一、适用问题
GPT模型在不同输入下是否能准确输出预期结果？是否能处理边界条件？是否存在潜在错误？
二、准备资料
需提供模型的输入输出示例，以及预期行为描述。例如：输入为'hello world'时输出'hello world'；输入为'what is your name?'时输出'我是AI助手'。
三、具体步骤
1. 编写测试用例，覆盖正常输入、边界输入、异常输入。
2. 使用断言验证输出是否符合预期。
3. 添加失败日志，记录测试失败原因。
4. 执行测试并分析结果。
四、虚构示例
输入：'calculate 2 + 3'，预期输出：'5'。
输入：'divide 10 2'，预期输出：'5'。
输入：'multiply 5 0'，预期输出：'0'。
五、核对清单
- 输入是否覆盖正常、边界、异常情况？
- 输出是否符合预期？
- 是否有未覆盖的边界条件？
- 是否有错误处理？
- 是否有测试失败日志？
六、常见误区
1. 仅测试正常输入，忽视边界条件。
2. 忽视异常输入，如除零、负数等。
3. 缺乏失败日志，难以定位问题。
4. 测试用例重复，影响效率。
5. 不关注模型的长期稳定性，只关注单次测试结果。