企业级智能测试用例生成系统 · 五大核心亮点 · 面试必杀技

基本目标：上传一份 PRD(pdf/图片/网络文档)，几分钟 后拿到覆盖率可量化、可直接导入禅道/TestRail/Jira 的企业级测试用例集。

传统模式的天花板，正在被 AI 智能体打破。五大核心亮点，面试必杀神器。

但问智能团队独创：基于LangChain + Agent Skills + RAG+多模态文档解析中间件构建了一套完整的AI 测试用例生成系统，今天把整套工程实现完整拆开来讲。

系统全景

先看整体架构，但问智能的这套系统有 4 个关键设计与普通"接入 大模型 写测试"有本质区别：

① 不是单次对话，是有状态的智能工作流

② 不是通用 Prompt，是 Skills 知识体系驱动

③ 不是纯文本，是多模态（PDF + 截图）原生支持

④ 不是输出文字，是结构化、可导入测试工具的测试资产

📊 AI 测试用例生成全流程

📐 系统分层架构与洋葱中间件模型

核心亮点一：5阶段强制工作流，拒绝"乱出用例"

这是本系统最重要的设计决策之一。

普通 AI 助手接到"帮我写测试用例"，往往直接开始输出。而但问智能的系统在 SYSTEM_PROMPT 层面做了强制工作流约束：

Phase 1：需求深度解析 ← 强制首先执行，禁止跳过 Phase 2：测试策略制定 ← 基于分析结果选择测试类型 Phase 3：用例系统设计 ← 六大设计技术精准匹配 Phase 4：测试数据构造 ← 每条用例必须有具体数据 Phase 5：质量自检 ← 每个模块完成后自动执行

Phase 1 的强制性是整个流程质量的基石。系统会先输出：

● 功能测试矩阵：模块 × 8个测试维度（功能/数据/规则/状态/交互/权限/异常/性能）

● 风险热力图：🔴安全 / 🟠数据完整性 / 🟡兼容性 / 🔵性能 分级标注

● 测试范围声明：In Scope / Out of Scope，防止测试遗漏和过度测试

● 用例数量预估：让项目经理提前知道测试资源需求

在用户确认分析准确后，才正式进入用例生成阶段。

核心亮点二：6大 Skills 知识体系 — Agent Skills 规范的工程实践

这是本系统最有技术含量的部分，也是让 AI 真正"懂测试"而非"背测试"的关键。

Agent Skills

Agent Skills核心思想是渐进式披露：

● Agent 的 system_message 中只注入 Skill 的 name 和 description

● 当场景匹配时，Agent 主动读取对应 SKILL.md 的完整内容

● 大幅节省 Token，同时让知识按需激活

每个 Skill 是一个目录，包含一个标准 SKILL.md：

--- name: test-case-design # 必须与目录名完全一致 description: 核心测试设计Skill，当需要为具体功能点设计测试用例时激活... --- # 测试用例设计方法论 Skill ## 六大测试设计技术 ...（完整的技术详解）

但问智能团队设计了 6 个领域级 Skills

📊六大测试设计技术体系

SkillsMiddleware 的加载机制

skills_root = Path("./src/workspace/testcase").resolve() skills_middleware = SkillsMiddleware( sources=["/skills/"] # 虚拟路径，映射到 skills_root/skills/ )

框架在 before_agent() 阶段遍历 /skills/ 目录，解析每个 SKILL.md 的 YAML frontmatter，将 name + description 注入 system_message。Agent 在运行时按需读取完整 Skill 内容。

核心亮点三：多模态 PDF 解析中间件

测试工程师的需求文档五花八门——有 PDF、有带截图的 PRD、有设计稿图片。系统通过 PDFContextMiddleware 统一处理：

用户上传 PDF ↓ MD5 hash 去重（同文件不重复解析） ↓ 多模态PDF解析器 解析（保留表格结构） ↓ [可选] ENABLE_PDF_MULTIMODAL=true 豆包视觉模型解析图片内容 ↓ per-session 会话隔离（thread_id 键值） ↓ 追加到 system_message（保留 Skills 内容）

核心亮点四：动态双模型路由

@wrap_model_call async def dynamic_model_selection(request, handler): if _has_image_in_messages(request): model = image_llm_model # 豆包 doubao-seed-1-6-vision else: model = deepseek_model # DeepSeek Chat return await handler(request.override(model=model))

● 纯文本需求 → DeepSeek Chat（成本低、速度快、推理强）

● 含图片需求 → 豆包多模态视觉模型（截图/UI设计稿/流程图直接理解）

用户无需手动切换，系统自动感知消息内容，智能路由到最适合的模型。

核心亮点五：企业级用例规范，不可违背的红线

系统在 SYSTEM_PROMPT 中内置了 8条强制红线，违反则要求立即自我纠正：

❌ 禁止出现（必须被替换）

✅ 强制包含的字段

每条用例必须含：编号（TC-项目-模块-序号）、优先级（P0/P1/P2/P3）、前置条件（独立可准备）、具体测试步骤、具体测试数据、可量化预期结果、需求追溯（REQ-XXX）。

技术栈一览

📐 完整技术栈全景

完整交互时序

📊端到端对话交互时序图

整个系统从用户上传文档到拿到测试用例，全程自动化，用户只需在 Phase 1 结束后确认分析报告一次。