前言
在敏捷开发的快节奏迭代中，测试用例编写与自动化脚本开发，是所有研发团队都绕不开的高频痛点：
- 产品迭代速度快，需求变更频繁，手动编写测试用例的速度完全跟不上迭代节奏，大量回归测试场景遗漏，线上故障频发；
- 手动编写用例极易出现场景覆盖不全的问题，正常流程用例重复冗余，异常场景、边界场景、并发场景却大量缺失，测试有效性大打折扣；
- 单元测试、接口自动化脚本开发属于重复机械性工作，占用开发与测试工程师大量核心工作时间，人力成本极高；
- 不同测试场景需要不同的大模型能力，想要同时适配 PRD 文档解析、代码理解、多模态原型识别，需要对接多个厂商的 SDK、申请多套密钥、维护多套适配逻辑，开发与维护成本极高；
- 传统用例生成工具只能匹配固定规则，无法理解复杂业务逻辑，生成的用例可用性极低，无法直接落地到测试流程中。
本文就带大家从零开发一款生产级可用、全场景覆盖、高度可定制的 AI 自动化测试用例生成工具，全程代码可直接复制运行，基于 4SAPI 的全量模型兼容能力，一次接入即可调用最新的 GPT-5.4、Gemini 3.1 Pro、Claude 4.6、DeepSeek-V4 Lite、Qwen3.5-Plus 等所有主流大模型，无需单独对接多个厂商，国内直连无网络障碍，一键实现功能测试 / 接口测试 / 单元测试全场景用例生成，自动输出标准化用例文档与可直接运行的自动化脚本，新手也能快速落地。
一、技术选型与核心功能设计
1.1 核心技术栈选型
为保证工具的轻量化、跨平台兼容性与企业级落地能力，本次开发选用全平台通用的 Python 技术栈，无复杂依赖，Windows/Mac/Linux 全平台适配，可无缝集成到 DevOps 流程与测试管理平台中：
-
核心开发语言：Python 3.10+，全平台兼容，测试生态完善，是自动化测试领域的主流开发语言
-
核心能力底座：4SAPI 兼容 OpenAI 全量接口规范的大模型网关，100% 兼容官方 SDK，一套密钥即可调用全球所有主流大模型，国内直连无网络波动问题
-
核心依赖库：
openai（官方 SDK，与 4SAPI 无缝兼容）、python-dotenv（环境变量管理）、pandas（测试用例表格生成）、PyYAML（接口文档解析）、jinja2（自动化脚本模板渲染）、python-docx（PRD 文档读取） -
核心模型适配（基于 4SAPI 一键接入）
表格
模型名称 核心适配测试场景 不可替代的核心优势 GPT-5.4 复杂业务场景功能测试用例、系统集成测试用例设计、全链路场景覆盖 全局业务视野强，对复杂系统的业务逻辑理解深度高，能输出符合行业测试最佳实践的用例，覆盖全量业务场景与风险点 Claude 4.6 超长 PRD 产品需求文档解析、跨模块业务流程测试用例设计、全量回归测试用例生成 超长上下文窗口支持，可完整加载上百页的需求文档做全量解析，跨模块业务关联分析能力极强，细节把控无遗漏 Gemini 3.1 Pro 产品原型图 / UI 设计稿解析、前端交互测试用例生成、多模态需求落地校验 多模态能力行业顶尖，可直接解析原型图、设计稿，精准还原产品需求，生成贴合前端交互场景的测试用例 DeepSeek-V4 Lite 单元测试代码生成、单接口测试用例设计、简单功能快速用例输出 代码理解能力专精，响应速度快，调用成本低，完美适配单文件、单接口的轻量化测试用例生成场景 Qwen3.5-Plus 中文 PRD 深度解析、国产化系统测试用例、等保合规测试用例、团队自定义规范落地 中文语义理解能力拉满，完美适配国内研发团队的测试规范与合规需求，支持高度自定义的用例模板与评审标准
1.2 核心落地功能
我们的工具将覆盖研发全流程的测试用例生成需求，所有功能开箱即用，高度可定制，完美适配个人开发者与企业测试团队的需求：
- PRD 文档功能测试用例生成：支持 Word/TXT 格式的产品需求文档解析，自动生成标准化功能测试用例，覆盖正常流程、异常流程、边界条件、性能兼容、安全合规全维度场景
- 接口自动化测试用例生成：支持 Swagger/OpenAPI 接口文档解析，自动生成接口测试用例，同时输出可直接运行的 Python+pytest 自动化测试脚本，覆盖参数校验、异常返回、权限校验、并发场景
- 代码单元测试用例生成：支持 Python/Java/Go/JS 等主流开发语言，自动解析代码逻辑与分支场景，生成可直接运行的单元测试代码，覆盖全量分支、异常处理、边界条件
- 多模型智能分工生成：根据测试场景、文档大小、业务复杂度，自动调度对应最优模型，也可并行调用多模型做交叉补充，避免测试场景遗漏，提升用例覆盖率
- 标准化用例导出：一键导出 Excel/Markdown/CSV 格式的测试用例，完美适配禅道、Jira、TestLink 等主流测试管理平台，可直接导入使用
- 团队自定义规范适配：支持自定义用例模板、测试优先级规则、场景覆盖标准、自动化脚本编码规范，完美适配团队内部的测试流程与管理要求
二、前置开发准备
2.1 环境搭建与依赖安装
首先确保本地已安装 Python 3.10 及以上版本，执行以下命令验证版本：
bash
运行
python --version
版本确认无误后，创建项目文件夹并安装所需全量依赖：
bash
运行
# 创建项目目录
mkdir 4sapi-test-case-generator && cd 4sapi-test-case-generator
# 安装核心依赖
pip install openai python-dotenv pandas openpyxl pyyaml jinja2 python-docx
2.2 4SAPI 接口配置
本次开发的核心能力完全基于 4SAPI 实现，它不仅 100% 兼容 OpenAI 官方 SDK，原有业务代码零修改即可无缝迁移，还能一次接入上文所有最新版本的大模型，无需单独申请每个厂商的密钥、无需维护多套 SDK、无需处理跨境网络问题，国内直连即可稳定调用所有模型，大幅降低开发与维护成本。
