游戏人工测试的思维工具

上篇写了游戏测试第一章——基础理论部分。这篇进入教程第二章：人工测试。

这一章讲人工测试不只是”点点点”，有一整套测试思维工具可以学习。
以下是我理解后的梳理。

---

一、探索性测试：有限时间内的创造性测试

专业的探索性测试有严格的框架。教程管它叫会话式测试。

核心规则就一条：每次测试都是 45-90 分钟的时间盒，围绕一个”测试宪章”展开。

测试宪章不是测试用例。它更像一个任务声明：“在未来 60 分钟内，将探索商城系统的支付边界，重点关注货币换算和余额不足场景”。

宪章要满足 SMART 原则：具体、可衡量、可实现、相关、有时限。
宪章最重要的记录就是量化工作，以及提醒自己主线任务

我们上一篇也说过游戏中永远不可能100%测试覆盖率，所以需要在有限时间内“聪明”的测试。

时间盒也不要求将所有东西都测完，只要求在规定时间内找到足够多的问题。

为什么越测发现的新问题越少

教程给了一个覆盖率增长模型，用微分方程描述：

dC/dt = k · (S - C) · exp(-αt)

其中 C 是已覆盖的功能，S 是总功能，k 是学习速率，α 是疲劳系数。

这个公式翻译成人话就是：刚开始测的时候，你对系统不熟，发现新问题的速度很快。随着测试进行，两个东西在变化——剩余未测功能变少了，你也累了。那个 exp(-αt) 就是疲劳项，解释了为什么连测两小时后效率断崖式下降。

这引出一个很实际的结论：有预算时间的测试更有效。

教程给出的 90 分钟分配方案：

阶段	时长	做什么
准备	5 分钟	阅读宪章、回顾上次测试的笔记
探索	70 分钟	执行测试，每 30 分钟做一次
整理	10 分钟	把发现的 bug 整理成可提交的报告
总结	5 分钟	记录覆盖率变化、标记下一步要测的区域

怎么判断测试是否高效

教程给了一个硬指标：信息密度 D。

D = (新发现的问题数 + 新覆盖的功能数) / 测试时间（分钟）

优秀测试员的 D 值大于 0.5。也就是说，每两分钟至少要产出一个有价值的发现。
如果两分钟过去了你什么都没发现，说明要么你的测试策略有问题，要么你该换一个宪章了。

两个启发式检查清单

人工测试没法遍历所有情况，但可以用启发式模型帮你系统化地扫描。教程给了两个：

SFDIPOT（面向通用软件）：

维度	含义	游戏测试中的例子
Structure	结构	代码模块、资源文件、配置表
Function	功能	攻击、购买、存档、匹配
Data	数据	玩家属性、道具数据、排行榜分数
Interface	界面	UI 布局、HUD、菜单导航
Platform	平台	不同设备、操作系统、屏幕分辨率
Operations	操作	安装、更新、断线重连、后台切换
Time	时间	帧率、延迟、冷却时间、定时事件

GAMEPLAY（面向游戏专有）：

维度	含义
Goals	目标：任务、成就、胜利条件
Actions	动作：攻击、移动、交互、使用道具
Mechanics	机制：伤害公式、碰撞检测、AI 行为
Economy	经济：金币、钻石、经验值、掉落率
Progression	进度：等级、技能树、章节推进
Loop	循环：核心循环、奖励周期、每日任务
Aesthetics	审美：画面、音效、UI 风格
Yield	产出：玩家获得什么、反馈是否及时

这两个清单的作用是在不知道该测什么的时候，扫一眼看看有没有维度被忽略了。
是很好用的防遗漏的工具。

---

二、边界测试：找到那个”刚好会炸”的点

第一章讲了边界条件组合爆炸，这章进入了实战层面边界具体在哪。

显式边界 与 隐式边界

显式边界就是文档里写清楚的，整数溢出（2^31 - 1 是 32 位有符号整数的上限，2^63 - 1 对应 64 位）、配置表里标好的等级上限、业务逻辑里定义的 VIP 等级——这些都有明确的数字。

