自主学习型测试文档生成器

从需求文档自动生成专业测试文档，具备项目感知、持续学习和专业测试设计方法能力。

核心能力

专业测试设计方法：等价类划分、边界值分析、场景法、错误推测法
需求追溯矩阵：自动生成需求-用例追溯关系，计算覆盖率
优先级管理：P0-P3 优先级分类，支持冒烟/核心/全量回归测试集
自主学习：学习项目模板、领域术语、命名规范
交互式确认：关键节点询问用户，支持快速/专家双模式

交互模式

模式定义

| 模式 | 名称 | 适用场景 | 确认方式 | |------|------|---------|---------| | quick | 快速模式 | 日常生成、熟悉流程 | 回车继续，仅问题时询问 | | expert | 专家模式 | 首次使用、精细控制 | 每阶段确认，完整预览 |

交互检查点

| 检查点 | 阶段 | Quick 模式 | Expert 模式 | |--------|------|-----------|-------------| | 解析确认 | Phase 2.5 | 摘要 + 有问题时询问 | 完整列表 + 等待确认 | | 歧义处理 | Phase 2.6 | 仅关键歧义 | 所有歧义 | | 生成预览 | Phase 2.8 | 统计数据 | 统计 + 样例 + 可调整 | | 输出选择 | Phase 2.9 | 确认默认配置 | 完整格式选择 |

模式切换

首次运行：询问用户选择模式
命令切换：切换模式 / 快速模式 / 专家模式
偏好存储：.memory/user-preferences.json

首次使用

检测或询问用户项目结构：

模板文件夹路径（默认: ./templates）
需求文档路径（默认: ./requirements）
创建 .memory 文件夹用于存储学习数据

安装依赖：

pip install openpyxl PyMuPDF python-docx

测试设计方法

详见 TEST-DESIGN-METHODS.md

方法选择指南

| 需求特征 | 推荐方法 | |---------|---------| | 有明确输入范围/格式要求 | 等价类划分 + 边界值分析 | | 涉及业务流程/多步骤操作 | 场景法 | | 历史缺陷多/高风险模块 | 错误推测法 |

核心4种方法

等价类划分法 (EP)
- 划分有效/无效等价类
- 一条用例覆盖多个有效类，每个无效类单独覆盖
边界值分析法 (BVA)
- 测试边界点：上点、离点、内点
- 对闭区间 [a,b]：测试 a-1, a, b, b+1
场景法 (ST)
- 识别基本流、备选流、异常流
- 每条路径生成对应用例
错误推测法 (EG)
- 基于经验推测常见错误
- 补充特殊字符、极端值、并发等测试

用例设计流程

1. 等价类划分 → 识别所有输入的有效/无效等价类
       ↓
2. 边界值分析 → 对每个等价类的边界进行测试
       ↓
3. 场景法     → 覆盖主要业务流程（基本流+备选流+异常流）
       ↓
4. 错误推测   → 补充经验性测试用例

需求追溯与覆盖率

详见 TRACEABILITY.md

追溯矩阵

生成用例时自动关联需求ID，输出包含：

正向追溯：需求ID → 关联用例列表
反向追溯：用例 → 来源需求
覆盖率统计：需求覆盖率、覆盖深度

需求ID提取规则

自动识别需求文档中的ID模式：

REQ_001、REQ-123
F1.2、F-3.1.2
US_042
JIRA格式：PROJ-123

若无明确ID，自动生成：MOD_{模块缩写}_{序号}

优先级与回归分类

详见 TEST-PRIORITY.md

优先级定义

| 级别 | 定义 | 来源 | |------|------|------| | P0 | 核心功能，不可用则系统无法使用 | 基本流用例 | | P1 | 主要功能，影响核心业务流程 | 备选流 + 边界值 | | P2 | 次要功能，不影响主流程 | 异常流 + 错误推测 | | P3 | 体验优化，边缘场景 | 边缘错误推测 |

回归测试集

| 测试集 | 包含用例 | 执行时机 | |--------|---------|---------| | 冒烟测试 | 所有 P0 | 每次构建 | | 核心回归 | P0 + P1 | 每日/提测 | | 全量回归 | 所有 | 发版前 |

项目感知

识别项目结构

扫描项目根目录
查找 templates/、requirements/、docs/ 等目录
识别模板文件和需求文档
将识别结果存入 .memory/project-context.json

支持的文档格式

| 格式 | 扩展名 | 提取脚本 | |------|--------|---------| | PDF | .pdf | scripts/extract_document.py --format pdf | | Word | .docx | scripts/extract_document.py --format docx | | Markdown | .md | 直接读取 | | 富文本 | .rtf | scripts/extract_document.py --format rtf |

