精准匹配创作需求。平台还提供云端存储、社区互动等个性化功能,构建完整创作生态。原型采用响应式布局和动态交互效果,可直接复用开发,推动AI艺术创作普及化。 阅读详情

适用于只有Axure 原型文档、没有PRD 文档时,应用AI生成测试用例的情景。

整体思路

在这里插入图片描述

提示词

生成AI可直接读取的结构化PRD

任何页面、任何原型都能直接使用,适配所有 B 端 / C 端表单、弹窗、页面原型:

角色:你是一名专业的需求分析师,同时精通软件测试用例设计的前置需求梳理,核心职责是100%基于我上传的Axure原型截图,输出一份可直接用于生成测试用例的结构化伪PRD需求文档。  
核心铁律(必须100%遵守,违反直接重写):  
1. 所有内容必须完全、唯一来自于我上传的Axure原型截图,包括截图里的所有标注、弹窗文字、字段备注、校验规则、按钮交互、业务说明、页面元素,**绝对禁止自行脑补、添加、修改任何截图中未明确标注的功能、规则、场景、逻辑**。  
2. 截图中没有明确说明的规则、没有出现的元素,绝对不能自行添加、推断;截图里明确标注的规则,必须100%完整还原,不得遗漏。  
3. 所有字段、按钮、规则的名称和描述,必须和截图里的原文完全一致,不得自行修改、润色、增减。  
  
我上传的是【______系统-______页面/弹窗】的Axure原型截图,请你完整读取截图里的所有内容,包括所有标注、备注、弹窗里的规则说明。  
  
【输出要求】  
1. 严格按照固定结构输出,结构不可修改、增减,输出的内容必须可直接复制粘贴,用于后续AI生成测试用例,无需二次调整格式。  
2. 语言简洁专业,无歧义,所有规则可落地、可验证,符合软件测试的需求基准要求。  
3. 固定输出结构如下:  
【伪需求规格说明书 - 页面/弹窗名称】  
一、页面基础信息  
1. 页面名称:和截图里的标题完全一致  
2. 业务定位:一句话精准说明这个页面/弹窗的核心业务用途  
3. 终端:Web端/APP端/小程序/PC客户端(根据截图的页面形态判断)  
4. 前置条件:用户可正常操作该页面的前提条件(如用户已登录、拥有对应操作权限、进入页面的前置路径)  
5. 后置流程:用户完成核心操作后的页面走向/系统处理逻辑(如提交成功后关闭弹窗、跳转至列表页、数据同步至对应模块)  
  
二、表单字段规则  
(一)必填字段(截图中带*号、明确标注必填的字段)  
按序号逐条列出,每个字段必须包含以下信息,无相关信息则标注「无」,绝对不能脑补:  
1. 字段名称:和截图里的字段名完全一致  
- 控件类型:截图里的控件形态(单行输入框/多行文本域/下拉选择框/单选按钮组/复选框组/文件上传区域/只读输入框/按钮等)  
- 核心规则:100%还原截图里标注的所有规则,包括但不限于:必填性、默认值、是否可编辑、格式限制、长度限制、数值范围、业务规则、唯一性要求、错误提示规则等  
(二)非必填字段(截图中未标注必填、无*号的字段)  
按序号逐条列出,每个字段的结构和必填字段完全一致,100%还原截图里标注的所有规则,无相关信息则标注「无」  
  
三、交互与异常规则  
1. 按钮交互规则:逐条列出截图里所有可操作按钮的完整交互逻辑,包括按钮名称、可点击/置灰条件、点击后的触发动作、成功/失败的处理规则  
2. 联动逻辑规则:完整列出截图里标注的所有字段联动、自动计算、动态展示的规则  
3. 异常处理规则:完整列出截图里标注的所有校验失败、操作异常、系统异常的处理规则

生成P0核心正向用例

角色:资深软件测试工程师,严格基于我提供的【伪需求规格说明书】生成测试用例,**禁止脑补任何原型中未提及的功能、规则和场景**。  
背景:本次无正式PRD,所有规则100%来自附件的伪需求文档。  
  
【伪需求规格说明书】  
(把上面整理好的伪PRD粘贴在这里)  
  
【输出要求】  
1. 仅生成该弹窗的P0核心正向流程测试用例,覆盖完整的主业务路径  
2. 用例使用Markdown表格格式,固定字段:用例ID、所属模块、用例标题、前置条件、操作步骤、预期结果、用例优先级、测试类型  
3. 用例标题清晰明确,操作步骤可执行,预期结果可验证,无歧义  
4. 优先级定义:P0-核心流程必测,P1-重要功能必测,P2-一般功能,P3-边缘场景

