这款测试用例生成神器让你的效率提升 10 倍
做软件测试这些年，有一件事我一直觉得又重要又折磨人——写测试用例。
需求文档一扔过来，少则几十页，多则几百页，你要从里面把所有模块拆出来，功能点整理好，正向场景、反向场景、边界值、权限校验……一个都不能少。说实话，光是想想那张空白的Excel表格，我就有点头疼。
直到我做了这个测试用例生成器——testcase-generator，一个专门用来生成测试用例的AI Skill。今天就把它完整介绍给你。
一、这个工具是干什么的
一句话说清楚：你扔进去一份需求文档，它帮你输出一份结构完整、字段统一、可以直接交给团队用的Excel测试用例文件。
支持输入的格式包括：对话中的纯文本、.md、.txt，以及 .docx 文档。也就是说，不管你的需求文档是啥格式，它基本都能吃进去。
输出的是 .xlsx 文件，列头固定是：
功能模块 / 用例编号 / 功能点 / 用例标题 / 优先级 / 前置条件 / 测试步骤 / 预期结果 / 设计人 / 执行结果 / 执行人 / 备注
拿到手就能用，不用再手工整理格式。
二、它是怎么工作的
整个流程分五步，自动执行，不需要你手动介入。
第一步 读取需求
把需求文档给它，它会自动提炼出模块、角色、字段约束、状态流转、业务规则。如果文档本身有些模糊的地方，它不会直接停下来问你，而是先列出缺失项，再基于合理假设继续往下生成。
第二步 拆分模块
按照一级标题、用户角色、业务对象、独立操作流来划分模块，再细化到功能点。比如"用户登录"会被拆为"账号密码登录"、“短信验证码登录”、“第三方登录"三条，而不是笼统给你一个"验证登录功能正常”。
对于超大型文档，有专门的"分块策略"：先提取目录和模块名形成索引，然后一个模块一个模块处理，每完成一个立刻写入文件，最后统一合并。
第三步 逐模块生成用例
每个功能点走一套标准覆盖流程：等价类与边界值、因果分析或判定表、错误猜测补充高风险场景（双击提交、并发提交、越权访问），以及容易遗漏的显隐、跳转、回填、下载、打印细节。
硬规则：每个功能点必须有正向和反向场景，不允许多个校验点合并成一条大用例。
第四步 质量自检与补漏
生成完成后自动做一轮自检：每个模块是否都有用例？关键字段是否覆盖了空值、非法值、边界值？高风险功能是否有并发和权限场景？用例标题是否清晰可执行？
第五步 导出Excel
最后导出 .xlsx，并告知文件绝对路径。没有绕路，不会停在Markdown或JSON上糊弄你。
三、有哪些亮点值得说
偏向"多生成、细生成"。一般的工具为了减少输出量，会主动帮你合并场景、省略边界情况。这个工具的默认策略是反过来的——宁可多也不省，宁可细也不合。这对测试质量来说是正确的态度。
大文档处理有专门脚本。有一个 split_requirements.py 脚本，可以把大文档先切分成模块文件和索引文件，再逐模块生成用例。AI在处理超长上下文时往往会"偷懒"，这个分块机制让每一模块都能得到充分覆盖。
字段规范不可随意更改。列头顺序和字段要求是固定的，不会因为模型自由发挥而输出一份字段混乱的表格。这一点对要对接测试管理系统的团队来说很重要。
支持多种需求文档格式。txt、md、docx都能处理，日常工作中大部分需求文档直接可用，不用转格式。
四、适合谁用
如果你符合以下任意一条，这个工具对你应该有实际价值：
你经常需要从大量需求文档里提取测试用例，觉得这件事重复且费时
你的团队在测试用例的覆盖率和质量上参差不齐，想有一个统一的基线
你对AI辅助测试感兴趣，想了解AI Skill在QA场景下到底能做什么
你正在探索AI Agents在软件测试工作流中的落地方式
当然，它也有局限：输出的用例是基于文档内容生成的，如果需求文档本身写得很差、缺信息很多，生成质量也会受影响。它是工具，不是魔法。
五、如何使用这个 Skill
整个使用流程分为三步，没有复杂的安装配置。
第一步 获取 Skill 文件
获取Skill的zip包，在claude code或者codex，或者trae等AI工具中导入技能。
第二步 准备需求文档
支持格式：.md、.txt、.docx、直接粘贴的纯文本。文档越清晰、结构越完整，生成质量越好。
第三步 交给 AI，执行并获取结果
把需求文档交给加载了 Skill 的 AI，说一句：
“请用 testcase-generator 生成这份需求的测试用例，输出 Excel 文件。”
剩下的事情，AI 全部搞定。
六、总结
测试用例的生成是一件看起来机械、实际上需要一定分析能力的工作。AI能在多大程度上替代或辅助这件事，是我一直在实践和思考的问题。
testcase-generator 这个 Skill 是我目前阶段的一个答案：在需求文档质量不差的情况下，它可以帮你快速生成一份覆盖率足够、结构统一的测试用例初稿，把你从重复劳动中解放出来，专注于更需要判断力的部分。
它不是终点，而是起点。
想获取这个 Skill，关注大叔公号，免费获取。
这个skill，目前又做了更新。自己用AI生成过用例的同学，应该会遇到过这个问题。当需求文档较大，内容较多时，大模型受限于上下文，注意力会分散，输出的用例数量和质量都会下降。这个skill目前还会优先把需求划分模块，多个模块调用子agent，并行生成用例，每个子agent只处理一个模块的需求，生成的数量和质量都得到很大提升。我在claude code里已经跑通。