AI 可视化测试分层从字段规则到完整分析任务AI 数据分析链路的测试不能只看图表有没有画出来。先把自然语言请求拆成数据范围、图表意图和展示规则模型负责候选解释查询和渲染仍走受控接口。测试层次对应不同风险字段映射、聚合规则和图表参数适合用小数据表做单元测试查询接口与渲染组件的连接放到集成层。完整分析任务只选少量代表性请求核对解析出的指标、数据结果与最终图表。这样图表异常时能先判断是字段规则、查询契约还是渲染配置出了偏差。自然语言请求在哪一层落地自然语言请求经过解析后应得到可审查的数据范围、指标和图表配置。输入先校验外部查询保留超时和错误分类输出要能追到数据来源。不要把所有动作塞进同一个提示词或 notebook 单元格。可以先用下面这份检查单审阅一个最小任务自然语言请求是否解析成明确的数据范围、指标、维度和图表类型字段不存在、查询为空或接口超时时界面是否给出不同反馈图表中的数值、单位和筛选条件能否追到查询结果修改解析或渲染规则后固定分析任务是否仍得到同一口径的结果。如何验证而不是靠感觉判断测试数据应明确可公开使用避免复制真实敏感内容。每次缺陷修复补一个能复现问题的最小用例并确保断言检查结果而不只检查程序没有报错。每个失败用例记录请求文本、解析后的字段配置、脱敏查询摘要和渲染结果。先在字段规则或图表配置中缩小差异再只改对应层复测时同时检查数值和展示不能只看页面是否成功打开。判断标准一条分析任务能从字段规则测到最终图表并且错误能回到具体层测试分层才真正有用。