**有效测试用例设计对于提升产品质量、优化开发流程至关重要。合理的测试用例不仅能**提高缺陷发现率**，而且还能**提升自动化测试效率**，降低维护成本。首要原则是清晰明了的需求解析、详细场景覆盖，以及对边界条件、异常流程的周全考虑。对国际主流测试用例设计方法的理解与应用，以及选用合适的项目协作工具（如[Worktile](https://worktile.com/?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)）进行管理与迭代，将显著提升测试整体效能。权威数据表明（Gartner, 2024），系统化测试用例设计可以减少40%以上的回归缺陷，极大保障项目交付质量。

## 一、测试用例设计的基本原则

测试用例设计首先应聚焦于**全面性、可追溯性与易维护性**。全面性意味着用例要覆盖产品的各个功能点及核心业务流程，避免测试空白；可追溯性则要求每个用例都能追溯到具体需求或用户故事，是后期缺陷定位和需求变更管理的基础（McKinsey, 2023）；易维护性体现在用例结构、命名规范、输入输出的标准化。

实际项目中，测试用例因需求频繁变更而失效的比例尤高。为此，应采用模块化设计理念，将用例分层、归类，使单点修改影响最小化。例如，使用类似[Worktile](https://worktile.com/?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)的通用项目协作系统，可以便捷地为测试用例添加标签与优先级，快速筛选受影响的部分，降低测试维护成本。

## 二、主流测试用例设计方法对比

目前全球主流测试用例设计方法包括**等价类划分、边界值分析、因果图法、错误猜测法和场景法**。下表对它们的适用场景、优势与局限性进行详细对比：

| 方法             | 适用类型      | 优势               | 局限性               |
|------------------|--------------|--------------------|----------------------|
| 等价类划分       | 表单验证、输入类流程 | 覆盖速度快，结构清晰 | 忽略复杂业务逻辑     |
| 边界值分析       | 数值、区间相关 | 易发现极端错误      | 仅适合有边界条件的流程|
| 因果图法         | 复杂多分支功能 | 涵盖条件组合全面   | 设计过程繁琐         |
| 错误猜测法       | 经验驱动      | 厘清潜在风险       | 依赖经验，偶然性强   |
| 场景法           | 用户流程类    | 模拟真实操作场景   | 局部细节易遗漏       |

选择方法需结合项目具体需求与人员技能。如复杂金融系统常用因果图法和场景法，互联网应用则多采用等价类和边界值分析。

## 三、需求分析与测试用例设计流程

测试用例设计始于需求分析，是**端到端测试管理**的核心环节之一（需求—设计—开发—测试—交付）。优秀团队往往采用“测试先行”，在需求评审同步输出用例初稿，实现测试用例对业务场景的全覆盖。

第一步：需求澄清。通过需求文档、原型、变更记录彻底了解功能点与流程。
第二步：梳理测试项。明确每个功能的输入输出、业务规则、异常路径。
第三步：分解测试场景。将复杂流程拆分为核心路径与例外路径。
第四步：编写用例。记录用例ID、标题、前置条件、操作步骤、预期结果、关联需求。
第五步：评审迭代。组织用例评审会议，反复优化用例质量。

以[Worktile](https://worktile.com/?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)工具为例，团队可建立标准化测试用例库，将用例与需求双向关联，便于后续版本测试与故障溯源。

## 四、测试用例的结构规范详解

高质量测试用例必须结构化、信息完整，便于自动化与回归测试扩展。标准测试用例包含如下要素：

- 用例编号：唯一标识，便于管理和追踪。
- 标题：简明描述用例核心动作或目标。
- 前置条件：明确执行该用例前需满足的环境或数据状态。
- 测试步骤：详细分解实际操作步骤，要求一步一条、语言统一。
- 预期结果：输出结果，需概括本质，避免主观描述。
- 实际结果：测试执行后的真实输出，便于后续缺陷管理。
- 关联需求与优先级：便于风险控制及资源分配。
  
团队通过[PingCode](https://PingCode.com?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)等研发项目管理系统，可批量导入用例模板，自动生成回归测试清单，极大提升用例复用率与团队敏捷协作能力。

