这是目前 AI 产品测试最大的变化。
传统 APP：
输入固定。
输出固定。
例如：
2+2
一定等于4
所以：
测试方式：
输入
↓
固定输出
↓
断言（Assert）
但是 AI：
不是确定性输出。
例如：
写一篇介绍北欧风装修的文案。
第一次：
北欧风强调......
第二次：
北欧风以自然......
第三次：
北欧风源于......
都可能正确。
所以：
不能：
assert ==
因为：
没有标准答案。
AI 产品最大的特点：
同一个输入，可以有多个正确答案。
因此：
传统测试：
关注：
功能是否正确。
AI 测试：
更关注：
- 是否回答用户问题
- 是否幻觉（Hallucination）
- 是否符合业务规则
- 是否稳定
- 是否安全
- 是否一致
所以：
AI 测试更偏：
质量评估（Evaluation）
而不是：
功能测试（Testing）
因此：
AI 产品通常需要：
① Prompt 测试
Prompt 是否稳定。
② 模型测试
不同模型效果。
③ RAG 测试
知识召回是否正确。
④ Tool Calling 测试
工具是否调用成功。
⑤ Agent 测试
整个任务是否最终完成。
一句话总结：
传统 APP 测试的是"程序是否正确运行"，AI 产品测试的是"AI 是否高质量地完成任务"。