# ai_ge_case

**Repository Path**: springjohn123/ai_ge_case

## Basic Information

- **Project Name**: ai_ge_case
- **Description**: 使用AI大模型生成测试用例
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 14
- **Forks**: 4
- **Created**: 2025-06-23
- **Last Updated**: 2026-01-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 🚀 智能化测试用例生成系统

基于AI大模型的智能测试用例生成工具，支持多种AI模型，能够根据需求文档自动生成高质量的测试用例。

## ✨ 核心特性

- **🤖 智能用例生成**：基于AI大模型，根据需求描述自动生成测试用例
- **🧠 推理模型支持**：支持deepseek-r1、o1系列等推理模型，智能过滤思考内容
- **📄 多格式支持**：支持文本输入、文档上传（Word、PDF、TXT等）
- **⚡ 高性能批量生成**：支持大批量测试用例生成，智能分批处理
- **📊 用例管理**：完整的测试用例CRUD操作，支持分页查看
- **📈 Excel导出**：支持将测试用例导出为Excel格式
- **🧠 智能提示词系统**：革命性的智能提示词优化，生成速度提升200-400%

## 🤖 支持的AI模型

### 🎯 预定义提供商（支持任意模型）
| 提供商 | 推荐模型 | 推荐度 | 特点 |
|--------|----------|--------|------|
| DeepSeek | deepseek-chat, deepseek-v3, **deepseek-r1** | ⭐⭐⭐⭐⭐ | 性价比最高，推荐，支持推理模型 |
| OpenAI | gpt-4o, gpt-4o-mini, **o1-preview**, **o1-mini** | ⭐⭐⭐⭐ | 质量稳定，支持推理模型 |
| 豆包 | doubao-pro-4k, Doubao-Seed-1.6-flash | ⭐⭐⭐⭐ | 中文支持好 |
| Claude | claude-3-5-sonnet-20241022 | ⭐⭐⭐⭐ | 逻辑推理强 |
| Gemini | gemini-1.5-pro, gemini-2.0-flash | ⭐⭐⭐ | 多模态支持 |
| 智谱AI | glm-4, glm-4-flash | ⭐⭐⭐ | 国产化选择 |
| 本地模型 | llama3.1, qwen2.5 | ⭐⭐ | 数据安全 |

> 🧠 **推理模型支持**: 系统现已支持推理模型（如deepseek-r1、o1系列），能够自动处理包含思考过程的响应，智能过滤思考内容并提取有效数据。详见 [推理模型支持文档](docs/reasoning_models_support.md)

### 🚀 自定义提供商（全新支持）
**支持任何OpenAI兼容的API接口，包括但不限于：**

- 🌙 **月之暗面** (Moonshot): moonshot-v1-128k
- 🔥 **阿里通义千问** (Qwen): qwen-max-2024
- 🎯 **百度文心一言** (ERNIE): ernie-4.0-turbo
- ⚡ **腾讯混元** (Hunyuan): hunyuan-pro
- ✨ **讯飞星火** (Spark): spark-max
- 🎨 **360智脑** (360GPT): 360gpt-pro
- 🔮 **商汤日日新** (SenseNova): nova-ptc-xl
- 🌟 **其他任何OpenAI兼容的API**

> 🎉 **重大更新**: 系统现已支持任意AI模型，不再受限于预定义列表！详见 [自定义模型指南](docs/CUSTOM_MODELS_GUIDE.md)

## 🛠️ 技术栈

- **后端**：FastAPI + Pydantic + SQLite + APScheduler
- **前端**：原生HTML/CSS/JavaScript，响应式设计
- **AI集成**：多模型适配器架构，统一接口

## 📦 快速开始

### 环境要求
- Python 3.8+
- 8GB+ 内存（推荐）
- 稳定的网络连接

### 安装步骤

```bash
# 1. 克隆项目
git clone <repository-url>
cd auto_case

# 2. 创建虚拟环境
python -m venv venv
# Windows: venv\Scripts\activate
# Linux/Mac: source venv/bin/activate

# 3. 安装依赖
pip install -r requirements.txt

# 4. 配置环境变量（复制.env.example为.env并编辑）
cp .env.example .env
# 编辑.env文件，设置AI模型API密钥

# 5. 启动应用
python main.py

# 6. 访问应用
# 打开浏览器访问：http://localhost:8000
```

### Docker 部署

```bash
docker build -t auto-case .
docker run -p 8000:8000 -v $(pwd)/.env:/app/.env auto-case
```

## ⚙️ 配置说明

### 🎯 预定义提供商配置
在 `.env` 文件中配置AI模型参数：

```env
# 基本配置
LLM_PROVIDER=deepseek  # 选择AI提供商
LLM_API_KEY=your-api-key-here
LLM_MODEL=deepseek-v3  # 支持任意模型名称

# DeepSeek（推荐）
DEEPSEEK_API_KEY=sk-your-deepseek-key
DEEPSEEK_MODEL=deepseek-v3  # 最新模型

# OpenAI
OPENAI_API_KEY=sk-your-openai-key
OPENAI_MODEL=gpt-4o-2024-12-17  # 最新模型

# 豆包
DOUBAO_API_KEY=your-doubao-key
DOUBAO_MODEL=doubao-2.0-ultra-256k  # 最新模型
```

