一、AI背景

人工智能生成內(nèi)容（AIGC，AI-Generated Content）技術(shù)的快速發(fā)展正在改變內(nèi)容生產(chǎn)的方式，并逐漸滲透到各個(gè)行業(yè)，例如：在自媒體平臺(tái)自動(dòng)編寫(xiě)文案并發(fā)布，快速分析數(shù)據(jù)，寫(xiě)小說(shuō)，畫(huà)漫畫(huà)等。強(qiáng)大的文本生成能力已經(jīng)實(shí)現(xiàn)了生產(chǎn)力超過(guò)生產(chǎn)資料，提供了更加高效的生產(chǎn)力，將AI引入到工作中成為發(fā)展的方向。

目前公司編寫(xiě)測(cè)試用例為人工編寫(xiě)，存在手工編寫(xiě)用例的普遍痛點(diǎn)，例如：重新編寫(xiě)，費(fèi)時(shí)費(fèi)力，邊界遺漏，兼容遺漏等。AI擁有自動(dòng)生成文本并快速整合的能力，以AI輔助功能用例編寫(xiě)成為推動(dòng)行業(yè)創(chuàng)新和效率提升的關(guān)鍵點(diǎn)。

AI編寫(xiě)用例的優(yōu)點(diǎn)：

※  效率提升

AI可以快速生成大量測(cè)試用例，顯著減少人工編寫(xiě)所需的時(shí)間，提升整體測(cè)試效率。

※  測(cè)試覆蓋提升 

AI能夠自動(dòng)識(shí)別潛在的測(cè)試場(chǎng)景和邊界條件，從而提高測(cè)試覆蓋率，確保更全面的檢測(cè)。

※  一致性和準(zhǔn)確性提升

AI生成測(cè)試用例具有較高的一致性和易理解性，減少人為錯(cuò)誤，增強(qiáng)測(cè)試的可靠性和準(zhǔn)確性。

AI熱詞：

圖片

二、設(shè)計(jì)方案

本部分介紹使用AI編寫(xiě)測(cè)試用例的的設(shè)計(jì)方案，包括使用流程和架構(gòu)圖。

AI編寫(xiě)用例流程圖：

圖片

AI編寫(xiě)用例架構(gòu)圖：

圖片

三、設(shè)計(jì)核心介紹

本部分介紹如何使用AI輔助生成功能用例，詳細(xì)講解了從PRD文檔->測(cè)試點(diǎn)->測(cè)試用例->Xmind用例->使用采納，整條鏈路的核心設(shè)計(jì)與實(shí)現(xiàn)。

PRD文件解析器

平臺(tái)支持飛書(shū)PRD文檔中文本、多維表格、電子表格內(nèi)容的解析，暫不支持對(duì)圖片、流程圖解析。文檔讀取分為6個(gè)步驟，分別為：獲取飛書(shū)token、獲取用戶token、獲取文件block列表、Table表格解析、電子表格解析、解析結(jié)果組裝。以下主要介紹解析部分內(nèi)容：

結(jié)構(gòu)組成設(shè)計(jì)：

圖片

實(shí)現(xiàn)方案詳情

※  飛書(shū)文檔讀取

圖片

圖片

※  Table的提取與sheet表格的提取

• Table提?。禾崛”砀襁^(guò)程中需要將表格相關(guān)的塊與子塊關(guān)聯(lián)綁定，遞歸解析所有的數(shù)據(jù)。并根據(jù)第一行各字段的長(zhǎng)度<20做是否為表頭判定，默認(rèn)第一行為表頭信息。
• sheet提?。涸陲w書(shū)表格提取過(guò)程中需要使用多個(gè)遞歸，分別獲取表格所有內(nèi)容與元素

圖片

※  AI解析PRD文檔：

• PRD解析：通過(guò)與AI交互將文本內(nèi)容解析為：需求關(guān)鍵字、測(cè)試背景、測(cè)試需求詳情三部分，并按照特定字段將數(shù)據(jù)存儲(chǔ)。
• 結(jié)構(gòu)設(shè)計(jì)：

PRD解析結(jié)構(gòu)設(shè)計(jì)