隐式边界游戏开发自己都可能不知道，比如：

• 渲染管线一次最多绘制多少个对象？超过之后的表现为闪烁还是崩溃？
• 碰撞检测的精度阈值是多少？两个移动速度极快的物体会不会”穿模”？
• 网络包大小有没有隐式上限？某些特殊操作组合产生的数据包超限后会怎么处理？
• 寻路网格的节点数有没有上限？超大开放世界地图会不会让寻路算法超时？
  这些问题，正常流程很难碰到，也让bug复现很困难。

教程给了一个边界测试点的通用集合：

B = { a-ε, a, a+ε, (a+b)/2, b-ε, b, b+ε }

其中 a 和 b 是边界值，ε 是一个非常小的偏移量。以等级系统 1-100 级为例，测试点就是 0 级、1 级、99 级、100 级、101 级，再加上中间一个正常值（比如 50 级）。这七个点覆盖了”边界外、刚好边界、边界内、中间值”四种情况。

浮点数的陷阱

游戏里浮点数无处不在：坐标、速度、伤害系数、时间。

一个经典例子：16777216.0f + 1.0f == 16777216.0f。

32 位浮点数的尾数只有 23 位，小于 16777216 的时候步长是 1，一旦超过这个值，步长变成 2。也就是说，加 1，结果根本没变。这在伤害计算里意味着什么？攻击力够高的时候，加一点攻击力可能完全没有效果。

还有 NaN（不是一个有效数字）和次正规数（极小值区间的精度异常）。这些边缘值在任何计算中出现都会像病毒一样传播，让所有后续结果都变成 NaN。

状态机的三级分层

游戏的状态机比普通软件复杂得多，教程把它分了三级：

宏观层：菜单 → 游戏中 → 暂停 → 结算
    ↓
细节层：探索 → 战斗 → 对话 → 商店
    ↓
原子层：攻击 → 防御 → 闪避 → 技能释放

每一层都是一个独立的状态机，而且它们是嵌套的。玩家可能在”战斗中”的细节层，同时处于”攻击”的原子状态，然后突然接了个电话，App 进入后台（宏观层切换），回来后所有状态需要正确恢复。

测试策略是分四步递进的：

1. 状态覆盖：保证每个状态都被访问过
2. 转换覆盖：用转移矩阵 T_ij 记录每两个状态间是否可能出现合法转换，逐一验证
3. 路径覆盖：挑几条高频路径（比如”登录→匹配→战斗→结算→返回大厅”）做端到端验证
4. 条件覆盖：同一个转换在不同条件下行为不同（比如”战斗→死亡”，HP=1 时扣 1 点和 HP=100 时扣 100 点结果一样，但中间状态不同）

大多数团队能做到转换覆盖就不错了。

并发状态机的问题更困难。如果有 n 个独立状态机并行运行（战斗状态机、背包状态机、网络状态机……），理论组合数是它们状态数的乘积。教程的建议是用配对测试降维。不测所有组合，只保证每对状态被覆盖至少一次。

---

三、玩家行为建模

这一节讲怎么测玩家会怎么玩。

Bartle 四型

引用了经典的 Bartle 玩家分类：

类型	驱动力	典型行为	测试关注点
成就型	变强、通关	冲排行榜、刷成就	数值上限、排名系统
探索型	发现、理解	找彩蛋、研究机制	隐藏内容、边界交互
社交型	连接、影响	聊天、公会、交易	社交功能压力、消息系统
杀手型	竞争、支配	PvP、捣乱	平衡性、反作弊、恶意行为

每个类型的玩家会以完全不同的方式”使用”游戏。成就型玩家会压着数值边界走，探索型玩家会触发一些从没想过的操作序列，杀手型玩家会主动寻找能伤害其他玩家体验的手段。测试时要为每种类型设计不同的测试宪章。