.memory 记忆系统

Skill 在项目中创建 .memory/ 文件夹，存储学习数据：

project-context.json

{
  "project_name": "电商平台",
  "detected_at": "2024-01-15",
  "template_dir": "./templates",
  "requirements_dir": "./requirements",
  "output_dir": "./test-docs"
}

template-schemas.json

{
  "test_case": {
    "source": "./templates/测试用例模板.xlsx",
    "columns": ["用例编号", "模块名称", "用例标题", "优先级", "关联需求ID", "设计方法", "前置条件", "测试步骤", "预期结果", "实际结果", "是否通过", "回归类型", "备注"],
    "id_format": "TC_{module}_{seq:03d}",
    "learned_at": "2024-01-15"
  }
}

terminology.json

{
  "domain_terms": {
    "SKU": "库存单位",
    "GMV": "商品交易总额"
  },
  "module_abbreviations": {
    "用户登录": "LOGIN",
    "购物车": "CART"
  }
}

generation-history.json

{
  "generations": [
    {
      "date": "2024-01-15",
      "type": "test_case",
      "source": "PRD-v1.0.pdf",
      "output": "登录模块_测试用例_v1.xlsx",
      "case_count": 25,
      "coverage_rate": "95%"
    }
  ]
}

Workflow

Phase 0: 项目初始化（首次运行）

询问或检测项目结构
询问交互模式：Quick（快速）或 Expert（专家）
创建 .memory/ 文件夹
学习模板结构，存入 template-schemas.json
提取领域术语，存入 terminology.json
保存用户偏好到 user-preferences.json

Phase 1: 读取需求

用户指定需求文档或文件夹
调用 scripts/extract_document.py 提取文本
返回结构化内容

Phase 2: 解析需求

读取 .memory/terminology.json 理解领域术语
提取需求ID：识别或生成需求唯一标识
结构识别：功能模块、验收条件、业务规则
等价类划分：识别输入的有效/无效等价类
边界值提取：识别数值、长度、时间边界
场景流识别：识别基本流、备选流、异常流
错误推测补充：根据输入类型和模块类型触发
歧义检测：识别不明确的需求描述
参考 PARSING-RULES.md

Phase 2.5: 【检查点1】解析确认

使用 AskUserQuestion 确认解析结果：

Expert 模式：

显示完整解析结果表格：
- 识别的模块列表（名称、需求数、缩写）
- 提取的需求ID列表（ID、名称、验收条件数）
- 识别的业务规则
- 识别的边界条件

等待用户确认：确认 / 修改 / 重新解析

Quick 模式：

显示摘要：已识别 X 个模块，Y 条需求，Z 条规则

仅在发现警告时询问用户
无警告则自动继续

Phase 2.6: 歧义处理

对检测到的歧义需求逐一询问：

需求原文：{text}
歧义类型：边界不明确 / 规则冲突 / 条件缺失
我的理解：{interpretation}

请选择：
1. 接受我的理解
2. 提供不同解释
3. 跳过此需求
4. 标记为待确认

Expert 模式：询问所有歧义
Quick 模式：仅询问影响 P0/P1 的关键歧义

Phase 2.8: 【检查点2】生成预览

使用 AskUserQuestion 预览生成方案：

Expert 模式：

显示优先级分布：P0/P1/P2/P3 数量和占比
显示设计方法分布：EP/BVA/ST/EG
显示样例用例：每个优先级展示1条

可选操作：
- 调整优先级分布
- 增加/减少特定类型用例
- 预览特定模块

Quick 模式：

显示统计：将生成 X 条用例，P0:X | P1:X | P2:X | P3:X

仅在分布异常时询问（如 P0 > 20%）
正常则回车继续

Phase 2.9: 【检查点3】输出选择

使用 AskUserQuestion 选择输出格式：

Expert 模式：

多选输出格式：
- Excel 测试用例
- Markdown 测试用例
- 测试计划文档
- 测试报告模板

单选追溯矩阵：
- 包含在Excel中
- 单独生成文件
- 不生成

Quick 模式：

确认默认配置（基于上次选择或默认）：
- ✅ Excel 测试用例（含追溯矩阵）
- ✅ 覆盖率统计

回车确认，或输入"更多"选择其他格式

Phase 3: 生成文档

读取 .memory/template-schemas.json 获取模板结构
分配优先级：根据用例类型自动判断 P0-P3
设置回归类型：根据优先级映射冒烟/核心/全量
标记设计方法：EP/BVA/ST/EG
关联需求ID：每个用例记录来源需求
调用 scripts/generate_excel.py 生成 Excel（含追溯矩阵）

