一、引言：Gherkin 编写的「最后一公里」难题如果你曾经在敏捷团队中担任过 QA 工程师或测试开发，你一定对以下场景不陌生：产品经理扔过来一份 20 页的需求文档，或者 Jira 上一条只有一句话的 User Story——“用户可以通过手机号加验证码登录系统”。然后，你就得对着一个空白的.feature文件，从零开始构思 Given/When/Then 场景。这还只是开始。你需要覆盖正常路径、异常路径、边界条件、权限校验、并发场景……每一个维度都可能遗漏，每一次需求变更都可能推翻你刚刚写完的几十条用例。根据实际行业调研数据，人工编写测试用例平均每小时仅能完成 5-8 条，而约 30% 的异常场景会在人工设计中被遗漏。Behavior-Driven Development（BDD）的理念非常美好——用接近自然语言的 Gherkin 语法描述系统行为，让产品、开发、测试三方都能看懂并达成共识。但现实很骨感：写 Gherkin 场景本身就是一种认知负担。它要求编写者同时具备领域知识、测试设计经验和对 Gherkin 语法的熟练掌握，三者缺一不可。不过，这一切正在被 AI 改变。2025 年至 2026 年上半年，AI 驱动的 BDD 测试用例生成领域迎来了爆发式发展。从学术界的系统评测到工业界的工具落地，从 Jira 插件到独立 CLI 工具，从单模型生成到多 Agent 协作，一场围绕“让 AI 帮你写 Gherkin”的技术浪潮正在重塑整个 BDD 工作流。今天，我们就来全面拆解这个话题——利用