我如何用Skills+Postman，让接口测试用例自动生成、自动维护，半年零手工更新

很多人已经开始感觉到，接口测试用例写起来不难，难的是维护。

需求一周变三次，字段增减随心意，前端改了后端没改，后端改了文档没改。等到你发现用例红了，已经是凌晨两点，上线窗口还剩半小时。

更焦虑的是，AI来了。GitHub Copilot能帮你写代码，ChatGPT能帮你生成用例，但没人告诉你——用例生成之后，谁负责让它别死掉？

我去年下半年开始，用一套组合方式重构了团队的接口测试流程。到现在快六个月，Postman里的用例集合没有一次手工增删改。不是用例不变，是变化来了，它自己就同步了。

核心工具就两个：Postman + Skills（大模型的自定义能力）。

今天拆开讲，这套东西到底怎么转起来的。

目录

一、手工维护接口用例正在成为历史
二、Skill不是聊天助手，是执行链路
三、从变更到用例更新的闭环怎么搭
四、一个订单接口的对比实验
五、这套模式对三类人意味着什么
六、留一个问题

一、手工维护接口用例正在成为历史

接口测试领域有个隐性共识：用例的维护成本，已经超过了编写成本。

刚启动项目时，写一百个用例很快。但三个月后，业务迭代了十几个版本，接口字段改了五六轮，你再回头看那套用例——要么红一片，要么还在断言早就不存在的字段。

本质不是写用例的人不行，是手工维护跟不上变化的节奏。

最近半年，行业里开始推“AI生成用例”。但绝大多数方案停在第一步：给大模型一段接口文档，它给你吐一堆JSON。看起来漂亮，实际没法用。因为第二天接口变了，模型不知道。

真正要解决的问题不是“怎么生成”，而是“怎么在变化中持续同步”。

我选择的切入点是：把Postman当执行层，把Skills当决策层。两者之间不靠手工，靠一个自动化的反馈闭环。

二、Skill不是聊天助手，是执行链路

很多人对Skills的理解还停留在“高级提示词”。实际上，一个可用的Skill至少包含三层：

• 感知层：能读取接口定义（OpenAPI/Swagger）、代码变更记录、运行日志
• 决策层：能判断哪些用例需要更新、怎么更新、优先级如何
• 执行层：能调用Postman API，完成用例的增删改查

核心在于：Skill不是让你跟它聊天，而是让它直接操作工具。

我做的第一件事，是把接口文档的变更历史接入一个自定义Skill。每次代码合并后，CI会自动把变更的接口定义推给这个Skill。Skill对比新旧两份OpenAPI，输出三样东西：

1. 哪些接口的字段发生了变化
2. 哪些断言需要跟着改
3. 生成一份可执行的Postman Collection Patch

然后通过Postman API直接应用这份Patch。整个过程没有人工打开Postman界面，没有复制粘贴，没有手改字段名。

本质上，我把“接口用例维护”从一个知识工作，变成了一个数据处理工作。Skill负责判断，机器负责执行。

三、从变更到用例更新的闭环怎么搭

这个机制能跑通，不是因为Skill有多聪明，是因为我把闭环设计清楚了。

下图是整个流程的骨架：

这里有几个关键设计，不是随便能省略的。

第一，Skills只处理结构变化，不处理业务逻辑。

如果接口字段从user_id改成userId，Skill直接批量替换所有用例里的断言。但如果业务规则从“金额必须大于0”变成“金额必须大于等于0.01”，Skill不会擅自改，而是标记出来，触发人工确认。

边界清晰，才不会搞出大面积误判。

第二，Postman的Collection被当作代码管理。

我们把所有Postman用例导出为JSON，放进Git仓库。Skill生成的Patch，本质上是对这个JSON的差异描述。这样任何改动都可以走Code Review，哪怕Skill自动生成的，也要经过PR评审才能合入。

半年零手工更新，不代表零审核。但审核成本从“逐条改用例”降到了“确认差异报告”，平均每次不超过两分钟。

第三，反馈闭环必须闭环到执行。

很多团队只做到“Skill生成用例建议”，然后发邮件通知人去改。这不是自动化，这是换了一种形式的通知。

我们的闭环终点是：Skill调Postman API完成更新后，自动触发Newman跑一遍该接口的回归测试。如果全绿，闭环结束。如果有失败，Skill再分析失败原因，判断是断言写错了还是接口真出了问题。

这套跑顺之后，我几乎不再打开Postman的界面。工具变成了后台服务。

四、一个订单接口的对比实验

去年三季度，我们有一个典型场景：订单详情接口。

版本1返回：

{"order_id": "123", "status": 1, "amount": 99.5}

版本2增加了sub_status和promotion_id，调整了amount为字符串类型。

手工维护的做法：打开Postman，找到十几个关联用例，挨个改断言，改变量引用，改Mock数据。全改完加测试，一个人一下午。

Skills+Postman的做法：

1. 后端PR合并，OpenAPI更新
2. Skill在30秒内输出差异报告：新增两个字段，一个类型变更
3. 自动生成Patch：涉及7个用例，断言从amount == 99.5改为amount == "99.5"，新增sub_status存在性断言
4. 通过API应用到Collection，自动提交PR
5. 我花了不到一分钟看差异，确认无误后合并
6. Newman自动跑完全部用例，全绿

总耗时：我的时间不到两分钟，机器时间不到五分钟。

这不是省了多少小时的问题，是这类工作从此从我的任务清单里消失了。我可以去想测试策略、去分析线上问题，而不是反复打开JSON对比工具。

五、这套模式对三类人意味着什么

对在校生： 别再只学怎么手写测试用例了。工业级测试的核心矛盾已经从“怎么写”变成了“怎么维护”。你如果能说清楚“怎么让用例跟上代码”，面试官会高看你一眼。这套模式的本质，是把测试工程化，而不是手工化。

对初级工程师： 你可能会觉得“我连Postman API都没调过，怎么做”。没关系，这反而是切入点。先试着写一个脚本，从OpenAPI生成最简单的Postman Collection。然后加上增量更新。再然后，把Skill搭进去。每完成一层，你就从“执行者”往“设计者”走了一步。

对中级工程师： 你现在面临的不是用例写不完，是团队用例越堆越烂。与其花时间Review每个人写的断言，不如把“能自动化的判断”全部交给Skill。你要做的是定义规则，而不是替人干活。半年零手工更新，不是因为我勤快，是因为我把规则写死了。

一个可传播的观点句：

接口测试的未来不是更多的用例，而是更少的维护。

Skills的本质，是用代码执行能力填补大模型的确定性缺口。

你花在维护上的每一分钟，本可以用来发现一个线上缺陷。

六、留一个问题

你现在回头看一下自己的接口测试体系——从接口变更发生，到用例被更新、断言被修正、回归被执行——这条链路上，有没有任何一个环节是自动闭环的？

如果没有，那“用例失效”就不是偶然，而是必然。

一个更扎心的问题：你现在的系统，允许用例自己“看到”接口变化吗？

欢迎在评论区聊一聊，你团队里的接口用例，最长连续不用手工维护的记录是多久。