「Prompt 模板设计」是AI大模型使用中非常重要的一环，也是我们接下来的整个测试自动化流程的核心引擎，直接决定 AI 输出的代码 / 用例是否精准、可运行。通俗来讲，整个Prompt模板就是你发给AI大模型的问题内容。

---

一、 Prompt 的核心构成

优质 Prompt 的底层逻辑是「让 AI 完全理解你的场景 + 约束 + 期望」，建议包含以下6个要素：

1. 角色定位：给 AI 明确的专业身份（带年限 + 技术栈，而非笼统的 “测试工程师”）；
2. 场景背景：补充项目 / 环境信息（让 AI 贴合实际场景，而非泛泛输出）；
3. 核心任务：拆分具体步骤（避免 AI 遗漏关键操作）；
4. 技术约束：明确框架版本、代码规范、性能要求（减少无效输出）；
5. 输出格式：精确到文件结构、注释要求、呈现形式（直接复用）；
6. 迭代引导：让 AI 自查输出是否符合要求（提升一次通过率）。

---

二、测试自动化「Prompt 模板库」

每个模板都包含上述 6 个模块，直接复制到你的代码中，deepseek-chat会输出远超之前的精准结果：

模板 1：生成企业级 Playwright UI 自动化代码（带 Page Object 模式）

角色：你是拥有5年全栈测试自动化经验的专家，精通Python3.9+、Playwright1.40+、pytest框架，熟悉Page Object设计模式和企业级测试代码规范。
场景背景：我正在测试一个Web项目（基于Vue3开发），当前需要测试「用户登录功能」，页面核心元素如下：
- 用户名输入框：id="username"（必填，支持手机号/邮箱）
- 密码输入框：id="password"（必填，6-20位字符）
- 登录按钮：class="login-btn"（点击后跳转到首页）
- 错误提示：id="error-msg"（登录失败时显示）
核心任务：生成符合以下要求的UI自动化测试代码：
1. 采用Page Object模式，拆分页面对象类（LoginPage）和测试用例类；
2. 测试用例覆盖3个场景：正向登录（正确账号密码）、反向登录（密码错误）、空值登录（用户名未填）；
3. 每个用例包含前置条件（启动浏览器）、步骤、断言、后置条件（关闭浏览器）。
技术约束：
- Playwright版本指定为1.40.0，使用同步API（而非异步）；
- 代码符合PEP8规范，变量命名采用蛇形命名法；
- 包含异常处理（如元素定位失败、超时）和详细注释（类/方法/关键步骤）；
- 不依赖第三方库（仅使用playwright、pytest内置功能）。
输出格式：
1. 先输出「文件结构说明」（说明每个文件的作用和存放路径）；
2. 再分别输出2个文件的完整代码（LoginPage.py、test_login.py）；
3. 最后输出「运行说明」（包含安装依赖、执行命令、预期结果）；
4. 只输出可直接复制的内容，不要多余解释。
迭代引导：输出前请自查：是否符合Page Object模式？是否覆盖所有测试场景？代码是否可直接运行？是否包含异常处理和注释？

模板 2：生成接口测试代码（带签名验证 + 数据驱动）

角色：你是资深接口测试专家，精通Python requests库、接口签名验证、pytest数据驱动测试，熟悉RESTful API规范。
场景背景：我需要测试一个「用户注册接口」，接口信息如下：
- 接口URL：https://api.example.com/v1/user/register
- 请求方法：POST
- 请求头：Content-Type: application/json；Authorization: Bearer {token}（token固定为"test_token_123"）
- 签名规则：将请求体JSON字符串+密钥"test_secret"拼接后，用MD5加密作为sign参数，放入请求体。
核心任务：生成数据驱动的接口测试代码，覆盖以下场景：
1. 正向用例：必填参数完整（username、password、email）；
2. 反向用例：缺少必填参数（无email）、参数格式错误（email无@）、密码长度不足（5位）；
3. 每个用例包含请求构造、签名生成、响应断言（状态码、返回信息、数据格式）。
技术约束：
- 使用pytest的@pytest.mark.parametrize实现数据驱动；
- 签名生成逻辑需封装为独立函数（可复用）；
- 包含请求超时处理（10秒）和异常捕获（如网络错误、接口500错误）；
- 输出响应日志（包含请求参数、响应结果、耗时）。
输出格式：
1. 输出单个文件test_register_api.py的完整代码；
2. 代码中包含测试数据列表、签名函数、测试用例函数；
3. 末尾添加「运行步骤」和「预期结果说明」；
4. 代码可直接复制运行，无需修改。
迭代引导：自查是否包含签名逻辑？测试数据是否覆盖所有场景？断言是否全面？是否有日志输出？