用信息熵识别机器人

用马尔可夫链建模玩家行为，然后计算信息熵来判断操作模式。

假设我们把玩家操作分类（攻击、移动、使用道具、等待），然后统计相邻操作之间的转移概率。正常的玩家操作序列有中等程度的熵：既不是完全随机，也不是完全可预测。

信息熵 H(X) = -Σ p(x_i) × log₂(p(x_i))

低熵意味着行为高度规律，转移概率集中，很可能是自动化脚本。高熵意味着每个操作的选择近乎等概率，不像真人——真人不会在”攻击”和”打开背包”之间以 50/50 随机选择。

教程的练习 2.3 给了一个 12 步操作序列的例子：4 种操作分别出现 3/2/1/6 次，计算出熵值约 2.25 bits，明显偏移等概率分布：操作分布高度不均，暗示重复模式，疑似机器人行为。

漏斗分析和断点检测

两种分析玩家群体的方法。

漏斗分析：追踪玩家在每个阶段的留存率。数据可能是：

新手教程 100%
  → 首次战斗 85%
    → 首次失败 59.5%
      → 首次付费 35.7%

每一层流失率突然变高的地方，就是测试需要重点关注的区域。如果”首次失败”到”首次付费”的转化率异常低，可能是因为失败后的引导不够，或者付费入口在失败界面没展示好。

断点检测：难度曲线的二阶导数。如果 d²D/dt²（难度变化的加速度）超过阈值 θ，说明难度在某个点突然陡增。这不是”难不难”的问题，而是”难度增长是否平滑”的问题。

---

四、Bug 复现

Bug 复现是整个测试流程里最考验思维能力的环节。教程把这部分讲得像侦探小说。

Delta 调试：二分法找最小复现集

核心问题是：**”触发这个 bug 的最小操作集合是什么？”**

假设你有一个 20 步的操作序列能稳定复现 bug，但不是每一步都必要。Delta 调试的做法是二分法递归：

1. 把 20 步对半分，先测前 10 步——能复现吗？能的话问题在前半段，丢弃后 10 步
2. 把剩下 10 步再对半分，测前 5 步……
3. 直到找到”去掉任何一步 bug 就不出现”的最小集合

复杂度在 O(n log n) 到 O(n²) 之间，取决于 bug 的”分布特征”。教程练习 2.5 给出了一个 20 步的序列，经过四轮二分，最终锁定最小复现集合为 [H, I, K, L, M] 五步。

因果链追踪

理解bug为什么发生。可以使用因果链模型：

触发条件 → 状态变化 → 错误传播 → 可见症状

看到的 bug 是”可见症状”：比如角色突然飞天。
但真正的根因可能在几层之前：某次状态切换时一个标志位没重置，然后这个错误状态被正常逻辑处理了，最后才在渲染层表现为异常坐标。

分层日志在这里是关键工具：

级别	查什么
FATAL	系统崩溃的直接原因
ERROR	异常被捕获的位置
WARNING	被降级处理的边缘情况
INFO	正常流程的节点记录
DEBUG	变量的中间值
TRACE	每一帧的精确状态

追踪 bug 时，从 ERROR 层入手，向下钻到 DEBUG/TRACE 去重建因果链。

确定性重放

“刚才还能复现，现在又不出现了”。
应对这种问题引入一个新概念：游戏状态是初始状态和所有输入的函数。

S_n = f(S_0, I_1, I_2, ..., I_n)

如果你能记录 S_0（初始状态：关卡、装备、属性值）和所有输入序列 I，理论上就能在任何时候完美重放。很多游戏引擎已经内置了重放系统（回放录像文件本质上就是这个原理），但测试环境往往要求更精细（包括随机种子的记录、网络包的时序等）。

