用例粒度怎么权衡
粒度取决于用途：面向手工执行可稍粗，面向自动化宜细。判断标准是「一条用例只验证一个明确目标」——失败时能快速定位。同一业务可以用不同粒度表达：手工评审用粗粒度场景讲清楚，自动化落地时拆细到可断言的验证点，两者之间保持追溯关系。
基本信息
| 细粒度 | 单验证点、易定位、数量多，适合自动化与回归 |
|---|---|
| 中粒度 | 一个业务动作链，适合手工功能测试 |
| 粗粒度 | 整条业务流程，适合端到端与验收演示 |
| 一致性 | 同一模块口径保持一致，便于维护与统计 |
| 拆分信号 | 失败定位困难时拆分，冗余重复时合并 |
| 映射关系 | 细粒度用例可追溯到粗粒度场景 |
| 命名与结构 | 目标写进用例标题，步骤与断言一一对应 |
| 评审检查 | 读完一条用例能复述它的验证目标 |
粒度对比
| 粒度 | 特征 | 适用场景 |
|---|---|---|
| 细粒度 | 单验证点、易定位、数量多 | 自动化、回归 |
| 中粒度 | 一个业务动作链 | 手工功能测试 |
| 粗粒度 | 整条业务流程 | 端到端、验收演示 |
典型使用场景
- 用例评审：粒度统一后，评审速度与质量同时提升。
- 自动化转换：粗粒度场景拆细为可断言的脚本步骤。
- 回归统计：细粒度用例的失败定位成本更低。
- 需求变更：按粒度层次评估更新影响面。
- 新人执行：粗粒度场景适合快速理解完整业务流程。
- 度量口径：用例数量统计前先统一粒度，否则数字没有意义。
- 团队规范：把粒度规则写入用例规范与评审清单。
把粗粒度用例直接自动化，脚本失败无法定位到具体验证点。
粒度忽粗忽细，统计与维护都困难：同一模块先统一口径。
拆到什么程度没有标准：以失败时能否直接定位为准绳。