配置步骤如下：
- 访问 4SAPI 平台完成账号注册与登录，进入控制台「API 密钥管理」模块，生成专属 API Key（密钥仅展示一次，生成后请妥善保管，切勿泄露到公开代码仓库）
- 在项目根目录创建
.env环境配置文件，避免密钥硬编码，符合研发安全规范 - 在
.env文件中写入以下核心配置：
env
# 4SAPI国内直连统一接入地址，无需代理即可稳定访问所有主流大模型
OPENAI_BASE_URL=https://4sapi.com/v1
# 4SAPI控制台生成的专属API密钥，一套密钥即可调用全量最新模型
OPENAI_API_KEY=sk-替换为你自己的4SAPI密钥
# 用例生成默认使用的基础模型，可根据需求自由切换
DEFAULT_MODEL=GPT-5.4
# 生成内容温度值，0.1-0.2适合测试用例生成场景，保证输出严谨性与场景覆盖全面性
TEMPERATURE=0.1
三、工具核心代码开发
我们延续模块化的开发思路，每个功能独立封装，便于后续扩展与维护，所有代码均符合 Python 开发规范，注释清晰，可直接复制运行。
3.1 全局客户端初始化与基础配置
在项目根目录创建test_case_generator.py核心入口文件，首先完成环境配置加载、4SAPI 客户端初始化与通用工具函数封装：
python
运行
import os
import json
from pathlib import Path
from dotenv import load_dotenv
from openai import OpenAI
import pandas as pd
from docx import Document
import yaml
from jinja2 import Template
# 加载.env环境配置
load_dotenv()
# 初始化4SAPI客户端，100%兼容OpenAI官方SDK，一套密钥调用全量最新模型
client = OpenAI(
api_key=os.getenv("OPENAI_API_KEY"),
base_url=os.getenv("OPENAI_BASE_URL"),
)
# 全局常量配置
DEFAULT_MODEL = os.getenv("DEFAULT_MODEL", "GPT-5.4")
TEMPERATURE = float(os.getenv("TEMPERATURE", 0.1))
# 支持的代码语言与后缀映射
SUPPORTED_LANGUAGES = {
".py": "Python",
".java": "Java",
".go": "Go",
".js": "JavaScript",
".ts": "TypeScript"
}
# 测试用例标准字段，适配主流测试管理平台
STANDARD_TEST_CASE_FIELDS = [
"用例ID", "用例名称", "所属模块", "测试优先级", "测试类型",
"前置条件", "测试步骤", "预期结果", "实际结果", "测试状态", "备注"
]
# 多模型能力映射，根据场景自动调度最优模型
MODEL_CAPABILITY_MAP = {
"functional_test": "GPT-5.4",
"long_prd_parse": "Claude 4.6",
"prototype_parse": "Gemini 3.1 Pro",
"unit_test": "DeepSeek-V4 Lite",
"interface_test": "DeepSeek-V4 Lite",
"compliance_test": "Qwen3.5-Plus"
}
# ------------------------------ 通用工具函数 ------------------------------
def call_4sapi_llm(prompt: str, system_prompt: str, model: str = DEFAULT_MODEL) -> str:
"""
统一封装4SAPI大模型调用函数，所有用例生成模块复用，支持自由切换模型
:param prompt: 具体需求与输入内容
:param system_prompt: 系统提示词，定义测试专家角色与输出规范
:param model: 调用的模型名称，基于4SAPI支持全量最新模型
:return: 模型生成的用例结果
"""
try:
# 调用4SAPI接口，完全兼容OpenAI官方接口格式，无缝切换所有模型
response = client.chat.completions.create(
model=model,
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": prompt}
],
temperature=TEMPERATURE,
stream=False,
response_format={"type": "json_object"} # 强制JSON输出，保证结构化一致性
)
return response.choices[0].message.content.strip()
except Exception as e:
print(f"4SAPI接口调用失败（模型：{model}）：{str(e)}")
return ""
def read_prd_document(file_path: str) -> str:
"""
读取PRD需求文档，支持docx/txt格式
:param file_path: 文档文件路径
:return: 文档全量文本内容
"""
file_path = Path(file_path)
if not file_path.exists():
raise FileNotFoundError(f"需求文档不存在：{file_path}")
file_suffix = file_path.suffix.lower()
