基于 DeepSeek 通过功能需求进行测试设计，预计可以降低约 60% 的用例设计成本。大致步骤，如下：

1. 功能需求提取
2. 用例生成提示词设计 ->最关键
3. DeepSeek模型调用
4. 测试用例持久化存储

步骤 1 ：功能需求提取

在实际应用场景中，可以通过以下方式获取需求：

• 通过API调用需求管理平台获取需求。
• 读取在线或离线的需求文档（Markdown/Word/Excel）。
• 或者人工录入功能需求。

本文中通过读取 MarkDown 文档获取需求，示例如下：

Python 示例代码如下：

def get_functional_requirements(functional_requirements_file : str) -> str:
    """

    :param functional_requirements_file:
    :return:
    """
    # 获取当前脚本所在目录
    project_path = pathlib.Path(__file__).parent.parent.parent
    static_path = project_path.joinpath('static').absolute()
    
    # 构建Markdown文件的完整路径
    markdown_file_path = os.path.join(static_path, functional_requirements_file)
    
    # 读取Markdown文件内容
    with open(markdown_file_path, 'r', encoding='utf-8') as file:
        functional_requirements = file.read()

    return functional_requirements

步骤 2：用例生成提示词设计

提示词的设计质量直接影响大模型的生成效果，现将一套已应用于生产的用例生成提示词分享给大家，可直接参考使用。

standardized_json_structure = [
  {
    'title': '正常录入人员信息', 
    'preconditions':  [
      {'description': '输入一个具体的项目名称、跟投类型和被投主体'}
    ], 
    'steps': [
      {'description': '输入有效的姓名、年龄和出生年月', 'exception': ''}, 
      {'description': '点击保存', 'exception': '信息保存成功'}
    ], 
    'priority': 1, 
    'tags': ['基线', '等价类划分法']
  }
]

prompts = f"""
功能需求说明如下：

    {functional_requirements}
    ---
    作为一个资深软件测试专家，请按照以下格式对上述功能需求从正向、负向场景进行测试分析与设计，需要用到常用的等价类划分法、边界值分析法、判定表法、正交法等测试设计方法，需要返回一个可直接解析的数组，该数组中每一个元素代表一条用例,元素类型为JSON，每条用例报告以下要素：

    每条用例包含用例标题 title，字符串类型。

    每条用例包含测试前置步骤 preconditions，数组类型，数组每个元素为一个前置步骤描述，数据类型为字典，字典中包含一个key，名为description，为前置步骤描述，字符串类型。

    每条用例包含测试步骤 steps，数组类型。数组每个元素报告一个测试步骤描述及期望结果，为字典类型，测试步骤描述的key名为description ,期望结果的key名为exception，并不是所有步骤都需要有对应期望结果，若没有则值为空字符串传。

    每条用例包含优先级 priority，由高到低，分别为 1、2、3

    每条用例包含标签 tags，数组类型。对于回归测试时必须要执行的正向设计用例，打上“基线”标签，同时打上一个此用例是使用哪种或哪几种测试用例设计方法设计出来的方法名

    数据结构示例如下： {standardized_json_structure}
    
"""

步骤 3：DeepSeek 模型调用

1. 安装 DeepSeek Python库

pip install langchain-deepseek-official 

2. DeepSeek 官网获取 API Token 。

代码示例：

def deepseek_generate_case(functional_requirements : str) -> str:
    """

    :param functional_requirements:
    :return:
    """

    standardized_json_structure = [{'title': '正常录入人员信息', 'preconditions': [{'description': '输入一个具体的项目名称、跟投类型和被投主体'}], 'steps': [{'description': '输入有效的姓名、年龄和出生年月', 'exception': ''}, {'description': '点击保存', 'exception': '信息保存成功'}], 'priority': 1, 'tags': ['基线', '等价类划分法']}]

    prompts = f"""
    功能需求说明如下：

        {functional_requirements}
        ---
        作为一个资深软件测试专家，请按照以下格式对上述功能需求从正向、负向场景进行测试分析与设计，需要用到常用的等价类划分法、边界值分析法、判定表法、正交法等测试设计方法，需要返回一个可直接解析的数组，该数组中每一个元素代表一条用例,元素类型为JSON，每条用例报告以下要素：

        每条用例包含用例标题 title，字符串类型。

        每条用例包含测试前置步骤 preconditions，数组类型，数组每个元素为一个前置步骤描述，数据类型为字典，字典中包含一个key，名为description，为前置步骤描述，字符串类型。

        每条用例包含测试步骤 steps，数组类型。数组每个元素报告一个测试步骤描述及期望结果，为字典类型，测试步骤描述的key名为description ,期望结果的key名为exception，并不是所有步骤都需要有对应期望结果，若没有则值为空字符串传。

        每条用例包含优先级 priority，由高到低，分别为 1、2、3

        每条用例包含标签 tags，数组类型。对于回归测试时必须要执行的正向设计用例，打上“基线”标签，同时打上一个此用例是使用哪种或哪几种测试用例设计方法设计出来的方法名

