AI 自动化测试用例生成平台

上传需求文档（PDF / Word），平台自动解析 → 结构化需求 → 按测试点生成覆盖全面的测试用例 → 一键导出 Excel。

个人测试提效工具：把需求文档丢进去，几分钟内拿到结构化、可追溯、可直接执行的测试用例清单。

✨ 功能特性

• 多格式解析：支持 PDF（PyMuPDF）与 Word（python-docx），统一输出纯文本
• 智能分块：基于 langchain-text-splitters 递归分块，保留语义边界
• 需求结构化：一次 LLM 调用归纳出「模块 → 功能点」清单，界面可勾选生成范围
• 测试点驱动生成：先列出覆盖正常 / 异常 / 边界的测试点，再逐点批量生成用例，不约束条数，尽量覆盖完全
• 多模型可切换：
  • 🟢 智谱 GLM（默认，免费额度）— glm-4-flash
  • 🔵 通义千问（DashScope）— qwen-plus
  • 🟡 Mock 模式（离线演示，无需 API Key）
• 用例字段：用例编号 / 所属模块 / 用例名称 / 前置条件 / 测试步骤 / 预期结果 / 优先级(P0·P1·P2) / 用例类型 / 是否自动化
• 交互式编辑：生成后可在表格里直接增删改，再导出
• Excel 导出：openpyxl 生成，多步骤自动换行、自动编号 TC001…

🧱 技术栈

层	技术
解析	PyMuPDF、python-docx
分块	langchain-text-splitters
大模型	智谱 GLM / 通义千问（OpenAI 兼容模式）
生成编排	Python（并发生成，线程池加速）
界面	Streamlit
导出	openpyxl

阶段一不做 FastAPI：核心能力封装在框架无关的 core/ 包，Streamlit 直接 import 调用，后续可平滑包一层 API 对外服务。

📁 目录结构

.
├── core/                  # 框架无关的核心能力
│   ├── parse.py           # PDF / Word 解析
│   ├── chunk.py           # 递归分块
│   ├── llm.py             # LLM 抽象层（智谱 / 通义 / Mock）
│   ├── structure.py       # 需求结构化（模块/功能点）
│   ├── generate.py        # 测试点列举 + 用例批量生成
│   ├── export.py          # Excel 导出
│   └── retriever.py       # 检索器接口（Chroma 预留，阶段一未启用）
├── ui/
│   └── app.py             # Streamlit 交互界面
├── uploads/               # 上传的需求文档（已 gitignore，模板除外）
├── outputs/               # 导出的 Excel（已 gitignore）
├── docs/adr/              # 架构决策记录
├── build_template.py      # 生成「需求规格说明书模板.docx」
├── test_smoke.py          # 端到端冒烟脚本
├── requirements.txt
├── .env.example           # 环境变量样例（复制为 .env 填 Key）
└── CONTEXT.md / PLAN.md   # 需求术语表与实现计划

🚀 快速开始

1. 安装

python -m venv venv
source venv/bin/activate        # Windows: venv\Scripts\activate
pip install -r requirements.txt

2. 配置模型

复制环境变量样例并填入你的 Key：

cp .env.example .env

.env 内容（不要提交，已在 .gitignore）：

LLM_PROVIDER=zhipu                       # zhipu | qwen | mock
ZHIPU_API_KEY=你的智谱Key               # https://open.bigmodel.cn
ZHIPU_MODEL=glm-4-flash                  # 智谱模型名
DASHSCOPE_API_KEY=你的通义千问Key        # https://dashscope.console.aliyun.com
DASHSCOPE_MODEL=qwen-plus                # 通义模型名
USE_MOCK=0                               # 1=离线演示（无需 API Key）

默认用智谱 GLM 免费额度，注册即送，无需充值。

3. 启动

streamlit run ui/app.py --server.port 8502

打开 http://localhost:8502。

端口说明：示例用 8502 是为了避免与同机其他 Streamlit 项目（占用 8501）冲突；默认 8501 也可，按需调整。

📖 使用流程

1. 上传需求文档（PDF / Word）
2. 解析预览：查看识别的文档字数、分块数
3. 需求结构化：AI 归纳「模块 → 功能点」清单
4. 勾选范围：选择要生成用例的模块 / 功能点，配置用例类型（功能 / 异常 / 边界）
5. 生成：并发调用大模型，进度条实时显示；可同时勾选「Mock 模式」离线试跑
6. 编辑：在表格里增删改用例
7. 导出 Excel：下载结构化测试用例表

📝 需求文档怎么写效果更好

平台按「模块 → 功能点 → 业务规则」理解需求。规则、阈值、状态流转写得越具体，生成的边界 / 异常用例越准。可直接用仓库里的模板上手：

python build_template.py     # 生成 uploads/需求规格说明书模板.docx

⚠️ 安全

• .env（含 API Key）、uploads/*、outputs/*、.workbuddy/ 均已加入 .gitignore，不会入库
• 请勿把真实 Key 提交到任何仓库或粘贴到公开场合
• 推荐在环境变量 / .env 中管理密钥，而非硬编码

🗺️ 演进方向

• 阶段二：启用 core/retriever.py 的 Chroma 检索增强，支持多文档 / 长文档知识库式复用
• 可选：包一层 FastAPI，提供命令行批量生成与远程调用
• 可选：接口 / UI / 性能类用例的专项生成（需补充接口契约或页面结构作为输入）