Phase 4: 更新记忆

记录本次生成到 generation-history.json
如有新术语，更新 terminology.json
保存用户偏好到 user-preferences.json
如用户反馈，调整学习数据

输出格式

测试用例 Excel

默认列： | 列名 | 说明 | |------|------| | 用例编号 | TC_{MODULE}_{SEQ:03d} | | 模块名称 | 功能模块 | | 用例标题 | 测试点简述 | | 优先级 | P0/P1/P2/P3（下拉选择，带颜色） | | 关联需求ID | REQ_XXX（支持多个，逗号分隔） | | 设计方法 | EP/BVA/ST/EG | | 前置条件 | 执行前提 | | 测试步骤 | 详细操作步骤 | | 预期结果 | 期望行为 | | 实际结果 | 执行时填写 | | 是否通过 | 通过/未通过/阻塞/未执行 | | 回归类型 | 冒烟/核心/全量 | | 备注 | 补充说明 |

额外 Sheet（启用追溯时）：

需求追溯矩阵：需求ID、关联用例、覆盖状态
覆盖率统计：总需求数、覆盖率、优先级分布

测试计划 Markdown

固定8章节结构：

测试目标
测试范围
测试策略
测试环境
测试资源
测试进度
风险与应对
交付物

测试报告 Markdown

固定5章节结构：

执行概述
测试统计
缺陷分析
覆盖率报告
结论与建议

脚本调用

提取文档

python3 "${SKILL_ROOT}/scripts/extract_document.py" \
  --input "/path/to/PRD.pdf" \
  --format pdf \
  --output "/tmp/prd-content.json"

生成 Excel（带追溯矩阵）

python3 "${SKILL_ROOT}/scripts/generate_excel.py" \
  --output "测试用例.xlsx" \
  --data '[{"用例编号":"TC_LOGIN_001", "优先级":"P0", "关联需求ID":"REQ_001", ...}]' \
  --traceability \
  --requirements '[{"id":"REQ_001", "name":"用户登录"}]'

管理记忆

python3 "${SKILL_ROOT}/scripts/memory_manager.py" \
  --action init \
  --project "/path/to/project"

学习能力

自动学习

首次使用时学习模板结构
从需求文档积累领域术语
识别命名规范并保持一致

用户反馈学习

用户修正后，询问是否记住
将反馈存入记忆供后续使用

记忆更新命令

"更新术语表"    → 重新扫描并更新 terminology.json
"重新学习模板"  → 重新解析模板结构
"清除记忆"      → 删除 .memory 文件夹

约束

需求追溯：所有用例必须关联需求ID
方法标记：所有用例必须标记设计方法
优先级覆盖：P0 占比 10-15%，P1 占比 30-40%
交互确认：Expert 模式下每个检查点必须等待用户确认
歧义处理：发现不明确需求时必须询问用户（可配置）
模式记忆：用户模式偏好存入 .memory/user-preferences.json
遵循项目已有的命名规范
不凭空编造需求中不存在的场景
默认输出中文，除非项目配置为其他语言
.memory 文件夹应加入 .gitignore（可选）

参考文档

INTERACTION-PATTERNS.md - 交互模式与问题模板
TEST-DESIGN-METHODS.md - 核心4种测试设计方法详解
TRACEABILITY.md - 需求追溯矩阵规范
TEST-PRIORITY.md - 优先级与回归分类
PARSING-RULES.md - 需求解析规则
MEMORY-SCHEMA.md - 记忆文件结构
LEARNING-RULES.md - 学习规则

generate-test-docs

自主学习型测试文档生成器

核心能力

交互模式

模式定义

交互检查点

模式切换

首次使用

测试设计方法

方法选择指南

核心4种方法

用例设计流程

需求追溯与覆盖率

追溯矩阵

需求ID提取规则

优先级与回归分类

优先级定义

回归测试集

项目感知

识别项目结构

支持的文档格式

.memory 记忆系统

project-context.json

template-schemas.json

terminology.json

generation-history.json

Workflow

Phase 0: 项目初始化（首次运行）

Phase 1: 读取需求

Phase 2: 解析需求

Phase 2.5: 【检查点1】解析确认

Phase 2.6: 歧义处理

Phase 2.8: 【检查点2】生成预览

Phase 2.9: 【检查点3】输出选择

Phase 3: 生成文档

Phase 4: 更新记忆

输出格式

测试用例 Excel

测试计划 Markdown

测试报告 Markdown

脚本调用

提取文档

生成 Excel（带追溯矩阵）

管理记忆

学习能力

自动学习

用户反馈学习

记忆更新命令

约束

参考文档