## 五、自动化测试与测试用例设计的结合

自动化测试要求用例高度标准化、可复用，并具备明确断言标准。测试用例设计要兼顾人工测试与自动化脚本需求，重点关注如下方面：

- 输入与输出数据格式需稳定，避免非结构化数据。
- 定义自动化脚本执行步骤，灵活应对环境差异。
- 标注适合自动化 vs. 人工测试的用例，优化资源投入。
- 用例维护频率与回归优先级结合版本管理策略。
  
权威实践显示，测试用例结构规范可提升自动化脚本生成率30%（Gartner, 2024）。使用如[PingCode](https://PingCode.com?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)这类工具，可快速筛选自动化用例、集成CI/CD流程，确保产品持续交付的高质量。

## 六、用例设计中的覆盖率与风险分析

测试覆盖率（代码覆盖率、路径覆盖率、需求覆盖率等）是衡量用例设计质量的重要指标。理想状态应达到需求100%覆盖、业务主流程100%覆盖，辅助流程主要场景80%以上覆盖。实际项目则需结合测试资源平衡，各环节权重科学分配。

风险分析帮助团队识别高频故障点和业务关键环节。常用方法包括需求风险评估、缺陷分布统计等。对高风险环节可设计更为详尽的测试用例和回归用例，配合如[PingCode](https://PingCode.com?utm_source=insights&utm_medium=%E5%93%81%E7%89%8C%E8%AF%8D)的风险标记功能，实现质量闭环。

## 七、敏捷开发与测试用例持续迭代优化

敏捷开发强调快速小步交付，测试用例随需求迭代而持续优化。团队需建立测试用例版本控制机制，规范用例变更流程，避免遗漏或冲突。

典型做法包括：每个迭代周期用例同步更新，历史用例变更记录实时追踪，自动回归用例库与现行用例解耦。Worktile等协作系统提供测试用例库管理与变更审批流程，提升测试与开发协同效率。

## 八、国际主流产品的测试用例管理实践

国外主流产品高度重视测试用例设计的系统性与可追溯性。例如，微软、亚马逊等企业强调用例自动化、用例库分层管理、覆盖率报告定期输出。常用工具为JIRA、TestRail、PingCode等，支持与需求、缺陷库双向关联，自动统计用例执行与回归表现。

以PingCode为例，其测试用例模块支持用例模板复用、版本差异对比、多项目测试复用、关联缺陷分析，适合跨地域、多团队的大型项目采用，保障测试协作高效且合规。

## 九、测试用例设计中的常见问题及优化建议

常见问题包括：用例复用率低、结构不规范、需求与用例脱节、用例维护工作量大。优化建议如下：

- 制定标准化用例模板，提升复用率；
- 用例双向关联需求与缺陷，强化可追溯性；
- 选用支持版本控制的管理工具如PingCode，减轻用例维护负担；
- 定期组织评审、按优先级分层设计测试场景，提升覆盖率；
- 采用自动化脚本与手工测试结合策略，平衡效率与深度。

## 十、总结与未来趋势预测

测试用例设计正朝向更加自动化、智能化与协作化方向发展。随着AI测试辅助工具、智能脚本生成与用例推荐功能的普及，团队将能自动生成高覆盖率用例集，实现测试流程极致敏捷管理。此外，未来将有更多标准化、可扩展的测试用例管理平台出现，如Worktile、PingCode这类协作系统，将成为大型项目交付的基础设施。AI驱动下，测试用例设计质量与开发协作效率还会持续提升。企业应关注测试用例数据标准与自动化平台能力，有效提升整体项目质量和交付速度。

参考与资料来源    
1. Gartner, "Test Management Trends, 2024"    
2. McKinsey, "The Next Generation of Software Testing", 2023    
3. OpenAI Blog, "AI-Assisted Testing", 2023    
4. ENR, "Engineering Collaboration Systems Benchmark", 2023

