5.1 提升 AI 理解效果的输入建议

Treeify 会基于你提供的需求材料进行理解、分析与结构化测试设计。输入内容越清晰，AI 对需求边界、业务规则和测试重点的判断通常就越稳定，生成结果也越容易做到准确、完整且可用。

因此，在输入需求时，建议尽量遵循一致、清晰、可拆解的表达方式。以下建议可以帮助 Treeify 更准确地理解你的需求。

为什么输入方式会影响结果质量

Treeify 在分析需求时，不只是读取文字本身，也会判断内容之间的层级关系、逻辑边界和语义重点。如果输入内容结构混乱、信息交叉或表达过于压缩，AI 更容易出现以下问题：

相反，结构清晰、表达明确的输入，通常更有利于 Treeify：

可以将其理解为：输入越清晰，后续测试设计越容易建立在可靠的理解基础之上。

建议使用明确的章节标题组织需求内容，例如按功能模块、需求类型或业务主题进行分组。这样可以帮助 Treeify 更准确地识别不同内容块之间的边界，减少跨段混淆。

例如，你可以按“功能需求”“性能需求”“安全需求”等类型组织内容，也可以按具体模块组织，例如“登录模块”“订单模块”“权限控制”。

示例：

## 1. 功能需求
### 1.1 登录模块
1. 用户可以使用邮箱和密码登录。
2. 用户可以通过邮箱重置密码。
3. 系统必须支持双因素认证。

## 2. 安全需求
### 2.1 访问控制
1. 只有管理员可以删除用户。
2. 普通用户不能查看其他用户的敏感信息。

当需求材料较长时，清晰的标题结构尤其重要。它能够帮助 Treeify 在分析时保留更稳定的上下文边界，而不是把整份文档当作一段连续文本处理。

对于角色、限制条件、触发条件、重要字段、状态变化、异常处理等关键信息，建议通过加粗等方式适度突出。这样有助于 Treeify 更快识别测试设计中真正需要重点关注的内容。

例如：

这种做法并不是为了美观，而是为了帮助 AI 在长文本中更稳定地捕捉关键规则和重点约束。

对于业务规则、校验逻辑、输入限制、流程约束等内容，建议尽量使用编号列表或项目符号逐条列出，而不是将多个规则压缩在一段话里。

这有助于 Treeify 更稳定地逐条理解内容，并减少将多个规则混为一体的情况。

示例：

1. 表单必须校验以下内容：
   - 必填字段
   - 邮箱格式
   - 密码长度
2. 提交成功后，系统应展示成功提示。
3. 提交失败后，系统应保留用户已输入内容。

当规则较多时，列表化表达通常比自然段更适合后续测试设计，因为它更容易被拆解为独立的测试关注点。

为了提升 Treeify 对需求的分类和拆解准确度，建议将不同类型的需求分组整理，而不是混合写在一起。

常见的分组方式包括：

这种分组方式能够帮助 Treeify 更准确地理解每一类需求所对应的测试重点。例如，功能需求更关注业务行为与结果，性能需求更关注响应时间与吞吐量，安全需求更关注权限、数据保护和风险控制。

如果不同类型需求混杂在一起，AI 更容易出现测试重点漂移或归类不稳定的问题。

在同一份需求材料中，建议尽量保持术语一致。例如，同一个对象不要在不同位置使用多个不同称呼；同一个动作不要时而写“提交”，时而写“保存”，除非它们在业务上确实不同。

同时，也建议尽量减少以下表达方式：

Treeify 支持多语言需求输入，包括中文、英文等常见表达方式。

通常情况下，Treeify 会尽量保持与你输入一致的语言风格进行分析和输出。但如果一份文档中混合使用多种语言，或者术语表达本身不统一，仍然可能增加 AI 的理解成本。

因此，如果条件允许，建议在同一份需求材料中尽量保持主要表达语言一致，并确保关键术语前后一致。

在真实项目中，需求材料并不总是完整的。这种情况下，不必强行补全所有内容，但建议至少尽量明确以下信息：

即使信息不完整，只要结构清晰、边界明确，Treeify 仍然能更稳定地理解已有内容，并帮助你继续推进测试设计。