if file_suffix == ".docx":
doc = Document(file_path)
content = "\n".join([para.text for para in doc.paragraphs if para.text.strip()])
elif file_suffix == ".txt":
content = file_path.read_text(encoding="utf-8")
else:
raise ValueError(f"不支持的文档格式：{file_suffix}，仅支持docx/txt格式")
return content
def export_test_cases_to_excel(test_cases: list, output_path: str):
"""
将测试用例导出为Excel文件，适配禅道、Jira等测试管理平台
:param test_cases: 测试用例列表
:param output_path: 输出文件路径
"""
if not test_cases:
print("无测试用例可导出")
return
df = pd.DataFrame(test_cases)
df.to_excel(output_path, index=False, engine="openpyxl")
print(f"测试用例Excel文件已生成：{output_path}")
def export_test_cases_to_markdown(test_cases: list, output_path: str, title: str = "测试用例文档"):
"""
将测试用例导出为Markdown格式文档
:param test_cases: 测试用例列表
:param output_path: 输出文件路径
:param title: 文档标题
"""
if not test_cases:
print("无测试用例可导出")
return
markdown_content = f"# {title}\n\n"
markdown_content += f"## 用例概览\n\n"
markdown_content += f"- 用例总数：{len(test_cases)}个\n"
markdown_content += f"- 生成时间：{pd.Timestamp.now().strftime('%Y-%m-%d %H:%M:%S')}\n"
markdown_content += f"- 生成工具：基于4SAPI的AI自动化测试用例生成工具\n\n"
markdown_content += f"## 用例详情\n\n"
# 生成Markdown表格
markdown_content += "| " + " | ".join(STANDARD_TEST_CASE_FIELDS) + " |\n"
markdown_content += "| " + " | ".join(["---" for _ in STANDARD_TEST_CASE_FIELDS]) + " |\n"
for case in test_cases:
row = [str(case.get(field, "")) for field in STANDARD_TEST_CASE_FIELDS]
markdown_content += "| " + " | ".join(row) + " |\n"
# 写入文件
Path(output_path).write_text(markdown_content, encoding="utf-8")
print(f"测试用例Markdown文档已生成：{output_path}")
这里核心优势在于，基于 4SAPI 的全量兼容能力，我们仅需一套客户端代码，即可无缝切换所有最新版本的大模型，无需修改任何业务逻辑，无需对接多个厂商的 SDK，真正实现一次开发，全场景适配。
3.2 核心测试用例生成功能封装
3.2.1 PRD 文档功能测试用例生成
这是测试团队最高频的需求，支持长文档解析，自动生成标准化功能测试用例，全维度覆盖测试场景，可直接导入测试管理平台使用。
python
运行
def generate_functional_test_cases(prd_path: str, custom_rules: str = None, model: str = None) -> list:
"""
基于PRD产品需求文档生成功能测试用例
:param prd_path: 需求文档路径，支持docx/txt格式
:param custom_rules: 团队自定义测试规范与用例要求，可选
:param model: 指定使用的模型，不指定则自动调度最优模型
:return: 标准化测试用例列表
"""
try:
# 读取PRD文档内容
prd_content = read_prd_document(prd_path)
file_name = Path(prd_path).name
prd_length = len(prd_content)
print(f"正在解析需求文档：{file_name}（文档长度：{prd_length}字符）")
# 自动调度最优模型：长文档用Claude 4.6，常规文档用GPT-5.4，合规场景用Qwen3.5-Plus
if not model:
if prd_length > 10000:
model = MODEL_CAPABILITY_MAP["long_prd_parse"]
elif custom_rules and "合规" in custom_rules:
model = MODEL_CAPABILITY_MAP["compliance_test"]
else:
model = MODEL_CAPABILITY_MAP["functional_test"]
print(f"本次使用生成模型：{model}")