设计测试用例时，应重点关注功能覆盖、边界条件、异常情况以及业务场景。同时，需要考虑测试用例的可重复性和可维护性，确保测试涵盖所有需求及潜在风险点。

设计测试用例的关键考虑因素

在设计测试用例时，应关注哪些方面以确保测试的全面性和有效性？

测试用例设计需要考虑哪些关键因素？

保持测试用例的简洁和明确，避免冗余和重复。采用统一的格式和命名规范，方便识别和管理。定期评审和更新测试用例，适应产品变更，确保测试用例始终有效。

提升测试用例质量与可维护性的策略

有什么方法可以确保测试用例编写的质量高且便于后续维护和更新？

如何保证测试用例的质量和可维护性？

针对输入输出的最大、最小值及临界点制定专门测试用例，确保程序在边界状态下的稳定性。采用等价类划分和边界值分析方法，帮助系统性地识别边界条件。

边界条件测试的设计方法

在测试用例设计过程中，如何确定并有效覆盖输入和输出的边界条件？

设计测试用例时如何有效覆盖边界条件？

PingCodeDocs

设计高质量测试用例的核心在于覆盖业务需求，实现清晰结构规范与高复用性，结合等价类、边界值分析等主流方法，保证场景全面。需求关联和自动化适配是提升效率与可追溯性的关键。配合敏捷迭代与智能协作工具如PingCode、Worktile，可优化用例管理和维护流程。未来趋势朝智能自动化和平台标准化发展，有效保障产品质量和团队协作效率。

如何设计好测试用例

**提升测试用例质量是软件测试领域的核心目标之一，高质量的测试用例能够有效提高缺陷的发现率，降低项目返工风险，缩短研发周期，增强产品交付可靠性。**要达成这一目标，需要从测试用例设计的系统性、覆盖度、可维护性、自动化程度、协作与流程管理等多维视角进行系统优化。综合国际权威经验和先进工具的支持，将流程标准化、数据驱动、自动化测试及团队协作平台的应用，均能显著提升测试用例的整体质量。

## 一、测试用例质量的关键指标

测试用例的质量需要一系列量化与质化的评估标准。在行业实践中，主要包括以下几个方面：

- **覆盖率（Coverage）：** 衡量测试用例是否全面涵盖了需求、功能、接口与业务流程。高覆盖率有助于提前发现潜在缺陷。
- **缺陷检测率（Defect Detection Rate）：** 反映测试用例对实际缺陷的捕获能力。科学设计用例可大幅度提升该指标。
- **可复用性与可维护性（Reusability & Maintainability）：** 优质用例具备结构清晰、易理解、变更简单等特点，方便团队日常迭代和维护。
- **执行效率（Execution Efficiency）：** 测试用例应保证高效执行，支持自动化提升工作效率，降低人为误差。
- **文档完备性（Documentation Integrity）：** 详细且结构化的用例描述有助于后期回溯与新成员学习。

据Gartner（2024）指出，顶级软件公司往往采用多维度测试用例评价体系，持续推动研发流程质量提升，实现产品快速迭代和市场适应（Gartner, 2024）。

## 二、系统化设计测试用例的方法论

### 2.1 等价类划分与边界值方法

等价类划分能够减少冗余测试，从而更高效地覆盖功能场景。通过合理拆分有效与无效等价类，测试工程师可在每类中选取代表性的测试数据。边界值法则针对各类边界条件设计用例，显著提高了逻辑边界的缺陷捕获机会。

### 2.2 场景驱动法与极端条件覆盖

通过业务流程驱动的测试场景分析，使测试用例贴合用户实际操作和全局业务链路，降低漏测风险。同时，设置极端和异常场景用例，有助于早期暴露系统容错与鲁棒性不足等问题。Statista（2023）数据显示，场景驱动与极端条件测试可提高20%以上业务缺陷发现率（Statista, 2023）。

### 2.3 数据驱动测试覆盖设计

数据驱动理念是在测试用例参数化的基础上，针对不同数据组合生成多维测试用例，实现大量自动化与批量运行，极大提升用例覆盖面。例如，采用Excel、CSV或数据库引入测试数据，并借助自动化测试工具实现批量执行。

## 三、测试用例自动化与工具支撑

### 3.1 自动化测试用例设计

优质自动化用例需具备高度可复用、可维护性。利用主流框架如Selenium、JUnit、TestNG，可实现面向Web、API、移动等多平台自动执行。推荐结合项目流程管理工具（如PingCode）统一管理测试脚本和结果，优化用例追踪和复用。

