从需求到可执行回归：AI 测试用例平台生成 Excel，用例资产串联自动化执行

Ayin
0 阅读2分钟

0. 先看效果

image.png

1. 背景：我为什么需要“用例生产线”

移动端/接口测试里，用例经常卡在两头：

  • 上游：需求、接口文档、产品截图很多，人工整理慢、容易漏

  • 下游：就算写成文档，用例也难以成为“能执行的资产”，回归依赖经验与口口相传 我的目标是把用例变成 标准化资产 ：

  • 能从多种输入快速生成（效率）

  • 能导出成 Excel（评审/沉淀/协作）

  • 能被自动化消费（落地）

2. 平台做什么：输入、输出、质量控制

2.1 我支持的输入

  • 需求文本 / PRD 片段
  • 图片（页面截图、流程截图）
  • PDF（测试说明/需求评审稿）
  • OpenAPI / 接口文档
  • 输入示例截图（脱敏）： image.png

2.2 输出是什么

  • 流式生成：边生成边可见（便于改 prompt / 及时纠偏）
  • 结构化用例：用例标题、优先级、前置条件、步骤、预期结果
  • 一键导出：Excel（核心交付形态）
  • 生成过程截图（脱敏）：

image.png

  • Excel 导出截图（脱敏）：

image.png

3. 我怎么保证“生成的用例可用”

  • 生成时强约束用例字段：每条用例必须包含【前置/步骤/预期】，步骤可落到可执行粒度
  • 统一口径：步骤用动词开头（点击/输入/滑动/校验…），预期强调可观察结果
  • 兼容评审：Excel 里可直接增删改，平台不锁死格式

4. 资产形态：为什么我选择 Excel 作为交付

  • Excel 对团队最友好：评审、打标（smoke/regression）、补充边界场景都方便
  • Excel 是“资产层”，不是“执行层”

5. 串联落地

5.1 Excel → JSON（执行入口统一）

在 UI 自动化项目中，我会把平台导出的 Excel 转成标准 JSON：

python .\airtest_poco_case_template.py --excel-to-json .
\test_cases2.xlsx --out .\cases_from_excel.json

image.png

  • 报告/录屏产物截图（脱敏）：

image.png

6. 价值总结

  • 把多源输入快速收敛为结构化用例：提升用例产出效率与一致性
  • Excel 交付便于评审沉淀：用例成为团队资产
  • 串联执行闭环：用例不止“能看”，还能“能跑”
  • AI 输出落到定位与断言：减少手工补脚本成本（尤其是回归前的补齐工作）

7. 相关链接

avatar
文章
阅读
粉丝