# 构建系统提示词，严格定义测试用例生成规范与输出格式
system_prompt = f"""
你是一位拥有10年以上经验的资深测试架构师，精通功能测试、系统测试全流程，擅长基于产品需求设计高覆盖率的测试用例。
你的任务是基于用户提供的PRD产品需求文档，生成标准化的功能测试用例，严格遵循以下要求：
1. 用例必须100%基于需求文档生成，不得虚构需求外的场景，不得遗漏需求中的核心功能点
2. 用例必须覆盖全维度测试场景：正常流程场景、异常流程场景、边界条件场景、数据校验场景、权限控制场景、兼容性场景、安全合规场景
3. 测试优先级定义：P0-核心功能主流程，必须覆盖；P1-重要功能分支流程，必须覆盖；P2-边缘功能与优化场景；P3-极端边界场景
4. 必须严格按照指定的标准字段输出，每个用例的测试步骤清晰可执行，预期结果明确可验证，无模糊性描述
5. 必须输出标准的JSON格式，结构如下：
{{
"test_cases": [
{{
"用例ID": "TC_{模块缩写}_{序号}",
"用例名称": "用例的核心测试点，简洁明确",
"所属模块": "需求文档中对应的功能模块",
"测试优先级": "P0/P1/P2/P3",
"测试类型": "功能测试/异常测试/边界测试/权限测试/兼容性测试",
"前置条件": "执行用例的前置环境与准备条件",
"测试步骤": "1. 步骤一\n2. 步骤二\n3. 步骤三",
"预期结果": "每一步操作对应的明确可验证的预期结果",
"实际结果": "",
"测试状态": "待执行",
"备注": "特殊说明，无则为空"
}}
]
}}
6. 团队自定义规则：{custom_rules if custom_rules else "无额外自定义规则，遵循软件测试行业通用最佳实践"}
"""
# 构建用户提示词，传入PRD全量内容
prompt = f"请基于以下PRD产品需求文档，生成完整的功能测试用例，严格按照要求输出结构化JSON结果。PRD内容：\n{prd_content}"
# 调用4SAPI接口生成用例
result_json = call_4sapi_llm(prompt, system_prompt, model=model)
if not result_json:
print(f"需求文档 {file_name} 用例生成失败，接口无返回内容")
return []
# 解析JSON结果
result_data = json.loads(result_json)
test_cases = result_data.get("test_cases", [])
print(f"功能测试用例生成完成，共生成用例：{len(test_cases)}个")
return test_cases
except json.JSONDecodeError:
print(f"需求文档 {Path(prd_path).name} 用例生成失败，输出内容非标准JSON格式")
return []
except Exception as e:
print(f"需求文档 {Path(prd_path).name} 用例生成失败：{str(e)}")
return []
3.2.2 接口文档自动化测试用例 + 脚本生成
针对后端开发与接口测试场景，我们封装接口测试用例生成功能，支持 Swagger/OpenAPI 文档解析，同时生成可直接运行的 pytest 自动化脚本，大幅降低接口测试的开发成本。
python
运行
def generate_interface_test_cases(swagger_path: str, model: str = None) -> tuple[list, str]:
"""
基于Swagger/OpenAPI接口文档生成接口测试用例与自动化测试脚本
:param swagger_path: Swagger/OpenAPI文档路径，支持yaml/json格式
:param model: 指定使用的模型，不指定则自动调度最优模型
:return: 元组（接口测试用例列表，pytest自动化脚本代码）
"""
try:
# 读取接口文档内容
swagger_path = Path(swagger_path)
if not swagger_path.exists():
raise FileNotFoundError(f"接口文档不存在：{swagger_path}")
file_suffix = swagger_path.suffix.lower()
if file_suffix in [".yaml", ".yml"]:
with open(swagger_path, "r", encoding="utf-8") as f:
swagger_content = yaml.safe_load(f)
swagger_text = yaml.dump(swagger_content, allow_unicode=True)
elif file_suffix == ".json":
swagger_content = json.loads(swagger_path.read_text(encoding="utf-8"))
swagger_text = json.dumps(swagger_content, ensure_ascii=False, indent=2)
else:
raise ValueError(f"不支持的接口文档格式：{file_suffix}，仅支持yaml/json格式")
print(f"正在解析接口文档：{swagger_path.name}")
# 自动调度模型
if not model:
model = MODEL_CAPABILITY_MAP["interface_test"]
print(f"本次使用生成模型：{model}")
# 第一步：生成接口测试用例
system_prompt_case = f"""