生成全量测试用例

角色:资深软件测试工程师,严格基于我提供的【伪需求规格说明书】和已确认的P0核心用例,补充生成全量测试用例,**禁止脑补任何原型中未提及的功能、规则和场景**。  
  
【伪需求规格说明书】  
(把上面整理好的伪PRD粘贴在这里)  
  
【已确认的P0核心用例】  
(把上一步生成的主流程用例粘贴在这里)  
  
【输出要求】  
1. 补充生成该页面的全量测试用例,必须覆盖以下测试维度:  
- 等价类划分:覆盖有效/无效输入   
- 功能测试:所有字段的必填校验、格式校验、长度校验、业务规则校验  
- 边界值分析:覆盖所有数值/长度限制的边界场景
- 场景法:主要的用户流程(最少3个)
- 异常测试:非法输入(负数、非数字、特殊字符)、格式错误(非png/jpg图片)、重复编号提交等场景  
- UI交互测试:按钮状态(取消/提交按钮的默认状态)、只读字段展示、「重新生成」按钮交互、自动计算逻辑  
- 错误推测:基于经验的异常场景
2. 用例使用Markdown表格格式,固定字段:用例ID、所属模块、用例标题、前置条件、操作步骤、预期结果、用例优先级、测试类型  
3. 用例颗粒度适中,同类型场景合理合并,无冗余重复,无关键场景遗漏  
4. 优先级定义:P0-核心流程必测,P1-重要功能必测,P2-一般功能,P3-边缘场景;用例按优先级分组(p0/p1/p2/p3)

重要提示

  • 必须用多模态 AI:只有可读图的多模态大模型才能读取截图内容,纯文本 AI(如 GPT-3.5)无法使用该提示词。
  • 截图必须完整清晰:必须包含所有标注、备注、规则说明(比如你之前截图里右侧的校验规则、编号不可重复的标注),不要截半图、不要遮挡字段,否则 AI 会漏读、错读内容。
  • 复杂原型拆分处理:如果是多页面、多弹窗的复杂原型,必须一个页面 / 一个弹窗单独生成伪 PRD,不要一次性丢所有截图,避免 AI 信息过载、遗漏规则。
  • 核心约束不可删:提示词里的「核心铁律」是杜绝 AI 脑补的关键,无论怎么修改提示词,都不要删除这部分强约束。
告别裸机:在FreeRTOS上为STM32移植SOEM EtherCAT主站的思路与实战 本文详细介绍了在FreeRTOS环境下为STM32移植SOEM EtherCAT主站的工程实践。通过重构任务调度模型、优化内存管理和中断响应,成功将通信周期抖动控制在±100ns以内,满足工业控制系统的严苛实时性要求。文章包含完整的移植策略、性能优化方法和实测数据,为开发者提供了一套可靠的EtherCAT主站解决方案。 阅读详情

相关推荐

从零到一:华为iMaster NCE-Campus部署中的Euler OS与FusionInsight深度解析

本文深入解析华为iMaster NCE-Campus部署中Euler OS与FusionInsight的关键技术要点,包括RAID配置、网络绑定技术、安装避坑指南及性能调优方案。通过实战经验和详细配置示例,帮助工程师提升部署效率与系统稳定性,确保华为企业级解决方案的高效运行。

f6g7h8i9j的博客 549

Axure+AI:智能原型设计新革命

尝试类似项目时,我发现其内置的AI对话功能能快速验证自然语言解析方案,而一键部署特性让插件demo的分享变得极其简单——同事打开链接就能体验完整功能,无需配置本地环境。:用户输入文字描述(如“做一个电商App的商品详情页”),插件通过GPT-4分析需求,自动生成包含基础布局、导航栏、商品图片区等元素的Axure文件框架。:根据当前页面类型(如表单页、数据看板)和行业特征(如金融、教育),在侧边栏动态推送高匹配度的UI组件库,支持一键插入到画布。

EmeraldEagle36的博客 1946

Widar3.0复现日志(DFSExtractionCode)