模板 3：设计复杂场景测试用例（带风险等级 + 优先级）

角色：你是测试用例设计专家，擅长基于需求文档设计全量测试用例，熟悉等价类划分、边界值分析、场景法，有电商项目测试经验。
场景背景：需求是「电商购物车结算功能」，核心流程：选择购物车商品→勾选结算→填写收货地址→选择支付方式→提交订单。
核心规则：
1. 商品库存≥1时可结算，库存不足时提示“库存不足”；
2. 收货地址需填写完整（姓名、电话、省市区、详细地址），否则无法下一步；
3. 支持微信/支付宝支付，未选择支付方式时提示“请选择支付方式”；
4. 订单提交后，库存扣减、购物车对应商品删除。
核心任务：设计完整的测试用例集，要求：
1. 覆盖正向流程、反向流程、边界场景、异常场景（如网络中断、页面刷新）；
2. 每个用例包含：用例ID、用例名称、前置条件、操作步骤、预期结果、风险等级（高/中/低）、优先级（P0/P1/P2）；
3. 风险等级：涉及支付、库存的场景为高风险；功能异常为中风险；UI显示为低风险；
4. 优先级：核心流程（正向结算）为P0，反向场景为P1，边界/异常场景为P2。
输出格式：
1. 用Markdown表格呈现所有测试用例；
2. 表格列顺序：用例ID、用例名称、前置条件、操作步骤、预期结果、风险等级、优先级；
3. 先输出「用例设计说明」（说明覆盖的场景类型），再输出表格；
4. 不要多余解释，表格清晰易读。
迭代引导：自查是否覆盖所有核心规则？是否包含异常场景？风险等级和优先级划分是否合理？步骤和预期结果是否对应？

模板 4：分析测试失败日志并给出修复方案（带根因定位）

角色：你是测试问题排查专家，精通Playwright、接口测试常见报错，擅长从日志中定位根因，能给出具体可落地的修复方案。
场景背景：我运行Playwright UI自动化测试时，「购物车结算」用例失败，以下是完整报错日志和相关代码片段：
【报错日志】：
AssertionError: Expected page to have URL containing "/order/confirm", but got "https://example.com/cart"
Traceback (most recent call last):
  File "test_cart.py", line 45, in test_checkout
    page.wait_for_url("**/order/confirm", timeout=10000)
  File "/usr/local/lib/python3.9/site-packages/playwright/sync_api/_generated.py", line 984, in wait_for_url
    self._sync(
  File "/usr/local/lib/python3.9/site-packages/playwright/_impl/_sync_base.py", line 104, in _sync
    return task.result()
TimeoutError: Waiting for url "**/order/confirm" failed: Timeout 10000ms exceeded

【相关代码片段】：
def test_checkout(page):
    # 选择商品并点击结算
    page.locator(".cart-item").nth(0).check()  # 勾选第一个商品
    page.locator(".checkout-btn").click()  # 点击结算按钮
    page.wait_for_url("**/order/confirm", timeout=10000)  # 等待跳转订单确认页
    assert "/order/confirm" in page.url  # 断言跳转成功

核心任务：
1. 根因分析：从代码、页面逻辑、Playwright特性三个维度排查失败原因（可能的原因：元素定位错误、页面未加载完成、点击未触发跳转、超时时间不足）；
2. 给出具体修复方案：包括代码修改细节（逐行标注修改点）、Playwright API使用优化、排查步骤（如何验证根因）；
3. 补充预防措施：如何避免类似问题再次发生（如增加等待条件、优化定位方式）。
输出格式：
1. 分3个部分：根因分析（标序号）、修复方案（含修改后代码）、预防措施；
2. 代码修改部分用diff格式（+表示新增，-表示删除）呈现；
3. 语言简洁，步骤清晰，可直接按方案操作。
迭代引导：自查修复方案是否能解决超时问题？是否考虑多种可能原因？修改后的代码是否可直接运行？