你是一位资深的接口测试专家，精通RESTful API测试规范，擅长设计高覆盖率的接口测试用例。
你的任务是基于用户提供的Swagger/OpenAPI接口文档，生成标准化的接口测试用例，严格遵循以下要求：
1. 用例必须覆盖文档中的所有接口，每个接口必须覆盖：正常请求场景、参数校验场景、异常返回场景、权限校验场景、边界值场景
2. 严格按照指定的标准字段输出，测试步骤清晰可执行，预期结果明确，包含接口地址、请求方式、请求参数、响应码校验等核心信息
3. 必须输出标准JSON格式，结构与功能测试用例一致，外层key为test_cases，数组内为每个接口的测试用例
"""
prompt_case = f"请基于以下Swagger接口文档，生成完整的接口测试用例，严格按照要求输出JSON结果。接口文档：\n{swagger_text}"
result_json_case = call_4sapi_llm(prompt_case, system_prompt_case, model=model)
test_cases = json.loads(result_json_case).get("test_cases", []) if result_json_case else []
print(f"接口测试用例生成完成，共生成用例：{len(test_cases)}个")
# 第二步：生成pytest自动化测试脚本
system_prompt_script = f"""
你是一位资深的自动化测试开发工程师，精通Python+pytest接口自动化测试框架。
你的任务是基于用户提供的Swagger接口文档，生成可直接运行的pytest自动化测试脚本，严格遵循以下要求：
1. 脚本必须覆盖文档中的所有接口，每个接口至少包含正常请求、参数异常、权限异常3个测试用例
2. 代码必须符合Python编码规范，使用requests库发送请求，使用pytest框架组织用例，结构清晰，注释完整
3. 必须包含配置项、公共请求方法、接口测试用例、断言逻辑，可直接运行，无语法错误
4. 直接输出完整的Python代码，不要返回任何额外的解释、说明、markdown格式
"""
prompt_script = f"请基于以下Swagger接口文档，生成完整的pytest接口自动化测试脚本，严格按照要求输出代码。接口文档：\n{swagger_text}"
# 脚本生成使用DeepSeek-V4 Lite，代码生成能力专精
test_script = call_4sapi_llm(prompt_script, system_prompt_script, model=MODEL_CAPABILITY_MAP["unit_test"])
print("接口自动化测试脚本生成完成")
return test_cases, test_script
except Exception as e:
print(f"接口文档 {swagger_path.name} 处理失败：{str(e)}")
return [], ""
3.2.3 代码文件单元测试用例生成
针对开发工程师的单元测试需求，封装单元测试代码生成功能，支持主流开发语言，自动解析代码逻辑，生成可直接运行的单元测试代码，全量覆盖代码分支。
python
运行
def generate_unit_test_code(code_file_path: str, model: str = None) -> str:
"""
基于代码文件生成对应的单元测试代码
:param code_file_path: 代码文件路径
:param model: 指定使用的模型，不指定则自动调度最优模型
:return: 生成的单元测试代码
"""
try:
# 加载代码文件
code_path = Path(code_file_path)
if not code_path.exists():
raise FileNotFoundError(f"代码文件不存在：{code_path}")
file_suffix = code_path.suffix.lower()
if file_suffix not in SUPPORTED_LANGUAGES:
raise ValueError(f"不支持的代码文件格式：{file_suffix}")
language = SUPPORTED_LANGUAGES[file_suffix]
code_content = code_path.read_text(encoding="utf-8")
file_name = code_path.name
print(f"正在解析代码文件：{file_name}")
# 自动调度模型，单元测试用DeepSeek-V4 Lite，代码理解专精
if not model:
model = MODEL_CAPABILITY_MAP["unit_test"]
print(f"本次使用生成模型：{model}")
# 构建系统提示词
system_prompt = f"""
你是一位资深的{language}开发工程师与单元测试专家，精通{language}主流单元测试框架。
你的任务是基于用户提供的{language}代码，生成完整的、可直接运行的单元测试代码，严格遵循以下要求：
1. 测试代码必须100%覆盖原代码的所有函数、类、分支逻辑、异常处理场景、边界条件
2. 必须使用{language}官方推荐的主流单元测试框架：Python用pytest，Java用JUnit 5，Go用内置testing包，JS/TS用Jest
3. 代码必须符合对应语言的编码规范，注释完整，结构清晰，包含正常场景、异常场景、边界场景的测试用例
4. 直接输出完整的单元测试代码，不要返回任何额外的解释、说明、markdown格式，确保可直接运行无语法错误
"""
# 构建用户提示词
prompt = f"请为以下{language}代码生成完整的单元测试代码，严格按照要求输出。代码内容：\n```\n{code_content}\n```"