需要使用的matlab基本功能

XiaoQiXiaoWei_J的博客 2437

Axure原型设计:AI开发平台解决方案及设计案例

为了满足这一需求,我们设计了一款全面的AI开发平台,旨在帮助用户高效地进行图像分类、物体检测、视频分析、语音识别、产品推荐、异常检测等多种AI应用场景的开发与部署。本平台集成了数据准备、模型开发与训练、模型服务、镜像管理、系统管理等核心模块,为用户提供一站式AI开发体验。通过模拟用户操作,展示数据准备、模型开发与训练、模型服务、镜像管理、系统管理等模块的具体功能和交互效果。本AI开发平台集成了数据准备、模型开发与训练、模型服务、镜像管理、系统管理等核心模块,为用户提供一站式AI开发体验。

招风的黑耳优快云 3814

线性模型:AR、MA、ARMA、ARMAX、ARX、ARARMAX、OE、BJ等

线性模型:AR、MA、ARMA、ARMAX、ARX、ARARMAX、OE、BJ等

zephyr_wang的博客 1万+

一本集成电路静态时序设计经典之作(可下载)

本书全面深入探讨集成电路设计中关键技术的专著,涵盖了从基础知识到高级应用的各个方面。本书详细介绍了集成电路的发展历程、**静态时序分析的重要性、基本时序模型、时序信息库文件的构建、时序约束的设置、串扰噪声的影响及其控制方法**,并通过实战案例展示了如何进行有效的时序分析和优化。

nuoweishizi的博客 850

当Axure遇见DeepSeek:设计工具的革命性进化

在这个AI赋能的时代,Axure与DeepSeek的结合不仅仅是工具的升级,更是设计思维的革命。当你在设计一个社交APP时,Axure可能会建议你尝试某个刚在硅谷流行起来的全新交互方式,这些建议都经过AI的本地化适配,确保符合目标用户的使用习惯。当你在设计一个社交APP时,Axure可能会建议你尝试某个刚在硅谷流行起来的全新交互方式,这些建议都经过AI的本地化适配,确保符合目标用户的使用习惯。在这个AI赋能的时代,Axure与DeepSeek的结合不仅仅是工具的升级,更是设计思维的革命。

招风的黑耳优快云 4138

Python与PyCharm安装配置教程:从零搭建开发环境

编程入门的第一步是搭建开发环境,而Python解释器与IDE工具的选择常让新手困惑。Python作为解释型语言,负责将代码翻译为机器指令,而PyCharm作为集成开发环境,提供代码编辑、调试与项目管理功能,两者协同工作构成高效开发基础。环境变量PATH的配置是安装过程中的关键环节,正确处理可避免“python不是内部或外部命令”的常见错误。理解pip包管理机制,则能轻松安装第三方库并管理项目依赖。从下载官方安装包到运行第一个Hello World程序,再到利用虚拟环境隔离应用依赖,这套流程适用于Window

benben 685

【Axure教程】AI自动对话机器人

今天教大家在Axure里制作Ai对话机器人的原型模版,制作完成后,只需要在中继器表格里输入问题和答案,预览时就可以实现自动回复。具体效果你们可以观看下面的视频或打开原型预览地址亲自体验

mushe93的博客 1827

RK3568实现蓝牙音箱功能

A2DP旨在通过蓝牙连接传输高质量的立体声音频流。它使用的基本压缩算法是SBC(Sub-Band Coding)来减小音频数据的大小,同时保持高音质,SBC压缩虽然效率较低,但是是必须支持的基本备用方案。A2DP还支持其他高级编解码器,例如AAC、aptX和LDAC,这些编解码器比SBC提供更好的音质,但这些编解码器的支持取决于设备本身的支持情况。注意A2DP协议要与AVRCP协议区分开。A2DP是传输音频的,而AVRCP是用来控制音频的。这里我用到的是RK3568 Android11。

leikko的博客 1175

《从底层结构开始学习FPGA》目录与传送门

《从底层结构开始学习FPGA》目录与传送门

孤独的单刀 16万+

Axure原型评审辅助:自动识别注释并生成测试用例

借助混元OCR技术,可从Axure原型图中自动识别功能注释并生成测试用例,大幅提升测试准备效率。该方案利用端到端多模态模型精准定位文本语义,支持API集成与指令式抽取,已在实际项目中实现用例生成时间从8小时缩短至45分钟,推动测试左移落地。

