ACP 智能测试用例生成与审核平台产品系统Vibe Coding

该项目面向软件研发与测试团队，解决需求文档内容复杂、人工编写测试用例耗时、测试覆盖容易遗漏以及审核标准不统一等问题。用户上传 Word 或 Markdown 需求文档后，系统利用大模型分析业务需求、补充缺失信息，并自动生成结构化测试用例、分类结果、自动化测试子集和审核报告，适用于企业软件、车载功能及包含 CAN 信号的测试场景。

系统分为内部管理端和客户使用端。客户可以上传 Word、Markdown 需求文档以及 Excel、DBC 格式的 CAN 矩阵，系统会先分析需求完整度，针对测试范围、运行环境、业务场景和预期结果提出关键问题，待用户确认后自动生成 Excel 测试用例、分类用例、自动化测试子集及 HTML 在线预览。系统还支持 OpenCode、Kimi Code 双 Agent 后端切换、模型选择、提示词与 Skill 管理、多用户注册登录、任务历史记录、生成任务续跑、用例固定、文件下载、知识库检索、AI 自动审核和最多三轮的受控修改，并输出审核评分及 Word 格式修改意见。

我负责项目的需求分析、系统架构、后端开发、前端交互、数据库设计及 AI Agent 接入。后端采用 Python 和 Flask 构建双端口 Web 服务，通过 ACP 协议调用 OpenCode或Kimi Code，并使用后台线程和 SSE 将模型执行日志实时推送到网页。系统使用 SQLite 保存账号、任务记录、分类知识和审核规则，通过用户目录与独立数据库实现数据隔离。项目实现了需求补全、文件解析、CAN 矩阵索引、测试用例生成、Excel/HTML 产物校验、结构化 AI 审核、失败重试、版本检查点和自动修改回滚等流程。开发难点主要是长时间 Agent 会话管理、生成文件一致性校验、多用户任务隔离，以及避免模型修改后引入新的测试用例错误。