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
详见 INTERACTION-PATTERNS.md
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
- 等价类划分 → 识别所有输入的有效/无效等价类 ↓
- 边界值分析 → 对每个等价类的边界进行测试 ↓
- 场景法 → 覆盖主要业务流程（基本流+备选流+异常流） ↓
- 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：
- 接受我的理解
- 提供不同解释
- 跳过此需求
- 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