过去二十年，软件测试经历了两次重要范式变迁。
第一次是 瀑布式测试 → 敏捷测试。
第二次是 人工驱动测试 → 自动化测试。
而今天，随着生成式人工智能（AIGC）的兴起，软件测试正在经历第三次重大转型：
从'敏捷测试'走向'生成式测试（Generative Testing）'。
这种变化不仅仅是工具升级，而是测试方法论、测试流程和测试角色的全面重构。
本文将从工程实践的角度，系统分析 AIGC 如何重塑软件测试全流程，并给出可以落地的技术路径。
一、软件测试范式的三次演进
软件测试的发展基本可以分为三个阶段。
| 阶段 | 核心特点 | 主要问题 |
|---|---|---|
| 瀑布测试 | 测试在开发后期进行 | 反馈周期长 |
| 敏捷测试 | 测试融入开发迭代 | 人工成本高 |
| 生成式测试 | AI 参与测试设计与执行 | 方法论正在形成 |
敏捷测试思想来自敏捷测试相关指南以及持续交付理念提出的持续交付理念。
其核心思想包括：
- 测试左移（Shift Left）
- 持续测试（Continuous Testing）
- 自动化优先
但随着系统复杂度上升，敏捷测试仍然面临三大挑战：
1 测试设计效率低
需求越来越多，但测试人员有限。
2 自动化脚本维护成本高
测试脚本经常随 UI 或接口变化而失效。
3 测试分析能力不足
大量测试数据难以转化为质量洞察。
生成式 AI 的出现，为这些问题提供了新的解决路径。
二、什么是'生成式测试'
所谓 生成式测试（Generative Testing），本质是利用大模型的生成能力，自动完成测试活动中的关键任务：
- 需求理解
- 测试设计
- 测试脚本生成
- 测试数据生成
- 测试结果分析
技术基础来自 生成式人工智能（Generative AI）。
生成式 AI 的概念在相关领域中被系统化总结，其核心能力包括：
- 文本生成
- 代码生成
- 结构化信息提取
- 知识推理
在软件测试领域，这些能力可以直接应用于多个环节。
三、AIGC 如何重塑软件测试全流程
我们可以按照软件测试生命周期（STLC）来分析。
传统测试生命周期包括：
- 需求分析
- 测试设计
- 测试实现
- 测试执行
- 测试报告
AIGC 几乎可以介入每一个环节。
四、需求分析阶段：AI 理解需求
需求分析一直是测试设计的基础。
但现实中需求文档往往存在：
- 表述模糊
- 业务规则复杂
- 隐含逻辑较多
生成式 AI 可以帮助进行 需求语义分析。
典型能力包括：