---

三、模板迭代优化技巧（提升精准度）

Prompt模板不是一成不变的，需要根据 AI 的输出动态优化：

1. 补充关键信息：如果生成的代码元素定位失败，可在 Prompt 中补充页面 HTML 片段（如「搜索框的 HTML 是<input id="kw" name="wd">」）；
2. 避免模糊描述：把 “生成代码” 改成 “生成可直接运行的 Playwright 代码”，把 “设计用例” 改成 “设计覆盖正向 / 反向 / 边界值的用例集”；
3. 增加否定约束：如果 AI 输出多余解释，可在模板末尾加「不要输出任何解释，只输出代码 / 表格」；
4. 迭代验证：每次用模板生成内容后，运行验证，若不符合要求，把问题补充到下一次的 Prompt 中（如「上次生成的代码缺少断言，请补充断言逻辑」）。

---

四、验证模板效果的步骤

把模板中的content部分替换到测试用例的messages中，示例：

messages = [
    {
        "role": "user",
        "content": """角色：你是拥有5年全栈测试自动化经验的专家...（完整模板内容）"""
    }
]
# 调用API
answer = deepseek.send_message(messages)
print(answer)

• 检查输出是否符合「可直接运行、满足约束、格式正确」的要求；
• 若输出不符合，根据问题调整模板（如补充关键信息、增加约束），再次验证；
• 最终得到稳定输出的模板，存入你的模板库，后续直接复用。

五、拓展（车速有点快~按需引入）

痛点：将完整Prompt硬编码在测试脚本中，不仅导致代码冗余、修改困难，还增加了出错风险。

优化方案：将Prompt模板独立为配置文件或工具类，测试脚本仅负责调用而非编写。

步骤 1：创建 Prompt 配置文件（prompt_templates.json）

在项目根目录新建config/prompt_templates.json，存放所有测试场景的 Prompt 模板（6个参数对应Prompt的6个要素，可自行修改）：

{
  "playwright_ui": {
    "role": "你是一位拥有6年企业级Web自动化测试经验的工程师...",
    "context_feedback": "无",
    "task": "请为「电商购物车结算功能」生成可直接运行的UI自动化测试代码...",
    "constraint": "## 技术约束\n- 必须使用Page Object设计模式...",
    "output_format": "1. 先输出JSON格式的「文件清单」...",
    "self_check": "输出前请校验：\n- 代码是否符合Page Object模式？..."
  },
  "api_test": {
    "role": "你是一位资深接口测试工程师...",
    "context_feedback": "无",
    "task": "请为「用户登录接口」生成数据驱动的接口测试代码...",
    "constraint": "## 技术约束\n- 接口信息：URL=https://api.deepseek.com/v1/user/login...",
    "output_format": "1. 输出单个文件test_login_api.py的完整代码...",
    "self_check": "输出前请校验：\n- 签名函数是否正确实现MD5加密？..."
  },
  "case_design": {
    "role": "你是一位高级测试用例设计师...",
    "context_feedback": "无",
    "task": "请为「商品库存修改接口」设计完整测试用例集...",
    "constraint": "## 技术约束\n- 接口信息：URL=/v1/product/stock...",
    "output_format": "1. 先输出「用例设计说明」（Markdown）...",
    "self_check": "输出前请校验：\n- 用例是否覆盖所有核心规则？..."
  }
}

Prompt配置文件字段说明：

步骤2：编写 PromptManager工具类（utils/prompt_manager.py）

import json
import os
from typing import Dict, Optional

class PromptManager:
    """纯Prompt管理类，只负责Prompt的读取、参数替换、校验，不耦合任何API逻辑"""
    def __init__(self, config_path: str = "config/prompt_templates.json"):
        self.config_path = config_path
        self._load_templates()  # 初始化时加载模板

    def _load_templates(self) -> None:
        """私有方法：加载Prompt配置文件，只在初始化时执行"""
        if not os.path.exists(self.config_path):
            raise FileNotFoundError(f"Prompt配置文件不存在：{self.config_path}")
        with open(self.config_path, "r", encoding="utf-8") as f:
            self.templates: Dict = json.load(f)

    def get_template(self, template_name: str) -> Dict:
        """获取原始模板（供内部/外部调用，方便拓展）"""
        if template_name not in self.templates:
            raise ValueError(f"无此Prompt模板：{template_name}")
        return self.templates[template_name]

    def render_prompt(self, template_name: str, context_feedback: str = "无", **kwargs) -> str:
        """核心方法：渲染参数化Prompt，返回完整字符串"""
        template = self.get_template(template_name)
        