教程列举了 8 个常见的复现陷阱：

1. 只在特定帧率下触发(帧率变化后消失)
2. 依赖内存中未初始化的值(重启后消失)
3. 竞态条件(只在特定线程调度下触发)
4. 缓存污染(清缓存后消失)
5. 浮点精度(只在特定硬件上触发)
6. 时间相关(只在服务器特定时间触发)
7. 账号状态残留(新建账号不可复现)
8. 多设备差异(只在特定配置上出现)

每个陷阱对应的调试技巧也不一样：二分法缩小范围、时光机调试（用保存的快照回退到关键帧）、差异对比（能复现和不能复现的环境到底差在哪）、最小化重现、假设验证（先猜一个根因再设计实验验证）。

---

五、实例分析

练习 2.2：等级系统的边界值分析

练习 2.2 某 RPG 游戏等级系统 1-100 级，经验公式 E(n) = 100n²。请设计边界测试，包括等级边界和经验值边界。

经验公式让边界测试多了一层维度。

等级边界直接用七点法：

测试点：0, 1, 50, 99, 100, 101
101是溢出边界相当于121 万经验值，刚好到达 100 级的临界点

• 1 级升 2 级需要 100×(2² - 1²) = 300 经验
• 99 级升 100 级需要 100×(100² - 99²) = 100×(10000-9801) = 19,900 经验

在 100 级时，经验值继续累加会发生什么？， 溢出不处理（经验条溢出显示）？截断（停在最大值）？回绕（数值超过存储上限变为负数）？

如果是 int32，121 万离 21 亿还很远；但如果是更大规模的经验系统（比如亿万级数值的放置游戏），溢出边界就可能被触及。

0 级。0 级不是正常的玩家状态，但可能在”删号重置”、”GM 指令”、”数据迁移异常”等场景出现。如果经验公式里 E(0) = 0，经验曲线在 0 处的行为需要单独验证。因为在某些公式里 E(0) 可能导致除零错误。

练习 2.3：从操作序列中找出机器人

练习 2.3 一段 12 步操作序列中，4 种操作分别出现 3/2/1/6 次。计算信息熵，判断是否是机器人在操作。

计算过程：

各操作概率：p1 = 3/12, p2 = 2/12, p3 = 1/12, p4 = 6/12

H = -(3/12 × log₂(3/12) + 2/12 × log₂(2/12) + 1/12 × log₂(1/12) + 6/12 × log₂(6/12))
  = -(0.25 × (-2.0) + 0.167 × (-2.585) + 0.083 × (-3.585) + 0.5 × (-1.0))
  = 0.5 + 0.431 + 0.299 + 0.5
  = 1.73 bits

4 种操作等概率分布时，最大熵约 2.0 bits。实际算出的熵偏离这个值，意味着分布不均，某种操作被过度重复疑似自动化脚本。

正常玩家的操作频率分布通常接近幂律（少数操作高频，多数操作低频），但不会达到极端程度。出现极端分布，大概率是bot。

练习 2.4：战斗状态机的全覆盖

练习 2.4 某格斗游戏有 6 种战斗状态：待机、攻击、受击、闪避、技能、死亡。设计状态转换测试，需要的测试用例数。

6 个状态，两两之间可能存在转换（包括自身转换，比如”技能→技能”表示连招）。理论转移总数是 6×6 = 36 条，但不是每条都有意义（比如”死亡→攻击”不存在）。

合理的有效转换矩阵大约是：

        待机  攻击  受击  闪避  技能  死亡
待机      ✓     ✓     ✓     ✓     ✓     -
攻击      ✓     ✓     ✓     ✓     ✓     ✓
受击      -     ✓     ✓     ✓     -     ✓
闪避      ✓     ✓     -     -     ✓     -
技能      ✓     ✓     ✓     ✓     ✓     -
死亡      ✓     -     -     -     -     -

粗略统计有效转换约 25-30 条。算上条件分支（攻击衔接窗口、技能冷却中、体力不足等），建议设计 25-30 个核心用例，覆盖：全部状态至少一次 + 全部有效转换 + 3-5 条高频路径的端到端验证。

