一、前言：为什么要让 AI 学会“你的测试风格”

许多团队在引入 AI 辅助编写测试脚本时，常遇到以下问题：

• “生成的代码能跑通，但结构混乱，不符合项目规范。”
• “断言写法随意，缺乏可读性和一致性。”
• “每次都要手动调整命名、格式和注释，效率提升有限。”

这些问题的核心在于：AI 不理解你的“测试风格”（Testing Style & Convention）。

而真正的 AI 测试提效，并非只是“让 AI 写代码”，而是让 AI 学会并模仿你的团队风格。
这正是Prompt 工程的进阶目标：

✅ 让 AI 理解并复用你的命名习惯、代码结构、注释风格与断言逻辑
✅ 将团队经验转化为可复用的“AI 测试模板”
✅ 实现从“辅助生成”到“风格化自动输出”的跃迁

本文将带你系统构建一个风格化 AI 测试生成体系，以 DeepSeek 为例，实现真正“懂你”的自动化测试助手。

二、目标与思路：把“团队风格”变成“Prompt 模板”

要让 DeepSeek 学会你的风格，可以把整个过程拆成 3 个阶段：

阶段	目标	方法与工具
1. 采集风格样本	提取团队真实的测试代码特征	收集历史测试脚本（pytest/unittest/Playwright）
2. 构建 Prompt 模板	将风格规则结构化，引导 AI 模仿	使用`few-shot`示例 +`style summary`提示
3. 封装生成器	实现一键生成风格化测试代码	CLI 工具 / API 接口 / IDE 插件

三、样例场景：团队标准与原始生成对比

假设你的团队测试风格如下：

• 使用 pytest 框架；
• 所有测试函数以 test_ 开头；
• 断言采用 assert actual == expected 格式；
• 页面对象统一命名规则为 Page 后缀；
• 变量命名简洁、英文动词开头，如 click_login_button()。

而普通 AI（默认 Prompt）生成的代码可能是这样的👇：

def login_test():
  page.click('#login')
  assert "Welcome" in page.text_content('#msg')

经过“风格提示强化”的 Prompt 模板，DeepSeek 输出的代码会变成：

import pytest
from pages.login_page import LoginPage

@pytest.mark.ui
def test_user_can_login_successfully(page):
  """验证用户登录功能是否正常"""
  login = LoginPage(page)
  login.open()
  login.login("standard_user", "secret_sauce")
  assert login.is_logged_in(), "登录后应跳转到主页面"

可以看到，经过风格引导后：

• ✅ 命名更清晰；
• ✅ 注释规范化；
• ✅ 断言更具语义；
• ✅ 更贴近团队的测试风格。

四、Prompt 模板设计：从模仿到风格固化

模板结构

下面是一个适用于 DeepSeek 的风格化 Prompt 模板：

你现在是一个资深自动化测试工程师，擅长 Playwright + Pytest。
请根据下面的上下文和风格要求，生成符合我们团队规范的测试代码。

【上下文】
{{ test_description }}
{{ page_structure }}
{{ element_actions }}

【风格规范】
- 使用 pytest
- 每个测试函数以 test_ 开头
- 每个测试函数都要有中文 docstring，简短描述测试目标
- 页面对象类以 Page 结尾
- 断言使用 assert 表达式
- 变量命名应简洁、有意义

【输出格式】
```python
# 完整可执行代码

这种 Prompt 模板属于“Prompt Schema”，可以反复复用，只需要替换测试目标部分。

五、实践：构建风格化测试生成器

示例脚本：`stylegen.py`

importjson
fromdeepseekimportDeepSeekClient

client = DeepSeekClient(api_key="YOUR_API_KEY")

defgenerate_test_with_style(description, style_rules):
  prompt =f"""
  你是一名测试专家。请根据以下说明生成测试代码。

  【测试说明】
  {description}

  【风格规则】
  {style_rules}

  【输出要求】
  生成可运行的 pytest + playwright 测试代码，包含中文注释和断言。
  """
  response = client.chat.completions.create(
    model="deepseek-chat",
    messages=[{"role":"user","content": prompt}],
  )
  returnresponse.choices[0].message.content

if__name__ =="__main__":
  desc ="验证用户可以正常登录 saucedemo 网站，并成功看到产品列表"
  rules ="""
  - pytest 风格
  - 页面对象模式（POM）
  - 中文注释
  - assert 断言风格
  """
  print(generate_test_with_style(desc, rules))

运行后，DeepSeek 会自动输出风格一致的 Python 测试文件。

六、让 AI 真正“学会你”：微调与示例积累

如果希望 DeepSeek 更贴近你团队风格，可以：

1. 积累 few-shot 示例

• 提供 3~5 个团队内部优秀测试样例；
• 让 AI 模仿这些结构和命名风格。

2. 构建 style.json

• 将团队的约定（函数前缀、断言规则、变量风格）结构化保存；
• 在生成时动态注入 Prompt。

{
 "framework": "pytest",
 "naming_convention": {
  "test_func_prefix": "test_",
  "page_class_suffix": "age"
 },
 "assert_style": "assert expr, message",
 "docstring_language": "zh-CN"
}

3. 持续反馈修正

• 每次生成后人工复核；
• 将修正样例再次作为输入样本。

七、扩展方向

场景	可扩展点
团队统一规范	将 style.json 转换为 Prompt 模板仓库
自动生成报告	AI 在生成代码同时附带“风格一致性得分”
教学场景	结合 Prompt 学习测试设计模式（POM、AAA）
开源项目	提供 “测试风格插件” 实现不同团队风格迁移

八、结语：Prompt 工程是 AI 测试的灵魂

Prompt 不是一次性技巧，而是测试知识的编码方式。
当你的团队积累了自己的 Prompt 模板库，就相当于拥有了一套 AI 可学习的“测试文化”。

未来，你甚至可以让 DeepSeek：

• 按你的风格评审测试代码；
• 输出符合你规范的 bug 报告；
• 生成项目定制的“测试策略说明书”。

这，才是真正意义上的 AI 测试团队风格化演进。

链载Ai