圖片

核心代碼邏輯：

圖片

※  獲取關(guān)聯(lián)測(cè)試需求業(yè)務(wù)背景：

• 根據(jù)PRD解析關(guān)鍵字信息匹配最相關(guān)的測(cè)試用例模塊，使用向量和關(guān)鍵字雙權(quán)重對(duì)RAG模塊做測(cè)試用例提取：

1. keyword_weight:0.3
2. vector_weight:0.7
3. 同時(shí)設(shè)置AI模型準(zhǔn)確度為0.85

• 匹配過(guò)程中分別針對(duì)不同的關(guān)鍵字，從RAG數(shù)據(jù)中提取熱度最高的3個(gè)測(cè)試模塊，合并后提取所有模塊中熱度最高的三個(gè)模塊作為業(yè)務(wù)歷史背景。
• RAG提取架構(gòu)設(shè)計(jì)

圖片

• 核心代碼邏輯

圖片

模型設(shè)計(jì)

圖片

測(cè)試點(diǎn)生成器

測(cè)試點(diǎn)生成器為AI生成用例的核心，實(shí)現(xiàn)PRD到測(cè)試點(diǎn)的轉(zhuǎn)換。生成過(guò)程中結(jié)合需求背景、關(guān)鍵字、需求詳情、業(yè)務(wù)背景、測(cè)試分析等信息作為業(yè)務(wù)背景，以更準(zhǔn)確的生成測(cè)試用例。核心結(jié)構(gòu)如下：

結(jié)構(gòu)組成設(shè)計(jì)

圖片

實(shí)現(xiàn)方案詳情

圖片

圖片

模型設(shè)計(jì)

圖片

測(cè)試用例生成器

測(cè)試用例生成器為AI用例生成器，負(fù)責(zé)將AI測(cè)試點(diǎn)轉(zhuǎn)換為Xmind測(cè)試用例，主要實(shí)現(xiàn)兩個(gè)功能，第一步將AI測(cè)試點(diǎn)轉(zhuǎn)換為markdown結(jié)構(gòu)的測(cè)試用例，包括用例名稱、前置條件、執(zhí)行步驟、期望結(jié)果等。第二部負(fù)責(zé)將第一步測(cè)試用例轉(zhuǎn)換為Xmind結(jié)構(gòu)。

實(shí)現(xiàn)方案詳情

※  測(cè)試點(diǎn)解析生成markdown格式用例：

生成markdown格式用例：

圖片

解析結(jié)果

※  AI markdown格式轉(zhuǎn)換為Xmind結(jié)構(gòu)用例

轉(zhuǎn)換Xmind結(jié)構(gòu)：

圖片

生成結(jié)果

圖片

模型設(shè)計(jì)

圖片

知識(shí)庫(kù)搭建

LLM大模型有通用的推薦能力，針對(duì)公司業(yè)務(wù)場(chǎng)景是無(wú)法準(zhǔn)確識(shí)別相關(guān)功能的，針對(duì)“最后一公里”問(wèn)題，平臺(tái)使用搭建測(cè)試用例知識(shí)庫(kù)的方式，以提升推薦準(zhǔn)確度。

平臺(tái)會(huì)以歷史測(cè)試用例與業(yè)務(wù)需求文檔作為歷史業(yè)務(wù)背景。在推薦功能用例過(guò)程中自動(dòng)匹配歷史業(yè)務(wù)背景，以提升推薦準(zhǔn)確度。

知識(shí)庫(kù)搭建

※  知識(shí)庫(kù)涉及范圍

圖片

※  實(shí)現(xiàn)方案詳情

• Xmind測(cè)試用例轉(zhuǎn)換知識(shí)庫(kù)

圖片

• 業(yè)務(wù)文檔轉(zhuǎn)換知識(shí)庫(kù)

圖片

※  模型設(shè)計(jì)：

•   測(cè)試用例轉(zhuǎn)換文本AI模型

•   業(yè)務(wù)文檔轉(zhuǎn)換業(yè)務(wù)文檔模型

四、實(shí)現(xiàn)結(jié)果展示

圖片

圖片

圖片

圖片

五、總結(jié)

目前平臺(tái)側(cè)已經(jīng)實(shí)現(xiàn)自動(dòng)生成功能用例的功能，實(shí)現(xiàn)了從 PRD自動(dòng)解析->測(cè)試點(diǎn)生成-> Xmind用例生成->同步平臺(tái)的完整流程。可以一定程度上提升用戶編寫(xiě)用例效率。