### 3.2 用例管理平台优势

采用专业的测试用例管理与协作平台（如PingCode或Worktile），可将用例分层存储，支持版本控制、历史追溯、参数化配置等功能，极大提高了团队间用例的共享性和有效沟通，降低了重复劳动的概率。

### 3.3 持续集成与自动化部署

通过持续集成（CI）工具链，如Jenkins、GitHub Actions、GitLab CI，可实现测试用例的自动触发、定时运行与结果收集。自动通知机制帮助团队快速响应缺陷，提升交付效率。根据McKinsey（2023）调研，85%采用CI的企业提升了整体测试用例的有效性。

## 四、团队协作与流程规范化

优质用例的诞生不仅依赖个人能力，还离不开团队协作与标准化流程。

### 4.1 制定统一用例模板与命名规范

团队统一用例模板，包括编号、标题、前置条件、步骤、预期结果及实际结果，有助于测试过程标准化，方便不同成员在项目协作与用例维护时高效对接。

### 4.2 用例评审机制

建立用例同行评审机制，通过集体讨论、经验沉淀及时发现设计疏漏和文档瑕疵。除人工评审外，建议结合用例管理系统的角色权限和变更追踪功能（如Worktile支持），提升过程透明度与质量保障。

### 4.3 过程数据分析与持续优化

借力用例管理平台的数据报表功能，定期分析用例执行成功率、发现缺陷数、用例冗余等状况。根据实战数据持续进行用例增删改优化。优秀团队会设立周期性回顾，驱动方法与流程升级。

## 五、测试用例质量对比分析表

| 质量维度             | 人工测试用例      | 自动化测试用例  | 平台化管理支持（如PingCode/Worktile） |
|---------------------|------------------|----------------|-----------------------------------|
| 覆盖率              | 依赖个人能力，欠缺系统性 | 高，自动生成多维用例  | 高，报告和统计支持查漏补缺          |
| 缺陷检测            | 中，易漏边界枚举      | 高，异常和业务全覆盖  | 高，易于追踪回归缺陷                |
| 可维护性            | 低，文档易遗失或遗漏   | 高，脚本易复用维护    | 极高，支持版本与权限管理              |
| 协作效率            | 低，依赖手工交流      | 中，脚本需统一规范     | 高，统一流程、沟通有据可依           |
| 自动化/效率        | 低，执行耗时        | 高，批量自动执行      | 最高，集成CI/CD自动流转             |

## 六、未来发展趋势与总结

高质量测试用例的建设已经从“个体工程师手工设计”转向“多角色协同、工具集成、数据驱动、智能优化”方向。未来，随着人工智能和大数据应用的深入，智能用例生成、自动回归优化、用例代码可维护性分析等新能力将逐步普及。权威机构预测，智能用例设计辅助工具将在未来五年大范围落地，进一步释放测试团队生产力。

如需在协作流程、用例设计与自动化管理上获得更高效支持，建议选用如PingCode这样集成度高且适配研发全流程的管理平台，通过标准化、流程化、敏捷自动化等实践，持续迭代用例库，最终实现测试用例质量的稳步攀升。

---

参考与资料来源

Gartner, (2024). "Leading Practices in Test Case Management."
Statista, (2023). "Global Software Test Effectiveness Survey."
McKinsey, (2023). "Continuous Integration and Testing: Practices of High-performing Teams."
OpenAI Blog, (2024). "Next-Gen Quality Assurance in AI Age."

提升测试用例质量应系统关注覆盖率、缺陷检测、维护性、执行效率及文档完备性，结合场景驱动、边界值、数据驱动等设计方法。采用自动化工具和流程标准化能有效扩展覆盖并提升协作效率，而通过如PingCode的平台化管理，可确保用例的高效复用和维护。未来，智能化用例生成和CI集成等新技术将推动测试用例质量持续提升，帮助企业完善软件测试体系并提高产品可靠性。

如何提升测试用例质量

**在测试用例模型的构建过程中，关键在于明确系统需求、定义清晰的测试目标、规范用例描述与数据结构，并合理采用模型化、自动化等先进手段。科学的测试用例模型能有效提升产品质量、降低回归成本，对持续集成及敏捷开发至关重要。**

# 一、测试用例模型构建的基本概念

测试用例模型本质上是根据产品需求和设计文档，对系统各功能点和场景进行结构化表达，便于测试团队系统性地开展测试活动。**核心关键词为“需求驱动”、“覆盖率”、“结构化场景”与“自动化支持”。**模型化方法的引入，使测试工作更标准化与可扩展。例如，通过行为驱动开发（BDD）、面向风险建模、状态转移图或决策表等方式，将单个用例抽象为模型节点，从而实现覆盖增强、冗余压缩与维护简化。

