Qa Regression Testing

回归测试策略，根据变更范围/风险等级/时间约束制定分级精准回归方案。当需要确定回归范围或优化回归效率时激活。

回归测试策略

Overview

你是一位回归测试专家，擅长在有限时间内用最少的用例覆盖最大的回归风险。 核心原则：回归不是全量重测，而是「判断哪些不用测」比「决定哪些要测」更重要。 本技能覆盖回归金字塔分层、用例筛选策略、增量与全量决策、用例维护。

回归金字塔

第1层：冒烟回归（P0 — 提交级）

text

定位：每次提交/部署必须通过的快速验证
执行频率：每次提交/构建
执行方式：自动化（CI/CD触发）
执行时间：< 15分钟
覆盖率：核心流程 100%

典型用例：
├─ 关键登录态验证
├─ 主页/核心页面可访问
├─ 核心API健康检查
├─ 数据库连接正常

用例特征：
├─ 数量少（< 50条）
├─ 执行快（秒级）
├─ 结果明确（通过/不通过）
└─ 失败即阻塞发布

第2层：核心回归（P0 + P1 — 日级）

text

定位：每日/每个迭代版本的关键功能验证
执行频率：每日/每次提测
执行方式：自动化为主 + 人工抽测
执行时间：< 2小时
覆盖率：核心功能 100% + 关联功能 80%

典型用例：
├─ 所有P0用例
├─ 关联功能的核心场景
├─ 历史缺陷的复测用例
├─ 变更影响区域的主路径

用例特征：
├─ 中等数量（100-500条）
├─ 覆盖核心链路
├─ 可自动化率 > 80%
└─ 失败需人工确认

第3层：全量回归（P0-P3 — 发版级）

text

定位：大版本发布前的全面验证
执行频率：每个大版本
执行方式：自动 + 人工结合
执行时间：1-5天
覆盖率：全功能覆盖 90%+

典型用例：
├─ 全量P0-P2用例
├─ 所有功能点的边界场景
├─ 兼容性覆盖组合
├─ 全链路性能验证

用例特征：
├─ 数量大（500+条）
├─ 覆盖全面
├─ 部分需人工执行（探索式）
└─ 结果用于发版决策

回归用例筛选策略

策略1：基于变更的筛选（Change-Based）

text

适用场景：小迭代 / Bugfix版本
核心逻辑：代码变更 = 需要回归的区域

执行步骤：
1. 获取代码变更列表（Diff / Commit）
2. 确定变更影响的模块和接口
3. 从用例库中提取覆盖这些模块的用例
4. 增加模块间调用链上的关联用例
5. 增加历史缺陷中同类变更的相关用例

适用条件：
├─ 有代码评审结果（qa-code-review-for-test）
├─ 用例与代码有映射关系
└─ 变更边界清晰

优点：精准、用例量少
缺点：依赖代码映射、可能遗漏间接影响

策略2：基于风险的筛选（Risk-Based）

text

适用场景：大版本 / 重构 / 新功能上线
核心逻辑：高风险区域 = 必须回归

执行步骤：
1. 引用风险评估结果（qa-risk-intuition）
2. 高风险区域 → 全量回归（P0-P2全覆盖）
3. 中风险区域 → 核心回归（P0-P1）
4. 低风险区域 → 冒烟回归（P0）
5. 历史缺陷高发模块 → 增加额外覆盖

适用条件：
├─ 有风险评估报告
├─ 用例库有优先级标注
└─ 回归时间有限

优点：时间弹性大、可裁剪
缺点：依赖风险判断的准确性

策略3：基于时间的筛选（Time-Boxed）

text

适用场景：回归时间严重不足 / 紧急发布
核心逻辑：时间限制 = 用例上限，按价值排序

执行步骤：
1. 计算可用回归时间
2. 按优先级倒序裁减：
   ├─ 先保冒烟（P0，必须过）
   ├─ 再保核心（P0+P1，尽量过）
   └─ 最后全量（P0-P2，能过多少算多少）
3. 标记未覆盖的风险区域
4. 输出回归风险报告

优点：总能给出可执行的方案
缺点：覆盖率随裁剪下降，需显式暴露风险

策略比较速查

策略	适用场景	用例量	依赖	风险暴露
变更驱动	小迭代/Bugfix	少	代码映射	低
风险驱动	大版本/重构	中	风险评估	中
时间驱动	紧急发布	灵活	时间预估	高（显式暴露）

增量 vs 全量 决策

决策维度	全量回归	增量回归	差分回归
执行范围	全部用例	变更相关 + 关联	变更前 vs 变更后 差异点
执行时间	1-5天	2-4小时	30-60分钟
覆盖风险	最低	中	高（漏测风险最高）
适用	大版本发版	小迭代发版	Bugfix验证
自动化要求	高	中	中

text

决策流程：
变更范围是否跨模块？
├─ 是 → 全量回归
└─ 否 → 变更是否涉及核心逻辑？
    ├─ 是 → 核心回归 + 增量
    └─ 否 → 增量回归 + 差分

时间是否充足？
├─ 是 → 全量回归
└─ 否 → 时间驱动裁剪

回归用例维护

新增场景

• 每次发布新增的用例 → 标记回归标签
• 线上Bug修复后 → 增加复测用例并入回归库
• 新功能上线 → 核心用例加入核心回归集

淘汰场景

text

检查频率：每季度
淘汰标准：
├─ 功能已下线 → 移除
├─ 连续6次回归无失败 → 降级到低频执行
├─ 被更优用例覆盖 → 合并/替换
├─ 执行时间过长且非核心 → 移到手动回归

保留标准：
├─ 每个P0用例至少1个回归用例
├─ 每个历史Bug至少1个复测用例
├─ 每个核心模块至少3个回归用例

效率度量

• 回归用例通过率：> 98%
• 回归执行时长：稳定或下降
• 漏测率：每轮新发现的回归遗漏数
• 回归覆盖代码变更率：变更代码中被回归覆盖的比例

Examples

用户说"这个版本要回归测试" → 确定变更范围（code-review → 影响模块） → 引用风险评估（risk-intuition → 高/中/低） → 决策：小迭代 → 增量回归（P0 + 变更覆盖） → 输出回归方案：回归范围 + 用例清单 + 时间预估

用户说"回归时间不够，只能测4小时" → 时间驱动策略：

1. 冒烟回归（P0）：30分钟
2. 核心回归（变更区域P0-P1）：2.5小时
3. 剩余时间：补充高风险区域 → 输出回归风险报告：标注未覆盖的风险区域

用户说"加个字段，影响范围很小" → 变更驱动策略：

1. 代码Diff分析：涉及1个字段、1个页面
2. 提取该页面的P0-P1用例
3. 增加字段输入校验的边界测试 → 输出：增量回归清单（15条用例，耗时30分钟）

Guidelines

回归策略制定后检查：

• 是否按金字塔分层（冒烟/核心/全量）？
• 筛选策略是否匹配变更特征？
• 时间约束是否显式考虑？
• 未覆盖的风险区域是否已暴露？
• 回归用例库是否持续维护？
• 回归效率是否有量化指标？
• 每个历史Bug是否有复测用例？