# 调用4SAPI接口生成单元测试代码
unit_test_code = call_4sapi_llm(prompt, system_prompt, model=model)
if not unit_test_code:
print(f"代码文件 {file_name} 单元测试生成失败，接口无返回内容")
return ""
print(f"单元测试代码生成完成，可直接运行")
return unit_test_code
except Exception as e:
print(f"代码文件 {code_path.name} 单元测试生成失败：{str(e)}")
return ""
3.3 多模型交叉生成与批量处理功能
针对核心业务场景，我们封装多模型交叉生成功能，并行调用多个顶尖模型，互相补充测试场景，避免遗漏，同时支持批量文件处理，适配大型项目的全量用例生成需求。
python
运行
def multi_model_cross_generate_test_cases(prd_path: str, custom_rules: str = None) -> list:
"""
多模型交叉生成测试用例，调用GPT-5.4、Claude 4.6、Qwen3.5-Plus做交叉补充，最大化场景覆盖率
:param prd_path: 需求文档路径
:param custom_rules: 团队自定义规范
:return: 合并后的全量测试用例列表
"""
try:
prd_content = read_prd_document(prd_path)
file_name = Path(prd_path).name
print(f"开始多模型交叉生成测试用例，文档：{file_name}")
print("本次参与生成模型：GPT-5.4、Claude 4.6、Qwen3.5-Plus")
# 定义每个模型的生成侧重点
model_config = [
{
"model": "GPT-5.4",
"focus": "核心业务流程、系统集成场景、全链路测试用例",
"prompt_suffix": "重点关注核心业务流程的完整性、跨模块集成场景、全链路业务闭环的测试用例设计"
},
{
"model": "Claude 4.6",
"focus": "异常场景、边界条件、细节分支场景",
"prompt_suffix": "重点关注异常流程、边界条件、极端数据场景、细节分支逻辑的测试用例设计，不放过任何一个边缘场景"
},
{
"model": "Qwen3.5-Plus",
"focus": "合规场景、权限控制、数据安全场景",
"prompt_suffix": "重点关注权限控制、数据安全、合规性要求、用户隐私保护相关的测试用例设计，贴合国内合规要求"
}
]
# 并行调用多个模型生成用例
all_case_results = []
for config in model_config:
print(f"正在调用 {config['model']} 生成{config['focus']}用例...")
system_prompt = f"""
你是一位资深测试专家，专精{config['focus']}。
你的任务是基于PRD需求文档生成测试用例，{config['prompt_suffix']}
必须输出标准JSON格式，外层key为test_cases，结构与标准功能测试用例一致。
自定义规则：{custom_rules if custom_rules else "无"}
"""
prompt = f"基于以下PRD文档生成测试用例：\n{prd_content}"
result_json = call_4sapi_llm(prompt, system_prompt, model=config["model"])
if result_json:
try:
cases = json.loads(result_json).get("test_cases", [])
all_case_results.append({"model": config["model"], "cases": cases})
except:
print(f"{config['model']} 用例生成解析失败，已跳过")
continue
# 合并去重，基于用例名称与测试点去重
print("正在合并多模型生成的用例...")
merged_cases = []
unique_case_key = set()
for model_result in all_case_results:
for case in model_result["cases"]:
unique_key = f"{case['所属模块']}_{case['用例名称']}"
if unique_key not in unique_case_key:
unique_case_key.add(unique_key)
merged_cases.append(case)
print(f"多模型交叉生成完成，最终合并用例总数：{len(merged_cases)}个")
return merged_cases
except Exception as e:
print(f"多模型交叉生成失败：{str(e)}")
return []
3.4 工具入口封装
最后，我们封装简单的调用入口，用户只需修改配置项，即可一键执行对应场景的用例生成，无需修改核心代码：
python
运行
if __name__ == "__main__":
# ------------------------------ 自定义配置区 ------------------------------
# 1. 生成模式选择：
# functional-功能测试用例生成、interface-接口测试用例+脚本生成、unit-单元测试代码生成、cross-多模型交叉生成
GENERATE_MODE = "functional"