        # 拼接基础模板结构
        prompt_parts = [
            f"# 角色定义\n{template['role']}",
            f"\n# 上下文反馈\n【历史反馈】：{context_feedback}",
            f"\n# 任务描述\n{template['task']}",
            f"\n# 约束条件\n{template['constraint']}",
            f"\n# 输出格式\n{template['output_format']}",
            f"\n# 自检规则\n{template['self_check']}"
        ]
        full_prompt = "\n".join(prompt_parts)
        
        # 动态替换参数（支持自定义变量）
        for key, value in kwargs.items():
            full_prompt = full_prompt.replace(f"{{{key}}}", str(value) or "无")
        
        return full_prompt

    # 拓展示例：后续加新功能，只改这个类，不影响API类
    def reload_templates(self) -> None:
        """重新加载模板（比如配置文件改了，不用重启程序）"""
        self._load_templates()

    def list_all_templates(self) -> list:
        """列出所有模板名称（方便管理/调试）"""
        return list(self.templates.keys())

步骤3：在DeepSeekAPI 类中实例化PromptManager（utils/deepseek_api.py）

import requests
from typing import List, Dict, Optional
from utils.prompt_manager import PromptManager  # 聚合独立的PromptManager

class DeepSeekAPI:
    """只负责DeepSeek API调用，通过聚合PromptManager简化Prompt使用，不耦合Prompt逻辑"""
    def __init__(self, api_key: str, prompt_config_path: str = "config/prompt_templates.json"):
        # API核心配置
        self.api_key = api_key
        self.base_url = "https://api.deepseek.com/v1/chat/completions"
        self.headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.api_key}"
        }
        self.default_model = "deepseek-chat"
        
        # 聚合PromptManager（而非硬编码其逻辑）
        self.prompt_manager = PromptManager(config_path=prompt_config_path)

    # 基础API调用方法（独立，方便单独调用API）
    def send_message(self, messages: List[Dict]) -> str:
        """纯API调用方法，和Prompt解耦，可单独使用"""
        payload = {
            "model": self.default_model,
            "messages": messages,
            "temperature": 0.7,
            "max_tokens": 2000
        }
        try:
            response = requests.post(
                url=self.base_url,
                headers=self.headers,
                json=payload,
                timeout=30
            )
            response.raise_for_status()
            return response.json()["choices"][0]["message"]["content"]
        except Exception as e:
            raise Exception(f"DeepSeek API调用失败：{str(e)}")

    # 一键调用方法（整合Prompt+API，简化使用）
    def send_message_with_prompt(self, template_name: str, context_feedback: str = "无", **kwargs) -> str:
        """对外简化调用，内部仍由独立类处理"""
        # 1. 调用独立的PromptManager渲染Prompt
        prompt = self.prompt_manager.render_prompt(
            template_name=template_name,
            context_feedback=context_feedback,** kwargs
        )
        # 2. 调用独立的API发送方法
        messages = [{"role": "user", "content": prompt}]
        return self.send_message(messages)

    # 拓展示例：切换模型（不影响PromptManager）
    def switch_model(self, model_name: str) -> None:
        """切换调用的模型（chat/reasoner）"""
        self.default_model = model_name

步骤4：测试脚本调用（既便捷，又保留拓展性）

# test_cases/test_deepseek_opt.py
import sys
import os
sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
from utils.deepseek_api import DeepSeekAPI

API_KEY = "你的API Key"

def test_optimal_solution():
    """调用示例：一键使用，且保留拓展性"""
    # 初始化API（自动聚合PromptManager）
    deepseek = DeepSeekAPI(api_key=API_KEY)
    
    # 场景1：一键调用（简化使用）
    answer = deepseek.send_message_with_prompt(
        template_name="playwright_ui",  # 对应prompt_templates.json里的key
        function_name="电商购物车结算功能",  # 模板的参数占位符 非必填
        # page_elements="搜索框id=kw，搜索按钮id=su"  # 模板的参数占位符 非必填
        # 上面这两个占位符必须和 Prompt 模板里 task 的核心方向一致，否则导致AI理解偏离需求
    )
    print(f"✅ 一键调用结果：\n{answer}...")

    # 场景2：单独使用PromptManager（拓展/调试）
    prompt = deepseek.prompt_manager.render_prompt(
        template_name="api_test",
        context_feedback="上次生成的签名函数缺空值处理"
    )
    print(f"\n🔍 单独获取Prompt：\n{prompt}...")