### 🚀 自定义提供商配置
支持任何OpenAI兼容的API：

```env
# 月之暗面 Moonshot
LLM_PROVIDER=moonshot
LLM_MODEL=moonshot-v1-128k
LLM_API_KEY=your-moonshot-api-key
LLM_API_URL=https://api.moonshot.cn/v1/chat/completions

# 阿里通义千问
LLM_PROVIDER=qwen
LLM_MODEL=qwen-max-2024
LLM_API_KEY=your-qwen-api-key
LLM_API_URL=https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation

# 任意自定义提供商
LLM_PROVIDER=your-custom-provider
LLM_MODEL=your-custom-model
LLM_API_KEY=your-api-key
LLM_API_URL=https://api.example.com/v1/chat/completions
```

> 📖 **详细配置说明**：查看 [docs/configuration.md](docs/configuration.md) 了解完整配置选项
> 🚀 **自定义模型指南**：查看 [docs/CUSTOM_MODELS_GUIDE.md](docs/CUSTOM_MODELS_GUIDE.md) 了解如何使用任意AI模型

## 📖 使用指南

### 基本使用流程

1. **输入需求**：在页面中输入需求描述或上传需求文档
2. **生成用例**：点击"生成测试用例"按钮，AI自动生成
3. **管理用例**：在用例列表中查看、编辑、删除用例
4. **导出用例**：支持导出为Excel格式

### 支持的文档格式
- `.docx` - Word文档
- `.pdf` - PDF文档
- `.txt` - 纯文本
- `.md` - Markdown文档

> 📖 **详细使用说明**：查看 [docs/user-guide.md](docs/user-guide.md) 了解完整使用方法

## 🏗️ 项目结构

```
auto_case/
├── app/                    # 应用主目录
│   ├── api/               # API路由
│   ├── config/            # 配置管理
│   ├── models/            # 数据模型
│   ├── services/          # 业务服务
│   │   ├── llm/          # LLM服务模块
│   │   ├── parsers/      # 文档解析模块
│   │   └── model_adapters/ # AI模型适配器
│   └── utils/             # 工具函数
├── docs/                  # 详细文档
├── tests/                 # 测试文件
├── main.py               # 应用入口
└── requirements.txt      # 依赖列表
```

## 🔧 开发指南

### 使用自定义AI模型
**无需修改代码！** 系统现已支持任意OpenAI兼容的API：

1. **直接配置环境变量**：设置提供商名称、API密钥、URL和模型名称
2. **自动适配**：系统自动使用通用适配器处理未知提供商
3. **智能检测**：自动检测API特性（如JSON格式支持）

### 添加专用适配器（可选）
如需为特定提供商添加专用适配器：

1. 在 `app/services/model_adapters/` 创建适配器
2. 在 `model_factory.py` 中注册适配器
3. 在 `settings.py` 中添加配置

### 运行测试
```bash
pytest                    # 运行所有测试
pytest tests/test_api.py  # 运行特定测试
```

> 📖 **开发文档**：查看 [docs/development.md](docs/development.md) 了解详细开发指南

## 🐛 故障排除

### 常见问题
- **生成0个用例**：检查API密钥配置和网络连接
- **请求超时**：增加超时时间配置或简化需求描述
- **文档解析失败**：确保文档格式正确，大小不超过50MB
- **模型连接失败**：验证API密钥和模型配置

### 诊断工具
```bash
python debug_config.py        # 调试配置问题
python check_db.py           # 检查数据库状态
tail -f logs/app.log         # 查看实时日志
```

> 📖 **详细故障排除**：查看 [docs/troubleshooting.md](docs/troubleshooting.md) 了解完整解决方案

## 📊 性能指标

- **单次生成**：最多100个测试用例
- **文档大小**：最大50MB
- **生成效率**：简单需求30秒，复杂需求3-5分钟
- **准确率**：用例完整性95%+，格式规范性99%+

## 🤝 贡献 & 许可证

欢迎提交 Issue 和 Pull Request！本项目采用 MIT 许可证。

## 📚 文档

- [🚀 自定义模型支持指南](docs/CUSTOM_MODELS_GUIDE.md) **← 新功能**
- [📖 详细配置说明](docs/configuration.md)
- [📖 使用指南](docs/user-guide.md)
- [📖 开发文档](docs/development.md)
- [📖 故障排除](docs/troubleshooting.md)
- [📖 更新日志](CHANGELOG.md)

---

<div align="center">

**⭐ 如果这个项目对您有帮助，请给我们一个星标！**

**让AI为您的测试工作赋能！🚀**

</div>