weixin_42584758的博客 1045

基于MATLAB的脑功能网络工具箱:BCT与FCLab

脑功能网络分析是神经科学领域的一个重要研究方向,它通过分析大脑中神经元之间的连接模式和信息传递方式,揭示脑网络的结构和功能。在这个领域,MATLAB是一个广泛使用的工具,提供了丰富的函数和工具箱来进行脑功能网络的分析和可视化。这些工具箱提供了丰富的函数和工具,使得脑功能网络的计算和分析变得更加简单和高效。在上述示例代码中,我们首先导入BCT工具箱,并构建一个邻接矩阵来表示脑网络的连接关系。在上述示例代码中,我们首先导入FCLab工具箱,并导入脑功能数据。函数对数据进行预处理,如去除噪声、降采样等操作。

web_bug407的博客 2611

读取Axure原型生成需求文档skill

1、开始:用户提供 Axure 原型(在线分享链接,或本地 HTML 导出文件夹)。2、确认来源:AI 助手判断是「在线」还是「本地」,并确定输出方式。3、不同路径选择:在线分享:抓取在线页面 → 若需要访问密码,向用户索取后重试 → 提取各页文案与交互。本地导出:读取本地 HTML 文件 → 若目录不对,提示用户检查 → 提取各页文案与交互。4、生成一份需求文档初稿。5、AI 润色(必做):补全页面目的、完善交互说明、改成业务语言,去掉原型工具术语。

weixin_55062269的博客 470

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

AI测试 不会写代码的测试,用 100% 的 AI 编程,写了个自动化测试平台(自动编写测试用例 + 自然语言执行 UI 自动化)

大家好,最近在做一个开源的 AI 测试平台,核心功能是和。目前已经在实际项目中使用,效果还不错,分享给大家,欢迎试用和反馈。

qq_62109162的博客 1343

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

产品经理必看:别再纠结AI设计工具会不会取代Axure了,学会配合才是正解

产品经理面临"工具焦虑",AI工具层出不穷但需明确使用场景。文章提出AI+Axure混合工作流:AI用于需求探索阶段快速生成多方案原型,辅助方向验证;Axure负责高保真交互设计,处理复杂状态、分支和细节打磨;最后用AI辅助PRD文档输出。实战案例展示消息通知系统的设计流程,强调AI与Axure优势互补——AI降低探索成本,Axure确保交付质量。核心观点是工具选择应基于工作阶段需求,而非简单替代关系。

lukycode的博客 719

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

如何提高AI生成测试用例的质量,我总结了这套思路...

等核心模块,可直接用于后续测试工作。以下是部分内容截图:在实际的使用中,我们可以直接将我们需要的原型内容,一个一个链接提供给ai进行解析,例如我只要需要关注用户管理的这几个原型那么我这边就需要这样子处理,将这4个原型内容的链接进行复制提供给ai这样子生成出来的部分内容效果如下:后续大家要利用这份文档去生成测试用例时,就可以直接在对话框调用“生成测试用例的 skill + 需求文档”,进行生成了。

weixin_55062269的博客 272

[测试工具] Axhub MCP:把 Axure PRD 变成测试用例,TaoToken 统一 Key 接入实践

用 Axhub MCP 抓取 Axure 原型页面 Markdown,配合 Skill 约束输出格式,再通过 TaoToken 统一 Key 接入模型通道,即可把 PRD 稳定转成测试用例。文中给出 Cursor MCP 配置、Cline 与 Claude Code 的 Base URL 填法,以及 401、local proxy failed 等报错的排查动作。官网:https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_42610010的博客 2

我做了个Skill,专门用来自动生成测试用例:一个测试Agent的诞生

更烦的不是耗时,是那些“重复的愚蠢”:上周刚问过产品某个模糊需求怎么理解,这周换了个文档,同样的问题又得问一遍。这个Skill做的事情,不是把需求丢给GPT让它随便写几句,而是把一个有经验的测试工程师的思维过程——方法选择、边界计算、场景梳理、风险推测——编码成了一个可执行的智能体工作流。生出来一堆用例,覆盖率其实只有60%,优先级全堆在P2,P0寥寥无几——这种结果比没有还烦人,因为你还得去检查。传统的测试用例生成,本质上是一个翻译加枚举的过程:人读需求,人脑调用测试设计方法,人手工录入。