    # 场景3：单独调用API（拓展/自定义消息）
    custom_messages = [{"role": "user", "content": "自定义提问：生成pytest基础用例"}]
    custom_answer = deepseek.send_message(custom_messages)
    print(f"\n📝 自定义API调用结果：\n{custom_answer}...")

if __name__ == "__main__":
    test_optimal_solution()

验证成果

1.打开终端运行脚本命令：pytest test_cases/test_deepseek_opt.py -s -v

2.成功标志 PASSED

3.可能失败（读取超时错误）

Exception: DeepSeek API调用失败：HTTPSConnectionPool(host='api.deepseek.com', port=443): Read timed out

诱因：超时时间设置过短，不足以完成大 Prompt 的响应传输

修复方案：延长超时时间&精准异常捕获（utils/deepseek_api.py）

import requests
from typing import List, Dict
from utils.prompt_manager import PromptManager


class DeepSeekAPI:
    """只负责DeepSeek API调用，通过聚合PromptManager简化Prompt使用，不耦合Prompt逻辑"""

    def __init__(self, api_key: str, prompt_config_path: str = "config/prompt_templates.json"):
        # API核心配置
        self.api_key = api_key
        self.base_url = "https://api.deepseek.com/v1/chat/completions"
        self.headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.api_key}"
        }
        self.default_model = "deepseek-chat"

        # 聚合PromptManager（而非硬编码其逻辑）
        self.prompt_manager = PromptManager(config_path=prompt_config_path)

    # 基础API调用方法（优化超时&异常捕获）
    def send_message(self, messages: List[Dict]) -> str:
        """纯API调用方法，和Prompt解耦，可单独使用"""
        payload = {
            "model": self.default_model,
            "messages": messages,
            "temperature": 0.7,
            "max_tokens": 2000
        }
        try:
            # 延长超时时间到60秒，增加连接超时+读取超时分开配置
            response = requests.post(
                url=self.base_url,
                headers=self.headers,
                json=payload,
                timeout=(10, 60)  # (连接超时10s, 读取超时60s) 按需修改
            )
            response.raise_for_status()
            return response.json()["choices"][0]["message"]["content"]
        # 精准捕获不同异常，方便排查
        except requests.exceptions.ConnectTimeout:
            raise Exception("DeepSeek API调用失败：连接服务器超时（检查网络/服务器是否可达）")
        except requests.exceptions.ReadTimeout:
            raise Exception("DeepSeek API调用失败：读取响应超时（延长超时时间/减少max_tokens）")
        except requests.exceptions.ConnectionError:
            raise Exception("DeepSeek API调用失败：网络连接错误（检查网络/代理）")
        except requests.exceptions.HTTPError as e:
            raise Exception(f"DeepSeek API返回错误码：{e.response.status_code}，详情：{e.response.text}")
        except Exception as e:
            raise Exception(f"DeepSeek API调用失败：{str(e)}")

    # 一键调用方法（整合Prompt+API，简化使用）
    def send_message_with_prompt(self, template_name: str, context_feedback: str = "无", **kwargs) -> str:
        """对外简化调用，内部仍由独立类处理"""
        # 1. 调用独立的PromptManager渲染Prompt
        prompt = self.prompt_manager.render_prompt(
            template_name=template_name,
            context_feedback=context_feedback, **kwargs
        )
        # 2. 调用独立的API发送方法
        messages = [{"role": "user", "content": prompt}]
        return self.send_message(messages)

    # 拓展示例：切换模型（不影响PromptManager）
    def switch_model(self, model_name: str) -> None:
        """切换调用的模型（chat/reasoner）"""
        self.default_model = model_name

总结

核心成果：设计了AI测试场景的Prompt模板工程化方案，涵盖代码生成、用例设计、问题排查等核心场景；

关键突破：通过独立的PromptManager类抽离模板，取代脚本硬编码方式，实现模板的集中管理、参数化渲染与动态迭代；

方案亮点：采用“独立类 + 聚合调用”架构，确保Prompt管理与API调用的职责分离（便于维护与扩展），同时提供一键调用方法，简化使用流程；

落地价值：为AI生成高质量测试资产（代码/用例）奠定基础，显著减少重复编写Prompt的成本，提升测试自动化效率。