作为负责功能测试、接口测试和回归测试的 QA，你可能也有同感：需求变化快，测试用例、缺陷报告和测试报告要反复写，边界场景还容易漏。命令行效率高，但参数难记，一个写错的命令还可能造成不可挽回的后果。这篇文章用一个完整的例子演示测试工程师如何借助 AI 写命令行命令：用自然语言描述目标和环境，让 AI 生成命令并逐个解释参数，危险操作先用只读或演练方式验证。

典型场景

测试工程师需要在服务器或自己电脑上批量处理文件，比如找出最近 7 天修改过的大文件、统计日志里的错误数量、批量压缩备份。命令记不住，每次都要搜索。而且测试工程师手上通常同时压着“整理兼容性测试机型清单”之类的事情，如果每次都从零开始，很容易顾此失彼。

用什么工具

可以用对话助手（ChatGPT、Claude、DeepSeek 等），也可以用终端里的 AI 工具，例如 GitHub Copilot CLI、Warp 等终端的 AI 功能。

案例：一次完整的使用过程（虚构）

下面这个例子是虚构的：小周遇到的难题是“提测时间延后两天，回归时间被压缩”。为了不让它拖慢“补充登录模块的接口自动化用例”的进度，小周决定借助 AI 写命令行命令。第一次只写了一句简单的要求，结果很空泛；第二次把对象（项目经理）、目的和限制条件都写清楚，输出就可用多了。这也是本文提示词模板要把背景写全的原因。

分步操作

  1. 说明操作系统和 Shell，例如 Ubuntu 的 bash 或 macOS 的 zsh
  2. 要求 AI 逐个解释参数
  3. 涉及删除或修改的命令，先运行只列出结果的版本
  4. 确认无误后再执行，必要时先备份

提示词示例

下面的提示词可以直接复制，按测试工程师的实际情况替换细节：

【背景】当前的难点是：提测时间延后两天，回归时间被压缩。
环境：Ubuntu 22.04，bash
我是测试工程师，需要处理 /data/模块_files 目录下的文件。

请给出命令：
1. 找出最近 7 天修改过、大于 100MB 的文件，按大小排序显示
2. 统计 /var/log/app 目录下所有 .log 文件中包含“ERROR”的行数，按文件分别显示
3. 把 30 天前的 .log 文件打包压缩到 /backup，打包成功后再删除原文件

要求：逐个解释参数；第 3 个命令请先给出只列出文件、不删除的演练版本。

效果示例（虚构演示）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

1. 查找大文件

find /data/模块_files -type f -mtime -7 -size +100M -exec ls -lh {} + | sort -k5 -h
  • -mtime -7：7 天内修改；-size +100M：大于 100MB

2. 统计错误行数

grep -c "ERROR" /var/log/app/*.log

3. 演练（只列出）

find /var/log/app -name "*.log" -mtime +30 -print

正式执行

find /var/log/app -name "*.log" -mtime +30 -print0 | tar --null -czf /backup/logs-$(date +%F).tar.gz -T - --remove-files

--remove-files 会在打包后删除原文件，请先确认演练结果。

这样的输出只是起点。真正用到“补充登录模块的接口自动化用例”这类工作里之前，还需要对照原始资料逐条检查，并补上 AI 不知道的背景。

注意事项与技巧

  • 涉及 rm、–remove-files、chmod -R 等命令时，一定先运行演练版本。
  • 不同系统命令参数不同（例如 macOS 与 Linux 的 sed、find），提问时说明环境。
  • 把常用命令整理成带注释的脚本，下次直接复用。

给测试工程师的特别提醒

把需求文档原文给 AI，让它按等价类、边界值、异常流分别列用例。另外，AI 列出的用例只是候选清单，覆盖是否充分仍要结合需求和历史缺陷人工把关。

还可以这样用

  • 解释命令：把别人给你的长命令交给 AI，逐段解释是否安全。
  • 写定时任务：让 AI 生成 crontab 表达式并解释执行时间。

相关阅读