CeshirenTester的博客 652

[测试工具] Axhub MCP:把 Axure PRD 变成测试用例

Axhub MCP 是一个基于Chrome扩展的Model Context Protocol (MCP) 服务器,专门为Axure原型设计而优化。它将您的Chrome浏览器转换为AI助手控制的自动化工具,特别针对Axure原型项目提供强大的搜索、分析和交互功能。简单说,它可以把 Chrome 浏览器变成 AI 助手可以控制的自动化工具。读取原型页面内容分析 HTML 结构提取页面文本截取页面或元素截图搜索原型中的特定内容辅助生成需求点和测试点。

weixin_42390585的博客 1199

Axure函数自查表:提升原型设计效率的高保真交互工具

在原型设计与交互开发领域,函数是实现复杂逻辑的核心组件,其语法和用法的掌握程度直接影响设计效率。函数本质上是一段可重复调用的代码块,用于执行特定计算或操作,其原理在于通过预定义的输入参数和返回值来封装功能。掌握函数能极大提升原型的高保真度和交互逻辑的严谨性,尤其在需要处理数据、条件判断和动态内容的场景中。Axure作为主流的原型设计工具,其内置函数库虽然强大,但种类繁多、语法易忘,频繁查阅外部文档会严重打断设计工作流。为此,【Axure高保真原型】函数自查表应运而生,它将常用函数、运算符和系统变量封装成一个

weixin_30614109的博客 324

用lanhu-mcp让AI读懂Axure需求:开发、测试、探索3种分析模式完全指南

lanhu-mcp 是一款面向蓝湖平台的 MCP 服务器,它能让 AI 助手直接读取 Axure 原型与需求文档,自动完成需求分析,并提供开发、测试、快速探索 3 种分析模式,帮助团队把读需求的时间节省 80% 以上。无论你是开发、测试还是产品经理,都可以用同一份 Axure 原型,一键产出不同视角的分析文档。 ## 为什么需要 lanhu-mcp? 在传统流程里,需求文档往往躺在蓝湖上,每个

gitblog_00026的博客 95

Axhub MCP 配 TaoToken:把 Axure PRD 变成测试用例的 Chrome 扩展配置骨架

用 Axhub MCP 读取 Axure PRD 时,把模型通道统一交给 TaoToken:在 settings.json 里将 OPENAI_BASE_URL 指向 https://taotoken.net/api 并填入同一 Key,即可让 Chrome 扩展抓取页面后直接生成测试用例。配置一次,换模型只改一处,避免多工具 Key 散落导致 PRD 解析失败。

weixin_42608318的博客 14

不是“哪个更强“,而是“嵌入哪里“:AI原型工具的正确打开方式

文章分析了墨刀AI、蓝湖MasterGo和Uxbot三款AI原型工具在产品经理工作流中的应用场景。墨刀AI适合快速生成原型初稿和PRD文档,蓝湖MasterGo擅长团队协作交付,Uxbot则能输出移动端原生代码。作者指出AI工具应作为辅助而非替代,建议根据项目需求选择工具组合:复杂交互用Axure+AI探索,简单项目可全流程使用墨刀AI,移动端优先项目则推荐Uxbot+蓝湖协作。关键是要匹配现有工作流,避免盲目切换工具带来的效率损失。

lukycode的博客 813

用快马AI一键生成Axure授权码验证工具,告别无效密钥烦恼

最让我惊喜的是,平台内置的AI辅助功能可以帮助解决一些编码问题,比如加密算法的实现细节。对于不擅长后端开发的产品经理来说,这种低门槛的开发体验真的很友好。作为一个经常使用Axure RP 9的产品经理,我经常遇到授权码无效或过期的问题。每次都要手动验证,非常麻烦。上完成非常顺畅,它的在线编辑器可以直接调试Python代码,还能一键部署成可访问的Web应用。考虑到使用场景,决定采用Python+Flask开发Web版工具,方便团队共享使用。可以快速开发一个Axure授权码验证工具,分享一下我的实现过程。

SilverfoxFalcon45的博客 1008

Axure RP实战:构建可交互的AI对话机器人高保真原型

在AI产品设计中,高保真原型是验证对话体验与交互逻辑的关键载体。相比静态设计稿,Axure RP凭借动态面板、中继器与变量系统,能够模拟消息流式输出、思考延迟、多轮上下文等核心机制,让产品团队在开发前即可获得接近真实的对话体感。这类原型不仅用于需求评审与项目立项,也是产品经理、交互设计师展示AI应用落地能力的重要工具。通过循环截取文本、中继器数据驱动消息列表、状态面板管理反馈按钮,即可在无需编写代码的条件下构建出具备“生命力”的移动端对话演示。本文拆解从页面框架、组件搭建到关键交互实现的完整路径,并结合实战

weixin_28709649的博客 276
上一篇: 【Pytest】笔记
Lucifer__hell
博客等级 码龄8年 53粉丝 54原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值