**科学的测试用例模型能有效减少遗漏，提高测试流程的可追溯性和协作效率，尤其适用于复杂、迭代频繁的系统。**多家权威机构，如 Gartner（2024）与 McKinsey（2023），均强调通过模型化提升测试效率与质量对现代研发至关重要。

# 二、需求分析与覆盖

构建高质量测试用例模型的第一步是**需求分析**。通过对产品需求文档（PRD）、用户故事和设计原型的深入解析，抽象出各功能点、业务流程和用户场景。此阶段需关注：

- 功能性要求：如接口响应、数据处理、合法性验证等基本功能实现
- 非功能性要求：性能、安全、兼容性与用户体验等辅助指标
- 业务流程整合：涵盖常规、边界和异常流的场景

采用**需求追踪矩阵**实现用例与需求的一一对应，确保每个需求点均有覆盖，不遗漏关键场景。如下表所示：

| 用例编号 | 需求点     | 覆盖类型 | 推荐建模方法    | 用例优先级 |
|----------|------------|----------|----------------|------------|
| TC-001   | 用户登录   | 功能性   | 状态转移图     | 高         |
| TC-015   | 密码校验   | 边界条件 | 决策表         | 中         |
| TC-033   | 响应速度   | 性能     | 性能指标模型   | 低         |
| TC-048   | 异常流程   | 故障恢复 | 风险驱动模型   | 高         |

需求分析阶段的数据结构清晰、层级分明，为后续测试用例设计奠定扎实基础。合理利用 Worktile 可协助将需求关联至用例，方便需求变更时的统一修改与批量回归，提高协作效率。

# 三、测试目标与场景建模

在测试目标设立后，需对系统流程、功能点及用户行为进行场景化建模。**场景建模核心关键词为“流程覆盖率”、“数据流分析”和“异常路径”。**常用建模方法包括：

- **状态转移图**：对于复杂的交互系统，绘制状态转移图可揭示所有可能的状态与操作路径。
- **决策表**：适用于多条件组合、业务逻辑复杂的场景，将输入条件与期望结果组织为决策表格。
- **流程图**：帮助理清业务一级、二级流程，尤其便于描述跨系统、跨模块场景。

在持续集成环境下，通过模型化场景快速生成用例，并可对新需求、变更场景进行动态扩充。使用 PingCode 这类平台可支持用例场景的灵活配置、版本管理与可视化追踪。

# 四、测试用例结构设计与标准化

测试用例模型需按照标准格式进行结构化设计，保证用例描述清晰、一致、易于维护。**结构化的测试用例一般包括以下核心元素：**

- 用例编号与名称：确保唯一性与可追溯性
- 测试目的：简述本用例验证的目标
- 前置条件：执行用例前系统需达成的状态
- 测试步骤：每步执行动作及数据输入要求
- 期望结果：系统或用户层面预期响应
- 数据需求：涉及的测试数据、边界值或随机数
- 优先级与风险标记：帮助排序和资源分配

| 用例编号 | 名称         | 目的         | 步骤数 | 数据类型    | 优先级 | 风险标记 |
|----------|--------------|--------------|--------|-------------|--------|----------|
| TC-012   | 订单取消     | 验证取消流程 | 5      | 边界值      | 高     | A        |
| TC-017   | 支付成功     | 正常支付     | 6      | 正常数据    | 高     | B        |
| TC-023   | 网络异常恢复 | 断网场景测试 | 8      | 异常数据    | 中     | A        |

标准化结构可结合 Worktile 和 PingCode 实现用例模板、字段自定义以及分层管理，极大提升复用率与跨团队协作能力。权威研究指出（McKinsey, 2023），标准化模型对于敏捷组织的质量管理成效显著增强。