这个数字看起来不高，但只是原子层。加上细节层（探索/战斗/对话切换）和宏观层（暂停/后台），组合起来就不小了。

练习 2.5：Delta 调试的实战演练

练习 2.5 以下 20 步操作能复现一个 bug，用 Delta 调试找出最小复现子集。

A B C D E F G H I J K L M N O P Q R S T

Delta 调试流程：

第 1 轮：测试前 10 步 [A-J]。假设不能复现——问题在后 10 步。

第 2 轮：把后 10 步 [K-T] 再二分，加前 5 步组成 [A-E, K-O]。假设不能复现——问题在 [P-T]。

第 3 轮：测试 [A-E, K-O, P-R] vs [A-E, K-O, S-T]。锁定到 [A-E, K-O, P-R]。

第 4 轮：在有问题的子集里继续收缩。最终锁定最小复现集合——教程给出的是 [H, I, K, L, M]。

不需要理解 bug 的原理就能找到复现集。它纯粹是算法化的排除法，但前提是已经有一个能稳定复现的”大集合”。
如果连稳定复现都做不到，那就得先回到因果链追踪，找到触发条件。

练习 2.8：风险评估矩阵

练习 2.8 对一个包含商城系统的 MMORPG，进行风险评估。要求按”概率 × 影响度”矩阵打分，并提出资源分配建议。

风险评估矩阵：

风险场景	概率	影响度	风险值
支付流程金额错误	中	极高	高
道具复制 bug	低	极高	中高
排行榜数据异常	中	中	中
UI 显示错误（不影响功能）	高	低	中低
字体渲染问题	高	极低	低
极端并发下服务器崩溃	低	高	中

教程的核心建议是：支付系统（高概率×高影响）应该吃掉 40% 的测试资源。这不是因为它最难测，而是它炸了代价最大。道具复制 bug 虽然概率低，但一旦出现影响是毁灭性的（经济系统崩溃），也应该分配约 20% 的资源做专项测试。

资源分配的最优策略不是”哪里容易出 bug 测哪里”，而是”哪里炸了损失最大测哪里”。这是一种风险驱动的思维。

---

六、四个方法论提炼

方法论一：时间盒思维

测试永远做不完。时间盒思维要求在有限时间内产出最具决策价值的信息，放弃追求完美覆盖。

具体做法：

• 每次测试前明确”宪章”，知道自己这 45 分钟要回答什么问题
• 复盘总结时可以用信息密度 D 判断效率，低于 0.5 就调整策略

方法论二：培养对临界点的直觉

可以按下面的问题自查：

1. 比最小值小 1 会怎样？
2. 比最大值大 1 会怎样？
3. 中间有没有隐式边界（浮点精度、数据结构限制、网络包大小）？

方法论三：bug链溯源

看到一个症状，回溯它的因果链。

看到的现象：角色在空中卡住
          ↓
直接原因：角色坐标.z 异常为 NaN
          ↓
中间状态：某次跳跃落地检测返回了 NaN
          ↓
触发条件：跳跃高度 = 0（在地面跳跃），且地形高度数据缺失

每一步都需要”假设→验证”的循环。

Delta 调试、分层日志、确定性重放，都是这个思维过程的工具。

方法论四：玩家视角

成就型玩家、探索型玩家、杀手型玩家会用完全不同的方式拆解游戏。

具体做法：为每种 Bartle 类型设计独立的测试宪章。测经济系统时，想象你是一个成就型玩家，你会最大化收益、找漏洞、研究最优路线。同一套系统，再想象你是一个杀手型玩家，你会找不给钱的途径、恶意交易、利用经济系统攻击其他玩家。

---

结语

“人工测试”远不止“点点点”。

---

下一章：自动化测试——脚本、机器人、CI 流水线中的测试策略。