火得不能再火了
过去两周，国内概念股很疯狂，不只是百度、讯飞，有些默默无闻且业绩亏损的公司股价大涨，有1-2个公司连续7个涨停板，不可思议！
上周， 因为微软Bing发布新版，热度大增。 世界不断被及其应用所震惊，每天都有很多人在他们各自的行业发布的应用程序，从营销、文案、销售、运营等等。
当我们考虑将用于软件测试时，大家的意见很不一样。
我们并不怀疑它对软件测试社区的好处，同时，我们也意识到盲目接受像这样机器人的每一个输出，也会相当危险。在最乐观的情况下，它是一个很好的启发式工具，虽然从本质上看，启发式不是基于规则 的逻辑推理来输出结果，其结果是不可靠的。由于的输出严重依赖于提示（），它在很大程度上依赖于软件测试人员给出 提示的技巧。
经过几天研究，并和其他专家交流，在软件测试中的应用，概括起来有七种不同方式。
1. 测试想法生成器
技术归为AIGC（人工智能产生内容），所以我们首先想到 在我们的提示下，生成我们需要的测试想法，帮助我们扩展或优化测试思路、测试场景、测试数据等。如果 可以根据我们的提示给出一组初始的测试想法，也可以检查我们准备的测试想法 （如测试项、场景）清单，这不是很好吗?是的，它能做到。
例如 在 与机器人聊聊软件测试的热门话题 就有这样一个例子：
这里，让我们在机票预订网站上针对 “预订往返机票” 功能测试尝试一下。
在我们询问之前，有几个简单的想法:
现在，让我们向询问带有尽可能详细提示的测试思路
（询问如何测试这个功能）
根据输出，它似乎更专注于这个想法——允许多种组合 (相同的日期-不同的日期，乘客类型和数量、舱位级别、票价类型等组合)。
让我们使用在线的 Pair-wise组合测试工具（）来生成组合，并排除一些选项，如
但由于工具的局限性，我们无法排除下列这个选项:
工具的输出总共是21个测试用例，我们按照上面的说法排除用例#4。
现在，谁做得更好? 的输出是测试想法的一个很好的起点，然后我们可以使用另一种工具进行改进。
我们也可以用有针对性的提示来深入研究每个测试想法，以得到更好的回答。
例如，当我们要求为错误消息生成想法时，输出结果并不令人失望。
其中一些情况超出了当前关注的特征变量的范围(例如:资金不足、无效的卡详细信息……)
我们明白：这是一个很好的起点，前提是我们知道如何操作，而且必须批判性地分析输出，挑出有用的点进行测试，抛弃没价值的信息。
2. 分析需求的关键语句
想象一下需求文档中的一个句子，如果可以分析这个句子并为我们提供短语的多种解释，会怎样呢?
让我们试一下。我们将使用 Meet中的示例：对于拥有 Meet个人账号的用户：会议最多支持100人。
我觉得3、4、5表达的意思是一样的，但用词不同。我会使用所给出的不同解释来审视我自己的理解和解释。
3.创建学习指南
人们可以使用它来启动对一个主题的学习（ their ），并在输出的基础上进行系统学习的构建。之前，我曾给过例子：
例如，如果我们还想了解如何测试多媒体，我们可以向请教一些基本的方法。
然后，我将提炼更多，提出更深刻的问题。
现在，这是完美的答案吗?我不知道。但给了我们足够的指南来开始测试之旅。我现在可以阅读更多关于编码、解码器、以及与多媒体的关系。
4. 生成代码片段
它能否生成可以构建在其上的代码片段? 这点似乎没问题，因为我们在自媒体上看到了很多关于如何用不同编程语言生成代码的例子。
示例: 用编写代码来读取文件的内容，并列出重复元素的数量，并根据每个元素中的字符数量按降序排序
达到目标了吗?
5. 总结一份文件或视频
到目前为止，还不能创建图像或观看视频，但可以提供一个15分钟的视频的文字记录，例如，基于这个视频 （ the CEO of your ” by B. Ajay | scope | | tips and ： ） 可以生成一个视频的摘要。
你也可以使用像 with 这样的插件来获得摘要。
6. 课题写作大纲
我想了一会儿博客主题（如“软件测试”），然后让为这类文章创建一个写作大纲：
其结果是一个结构良好的大纲，节省了大量的时间。
会取代一些人的工作吗? 没那么快。它只是一个很好的助手，需要有技能的人来充分发挥它的潜力。
7. 头脑风暴的伴侣
想法可以随时出现，如果我们想就不同的软件测试主题进行头脑风暴，获得不同的视角、比较或 对比，甚至有一个助手来帮助我们进行研究，可以是一个很好的选择。
结论
到目前为止，通过分析给出的 不同测试用例或回答，我们可以得出以下结论:
参考：