        数据结构示例如下： {standardized_json_structure}
        
    """
    from langchain_deepseek import ChatDeepSeek

    llm = ChatDeepSeek(
        model="deepseek-chat",
        api_key="sk-f5109c1b919f47b2bcXX",
        temperature=0,
        max_tokens=None,
        timeout=None,
        max_retries=2,
        # 其他参数...
    )
    ai_msg = llm.invoke(prompts)

    return ai_msg.content

我只能说 DeepSeek非常的强大，效果远高于其他国内大模型，而且token是真·白菜价。生成的测试用例如下：

[
    {
        "title": "正常录入人员基础信息",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "输入有效的姓名（2-20个汉字或字母）", "exception": ""},
            {"description": "选择性别为'男'", "exception": ""},
            {"description": "输入有效的身份证号（18位格式）", "exception": "年龄自动计算并显示"},
            {"description": "选择籍贯（省-市-县三级联动）", "exception": ""},
            {"description": "选择政治面貌为'中共党员'", "exception": ""},
            {"description": "点击提交", "exception": "显示绿色成功提示，生成人员ID"}
        ],
        "priority": 1,
        "tags": ["基线", "等价类划分法"]
    },
    {
        "title": "姓名输入边界值测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "输入1个汉字的姓名", "exception": "提示姓名长度不符合要求"},
            {"description": "输入21个字母的姓名", "exception": "提示姓名长度不符合要求"},
            {"description": "输入2个汉字的姓名", "exception": "姓名输入成功"},
            {"description": "输入20个字母的姓名", "exception": "姓名输入成功"}
        ],
        "priority": 2,
        "tags": ["边界值分析法"]
    },
    {
        "title": "性别选择其他并输入具体名称",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "选择性别为'其他'", "exception": "显示文本输入框"},
            {"description": "在文本输入框中输入具体名称", "exception": ""},
            {"description": "点击提交", "exception": "显示绿色成功提示，生成人员ID"}
        ],
        "priority": 2,
        "tags": ["等价类划分法"]
    },
    {
        "title": "身份证号格式错误测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "输入17位数字的身份证号", "exception": "红色提示身份证号格式错误"},
            {"description": "输入19位数字的身份证号", "exception": "红色提示身份证号格式错误"},
            {"description": "输入包含字母的身份证号", "exception": "红色提示身份证号格式错误"}
        ],
        "priority": 2,
        "tags": ["边界值分析法"]
    },
    {
        "title": "工作履历模块正常录入",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "点击添加工作履历", "exception": "显示新的工作履历表单"},
            {"description": "输入有效的公司名称（50字内）", "exception": ""},
            {"description": "输入有效的职位（20字内）", "exception": ""},
            {"description": "选择有效的任职时间（起止日期）", "exception": ""},
            {"description": "输入工作内容（300字内）", "exception": ""},
            {"description": "上传PDF格式的工作证明（≤10MB）", "exception": ""},
            {"description": "点击提交", "exception": "显示绿色成功提示，生成人员ID"}
        ],
        "priority": 1,
        "tags": ["基线", "等价类划分法"]
    },
    {
        "title": "工作履历模块附件上传格式错误测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "点击添加工作履历", "exception": "显示新的工作履历表单"},
            {"description": "上传JPG格式的工作证明", "exception": "提示文件格式不支持"},
            {"description": "上传超过10MB的PDF文件", "exception": "提示文件大小超过限制"}
        ],
        "priority": 2,
        "tags": ["边界值分析法"]
    },
    {
        "title": "防重复提交机制测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "输入有效的姓名、性别、身份证号等信息", "exception": ""},
            {"description": "点击提交", "exception": "按钮置灰，3秒内无法再次点击"},
            {"description": "等待3秒后再次点击提交", "exception": "显示绿色成功提示，生成人员ID"}
        ],
        "priority": 2,
        "tags": ["判定表法"]
    },
    {
        "title": "政治面貌选择其他并输入具体名称",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "选择政治面貌为'其他'", "exception": "显示文本输入框"},
            {"description": "在文本输入框中输入具体名称", "exception": ""},
            {"description": "点击提交", "exception": "显示绿色成功提示，生成人员ID"}
        ],
        "priority": 2,
        "tags": ["等价类划分法"]
    },
    {
        "title": "籍贯模糊搜索测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "在籍贯选择器中输入模糊地名", "exception": "显示匹配的地名选项"},
            {"description": "选择匹配的地名", "exception": "籍贯选择成功"}
        ],
        "priority": 2,
        "tags": ["等价类划分法"]
    },
    {
        "title": "工作履历模板下载测试",
        "preconditions": [
            {"description": "打开人员信息录入页面"}
        ],
        "steps": [
            {"description": "点击下载履历模板", "exception": "成功下载标准化填写示例文件"}
        ],
        "priority": 3,
        "tags": ["等价类划分法"]
    }
]

步骤 4 ：测试用例持久化存储

在实际应用场景中，可以通过以下方式持久化测试用例：

• 通过API将生成的结构化用例，写入到测试平台中。
• 写入到在线或离线的测试用例文档中。

这里直接将生成的测试用例回写到上面提到的MarkDown文档中。

Python 代码示例：

ef persistent_storage_case(cases):
    # 获取当前脚本所在目录
    project_path = pathlib.Path(__file__).parent.parent.parent
    static_path = project_path.joinpath('static').absolute()
    
    # 构建Markdown文件的完整路径
    markdown_file_path = os.path.join(static_path, "functional_requirements.md")

    # 读取Markdown文件内容
    with open(markdown_file_path, 'r', encoding='utf-8') as file:
        existing_content = file.read()

    # 将case内容追加到现有内容中
    updated_content = existing_content + "\n\n## 测试用例\n" + cases

    # 将修改后的内容写回Markdown文件
    with open(markdown_file_path, 'w', encoding='utf-8') as file:
        file.write(updated_content)

    return markdown_file_path