Software Testing with Large Language Models: An Interview Study with Practitioners

一、文章主要内容总结

该研究聚焦大型语言模型（LLMs）在软件测试中的实际应用，通过对15名来自不同行业、资历和工作模式的软件测试专业人员进行半结构化访谈，结合扎根理论的主题分析方法，探究了LLMs在软件测试中的使用场景、优势、挑战，并提炼出一套基于实践者经验的初步使用指南。

1. 核心研究背景：LLMs在软件测试中的应用日益广泛（涵盖测试用例生成、自动化脚本编写、文档撰写等），但目前缺乏正式框架和标准，多依赖非正式实验和社区经验，且存在幻觉、推理不一致、数据隐私等问题。
2. 主要研究发现：
   • 常见使用场景：以测试用例/场景创建（8/15）、测试自动化（7/15）、学习与研究（7/15）为主，文档撰写、测试执行等次之，日志分析、代码转换等应用较少。
   • 核心优势：提升时间效率、增强生产力、扩大测试覆盖范围、支持学习培训、减少重复工作等。
   • 关键挑战：生成内容的准确性与幻觉问题、测试数据的隐私安全风险、提示词设计能力不足、过度依赖AI的认知风险、组织层面的工具整合阻力。
3. 实践指南框架：提出五步法迭代式使用流程——明确测试目标与构建提示词、应用提示词工程技术、迭代优化提示词、评估扩展输出并整合至测试流程、持续学习与知识共享。

二、文章创新点

1. 研究视角创新</