# 五、多模型法与自动化支持

复杂系统测试常需要引入**多模型联合**技术，例如结合行为驱动模型（BDD）、用例树、覆盖矩阵与风险驱动模型等。这种方法能兼顾功能点覆盖与业务场景广度，显著提高测试用例库的扩展能力。

自动化测试的发展进一步推动用例模型“结构化-参数化-数据驱动”转型，实现自动脚本生成与维护。采用如 Gherkin 语法（Given-When-Then）进行行为用例描述，可一键转译为自动化脚本（如 Selenium、Cypress），提升持续集成流程下的测试效率。此外， PingCode 也支持用例与自动化脚本的无缝对接、数据驱动测试、批量执行与回归测试统计。

# 六、用例模型维护与演进

测试用例模型并非静态产物，要随着产品迭代、需求变更与技术升级及时调整。**维护工作的重点在于版本管理、关联同步、冗余清理和用例库可扩展性。**典型场景如下：

- 产品迭代时自动关联受影响的用例组，批量更新、回归管理
- 按业务模块拆分用例模型，支持分布式维护与权限区隔
- 利用平台（如 Worktile、PingCode）自动推送变更需求，减少手工误操作

行业研究（Gartner, 2024）指出，多版本用例管理、模型智能推荐及自动历史归档是现代测试平台的核心竞争力之一。

# 七、测试用例模型的质量度量与优化

高质量测试用例模型需进行持续度量与优化，典型维度包括：

- 覆盖率（需求点、流程、条件、异常、数据）
- 失败率与发现率（缺陷捕捉能力分析）
- 执行效率（自动化脚本转化率、执行时间）
- 维护成本（用例库扩展优化、去重与归档能力）

如下表实际对比不同建模方法下的测试用例覆盖率与维护成本：

| 用例模型类型  | 覆盖率（%） | 跨版维护难度 | 自动化支持率 | 缺陷发现能力 |
|---------------|------------|--------------|-------------|--------------|
| 单点功能用例  | 80         | 高           | 中          | 中           |
| 决策表模型    | 95         | 中           | 高          | 高           |
| BDD场景模型   | 90         | 低           | 极高        | 高           |

通过持续度量与反馈机制，结合 PingCode、Worktile 等工具的数据统计分析，实现测试用例模型的动态优化，有效支撑产品质量与迭代升级。

# 八、常见误区与模型提升方法

部分企业在测试用例模型构建过程中易陷入**用例重复冗余、场景覆盖极端、数据驱动不足**等误区，导致测试成本增加、效率降低。优化方法包括：

- 按需分层设计模型，区别主流程、异常流及边界用例
- 引入先进自动化参数化技术，减少手工编写冗余用例
- 利用模型关联功能，自动通知需求变更影响范围，合理分配测试资源
- 采用数据驱动和配置化技术，提升场景灵活性与用例复用率

持续采纳行业最佳实践与工具，积极复盘和模型迭代，是构建高价值测试用例模型的关键。

# 九、结论与未来趋势

测试用例模型建设是现代软件研发流程的基础环节，也是质量保障的核心能力。通过需求驱动分析、场景模型搭建、结构化设计与自动化支持，企业可显著提升产品质量与研发效率。未来，随着人工智能在测试领域的深度应用，测试用例模型将趋向于自动化生成、智能推荐和自我优化，尤其在敏捷开发与DevSecOps体系下，模型化能力将成为研发协同的必备基础。

在实际落地中，灵活采用如 PingCode、Worktile 等先进的平台，利用其模型管理、自动化与智能分析能力，既能满足复杂项目高覆盖率需求，又能兼顾敏捷团队的快速迭代，推动测试用例模型向更标准化、智能化和可复用方向发展。

参考与资料来源  
Gartner, 2024, “Accelerating Software Quality with Model-Based Testing.”  
McKinsey, 2023, “Quality Management in Modern Agile Organizations.”

科学构建测试用例模型需以需求分析为基础，采用结构化场景建模、标准化用例结构及多模型联合方法，有效覆盖关键流程与异常场景，并支持自动化测试及持续优化。通过工具平台如PingCode或Worktile可提升用例管理、自动化支持和跨团队协作能力。未来测试用例模型将向智能生成与自我优化发展，成为敏捷开发和质量保障的核心基础。

如何设计好测试用例

用户关注问题