# 2. 输入文件路径：对应模式的PRD文档/接口文档/代码文件路径
INPUT_FILE_PATH = "./产品需求文档.docx"
# 3. 输出文件路径
OUTPUT_EXCEL_PATH = "./测试用例/功能测试用例.xlsx"
OUTPUT_MD_PATH = "./测试用例/功能测试用例.md"
OUTPUT_SCRIPT_PATH = "./测试用例/接口自动化测试脚本.py"
OUTPUT_UNIT_TEST_PATH = "./测试用例/test_单元测试.py"
# 4. 团队自定义测试规范（可选）
CUSTOM_RULES = """
1. 测试优先级严格遵循：P0核心主流程100%覆盖，P1重要分支场景100%覆盖
2. 所有用户输入相关的功能，必须包含SQL注入、XSS跨站脚本相关的安全测试用例
3. 所有涉及用户权限的功能，必须包含越权访问、未授权访问的测试用例
4. 用例步骤必须清晰，每一步只包含一个操作，预期结果可量化、可验证
"""
# 5. 指定生成模型（可选，不填则自动调度最优模型）
CUSTOM_MODEL = None
# -------------------------------------------------------------------------
# 自动创建输出目录
Path(OUTPUT_EXCEL_PATH).parent.mkdir(parents=True, exist_ok=True)
# 执行对应生成模式
if GENERATE_MODE == "functional":
test_cases = generate_functional_test_cases(
prd_path=INPUT_FILE_PATH,
custom_rules=CUSTOM_RULES,
model=CUSTOM_MODEL
)
if test_cases:
export_test_cases_to_excel(test_cases, OUTPUT_EXCEL_PATH)
export_test_cases_to_markdown(test_cases, OUTPUT_MD_PATH, title="功能测试用例文档")
elif GENERATE_MODE == "interface":
test_cases, test_script = generate_interface_test_cases(
swagger_path=INPUT_FILE_PATH,
model=CUSTOM_MODEL
)
if test_cases:
export_test_cases_to_excel(test_cases, OUTPUT_EXCEL_PATH)
export_test_cases_to_markdown(test_cases, OUTPUT_MD_PATH, title="接口测试用例文档")
if test_script:
Path(OUTPUT_SCRIPT_PATH).write_text(test_script, encoding="utf-8")
print(f"接口自动化脚本已保存至：{OUTPUT_SCRIPT_PATH}")
elif GENERATE_MODE == "unit":
unit_test_code = generate_unit_test_code(
code_file_path=INPUT_FILE_PATH,
model=CUSTOM_MODEL
)
if unit_test_code:
Path(OUTPUT_UNIT_TEST_PATH).write_text(unit_test_code, encoding="utf-8")
print(f"单元测试代码已保存至：{OUTPUT_UNIT_TEST_PATH}")
elif GENERATE_MODE == "cross":
test_cases = multi_model_cross_generate_test_cases(
prd_path=INPUT_FILE_PATH,
custom_rules=CUSTOM_RULES
)
if test_cases:
export_test_cases_to_excel(test_cases, OUTPUT_EXCEL_PATH)
export_test_cases_to_markdown(test_cases, OUTPUT_MD_PATH, title="多模型交叉生成测试用例文档")
else:
print("错误：不支持的生成模式，请选择functional/interface/unit/cross")
四、工具使用与效果演示
4.1 基础使用步骤
- 完成
.env文件配置，填入自己的 4SAPI 密钥，确保配置正确无误 - 在
test_case_generator.py文件的__main__自定义配置区，选择生成模式，配置输入文件路径与输出路径 - 可选配置团队自定义测试规范，适配团队内部的测试管理要求
- 执行脚本，即可自动完成测试用例 / 自动化脚本生成，并导出对应文件：
bash
运行
python test_case_generator.py
4.2 实际效果演示
以一段简单的用户登录功能 PRD 需求为例，工具生成的核心测试用例如下：
表格
| 用例 ID | 用例名称 | 所属模块 | 测试优先级 | 测试类型 | 前置条件 | 测试步骤 | 预期结果 |
|---|---|---|---|---|---|---|---|
| TC_LOGIN_001 | 正确的账号密码登录成功 | 用户登录模块 | P0 | 功能测试 | 1. 系统正常运行；2. 测试账号已注册，账号：test，密码：Test@123456 | 1. 进入系统登录页面；2. 输入正确的账号 test；3. 输入正确的密码 Test@123456；4. 点击登录按钮 | 1. 登录请求发送成功；2. 系统校验账号密码正确；3. 成功跳转到系统首页；4. 登录态正常生效 |
