AI 测试用例生成器（ai-testcase-builder）产品系统Vibe Coding

面向软件测试团队的用例设计提效场景。测试用例设计占测试工作量的 30%-40%，且重复性高、依赖个人经验——需求变更后用例重写、覆盖度不均、格式不统一是普遍痛点。本工具把大模型引入用例生成环节，输入需求文本即产出结构化测试用例（含前置条件/步骤/预期结果），让测试人员从"写用例"转向"评审用例"，覆盖业务系统、接口、移动端等多类测试对象。

- 需求解析与用例生成：输入需求描述，自动生成覆盖正常流/边界值/异常场景的结构化测试用例
- 提示词模板体系：内置用例生成模板，支持按测试类型（功能/接口/异常）切换生成策略
- Few-shot 优质样本：将团队历史优质用例作为示例样本喂入提示词，提升生成质量与团队风格一致性
- 质量保障流水线：输出格式与字段校验、去重合并、人工评审后入库；支持多次生成一致性对比与黄金样本覆盖率校验
- 采纳率回流：记录用例采纳/修改情况，持续迭代提示词模板
- 交付形态：Web 界面在线使用（ModelScope Studio），支持代码开源自部署

- 独立完成需求分析、架构设计、开发、测试与上线全流程
- 架构：Python 后端 + Web 前端（ModelScope Studio 托管），LLM 采用千问/DeepSeek API 直连
- 质量设计：针对 LLM 输出幻觉问题，设计"输入约束（提示词+few-shot）→ 输出校验（格式/去重）→ 评测回归（黄金样本覆盖）→ 人工门禁（评审入库）"四层流水线，保证生成用例可用可信
- 迭代机制：采纳率/修改率数据回流驱动提示词模板迭代，生成质量持续提升
- 项目成就：已上线 ModelScope 并开源 GitHub，可在线演示；用例生成从"小时级"压缩到"分钟级"，测试人员只需评审修订