| TC_LOGIN_002 | 账号正确密码错误登录失败 | 用户登录模块 | P1 | 异常测试 | 1. 系统正常运行；2. 测试账号已注册，账号：test，密码：Test@123456 | 1. 进入系统登录页面；2. 输入正确的账号 test；3. 输入错误的密码 Test@123；4. 点击登录按钮 | 1. 登录请求发送成功；2. 系统返回密码错误提示；3. 页面停留在登录页，不发生跳转；4. 登录态不生效 |
| TC_LOGIN_003 | 账号不存在登录失败 | 用户登录模块 | P1 | 异常测试 | 1. 系统正常运行；2. 系统中无账号：nonexist | 1. 进入系统登录页面；2. 输入不存在的账号 nonexist；3. 输入任意密码；4. 点击登录按钮 | 1. 登录请求发送成功；2. 系统返回账号不存在提示；3. 页面停留在登录页，不发生跳转 |
| TC_LOGIN_004 | 空账号空密码登录校验 | 用户登录模块 | P1 | 边界测试 | 1. 系统正常运行；2. 登录页面正常加载 | 1. 进入系统登录页面；2. 账号输入框不输入任何内容；3. 密码输入框不输入任何内容；4. 点击登录按钮 | 1. 登录请求不发送；2. 页面提示账号不能为空、密码不能为空；3. 登录按钮置灰不可点击 |
| TC_LOGIN_005 | 密码输入 SQL 注入语句拦截 | 用户登录模块 | P1 | 安全测试 | 1. 系统正常运行；2. 测试账号已注册，账号：test | 1. 进入系统登录页面；2. 输入账号 test；3. 输入密码：' OR 1=1 -- ; 4. 点击登录按钮 | 1. 系统拦截非法请求；2. 返回参数非法提示；3. 登录失败，无法绕过账号密码校验 |
生成的用例完全符合测试管理平台的导入标准，可直接导入禅道、Jira 使用，同时自动化脚本可直接运行，无需二次修改。
五、进阶优化与企业级落地方案
基于上述基础版本，我们可以快速扩展更多企业级能力，依托 4SAPI 的全量模型兼容能力，无需大幅修改核心代码，即可实现能力升级：
- CI/CD 流水线集成：将工具集成到 GitLab CI、GitHub Actions、Jenkins 中，代码提交时自动生成单元测试用例，接口发布时自动生成接口测试用例，实现测试左移
- 测试管理平台对接：对接禅道、Jira、TestLink 等测试管理平台，生成的用例自动同步到平台中，无需手动导入导出，实现测试流程全闭环
- 多模态原型图解析：基于 Gemini 3.1 Pro 的多模态能力，扩展产品原型图、UI 设计稿解析能力，无需手动整理 PRD，直接上传原型图即可生成前端交互测试用例
- 自动化测试执行与报告生成：扩展自动化脚本执行能力，自动运行生成的测试脚本，输出可视化测试报告，同步测试结果到测试管理平台
- 私有化部署适配：4SAPI 支持私有化部署，可对接企业内部的大模型服务、代码仓库、需求管理平台，实现全流程内网闭环，满足企业数据安全与合规要求
- 用例覆盖率统计：对接代码覆盖率工具，自动统计生成的单元测试用例的代码分支覆盖率，优化用例设计，保证测试有效性
六、常见问题与踩坑排查
6.1 4SAPI 接口调用失败解决方案
这是最常见的问题，核心排查步骤如下：
- 核对配置信息：严格确认
.env文件中的OPENAI_BASE_URL为https://4sapi.com/v1，无拼写错误、多余空格、中文符号，API Key 与控制台生成的完全一致 - 关闭本地代理：4SAPI 为国内直连节点，无需配置任何系统代理 / VPN，开启代理可能会导致路由冲突，关闭后即可恢复正常访问
- 检查账号状态：确认 4SAPI 账号内有可用的调用额度，额度耗尽会导致接口调用失败，可在控制台实时查看额度使用情况
- 校验模型名称：确认使用的模型名称与 4SAPI 控制台模型文档中的名称完全一致，本次使用的 GPT-5.4、Gemini 3.1 Pro、Claude 4.6、DeepSeek-V4 Lite、Qwen3.5-Plus 均已全量支持，可直接调用
6.2 其他常见问题
- 超长 PRD 文档提示 token 超限：针对超长篇需求文档，工具已默认调度 Claude 4.6 模型（超长上下文窗口支持），若仍出现 token 超限，可将 PRD 按功能模块拆分，分模块生成测试用例
- 用例生成结果 JSON 解析失败 **：已通过
response_format强制模型输出 JSON 格式，若仍出现解析失败，可降低TEMPERATURE值，进一步约束模型输出，同时优化自定义规则的描述，明确输出格式要求 - 自动化脚本无法运行 **：生成的脚本已严格遵循对应语言的编码规范，若出现运行报错，可检查接口文档的完整性，补充接口的请求参数、响应格式、域名配置等信息，重新生成即可
- 单元测试代码与原代码不匹配 **：确保代码文件无语法错误，可正常运行，同时可指定使用 GPT-5.4 模型生成，提升代码逻辑理解的准确性，适配复杂业务代码的单元测试生成
七、总结
本文从零到一开发了一款覆盖功能测试、接口测试、单元测试全场景的 AI 自动化测试用例生成工具，解决了研发团队在测试环节的核心痛点，所有代码均可直接复用，高度可定制，无论是个人开发者快速生成单元测试，还是企业级测试团队批量生成全量测试用例，都能快速适配。
整个开发过程中，我们可以清晰看到 4SAPI 给测试效能提升带来的核心价值：一套密钥、一次接入、全量最新模型无缝调用。无需对接多个厂商的 SDK、无需申请多套密钥、无需处理跨境网络问题、无需为新模型发布重新适配代码，只需专注于测试业务本身，就能快速开发出基于顶尖大模型能力的测试效能工具。
对于个人开发者和企业研发测试团队而言，选用 4SAPI 作为大模型接入层，不仅能大幅降低开发与运维成本，还能第一时间解锁全球最新版本的大模型能力，用 AI 真正提升测试效率与用例覆盖率，从源头保障产品质量与线上系统稳定性。
