为什么你需要这个AI助手？

• 需求文档太复杂

  PRD文档动辄几十页，图文混杂，手动提取测试点易遗漏

• 用例设计费时费力

  要兼顾等价类、边界值、异常流多种方法，脑细胞不够用

• 跨系统协作难

  需要同时读取文档、解析图片、调用测试知识库…

试试用LangGraph 5步搭建智能生成流水线👇

---

一、LangGraph核心能力速览

LangGraph架构图

• 智能路由

  像交通指挥中心自动分配任务

• 工具调用

  可对接企业知识库/API/OCR等系统

• 状态记忆

  支持处理长文档时的断点续传

• 多轮校验

  自动查漏补缺测试场景

---

二、实战演示：从PRD到测试用例

1. 系统流程图

用例生成流程图

2. 关键工具配置

2. # 读取企业知识库工具

4. @tool

6. def get_cf_data(url: str):

8.     """自动解析公司内部文档结构"""

10.     # 解析文档...

12.     field_descriptions = {

14.         "title": "文章标题",

16.         "html": "html格式",

18.         "markdown": "markdown格式"

20.     }

22.     return {"data": data, "field_descriptions": field_descriptions}

25. # 图片解析工具

27. @tool 

29. def get_md_img_data(img_url: str):

31.     """用AI解析markdown中的图片"""

33.     try:

35.         response = request("GET", img_url)

37.         response.raise_for_status()  # 检查请求是否成功

39.         image_data = base64.b64encode(response.content).decode('utf-8')  # 将图片内容编码为base64

41.         # 使用ai简述图片中的内容

43.         response = gpt4o_model.invoke([HumanMessage(

45.             content=[

47.                 {'type': 'text', 'text': "简述图片中的内容"},

49.                 {

51.                     'type': 'image_url',

53.                     'image_url': {'url': f'data:image/png;base64,{image_data}'},

55.                 },

57.             ]

59.         )])

61.         return response.content

63.     except Exception as e:

65.         return f"Error processing the image: {str(e)}"

AI写代码python运行

3. Agent核心逻辑

2. tools = [get_cf_data, get_md_img_data]

5. agent = create_react_agent(

7.     model=gpt4o_model.bind_tools(tools),

9.     tools=tools,

11.     prompt="""

13.     假设你是资深软件测试工程师，现在你的任务是阅读CF中给出的文档，然后梳理出测试用例。

15.     用例生成要求：

17.      a．生成的测试场景语句通顺，表达清楚，不同测试场景的语义跟内容一定不要重复

19.      b．必须先使用多种用例设计方法生成高覆盖度的测试用例，不要错过任何需求细节，其中caseDesc为测试功能点，caseStep为测试操作步骤，expectResult为测试预期结果，用例书写格式：

21.     {

23.         "Method": "【等价类划分／边界值分析／错误推测／正交实验／或其他测试设计手段】", "caseDesc": "", "caseStep": "", "expectResult": ""

25.       }

27.     c．然后再查看已生成的用例，使用多种测试分类方法外充遗漏的测试场景，用例书写格式：

29.     {

31.         "Method": "【功能测试／界面测试／权限／安全／性能／或其他方面测试】", "caseDesc": "", "caseStep": "", "expectResult": ""

33.       }

35.     d. 严格按照用例书写格式输出，不要随意测试不相关的功能

37.     e. 你的回答应该是一个仅包含以上所有字段的json

39.     """

41. )

---

三、生成效果展示

输入文档：包含5个功能模块的PRD（含3张流程图）

智能输出：

测试方法	测试场景	预期结果
边界值分析	输入0个参与人员	提示"至少选择1人"
权限测试	普通员工访问管理功能	显示"无权限"提示
异常流测试	提交时断网	数据自动缓存待恢复

---

四、开发者进阶技巧

1. 质量校验闭环

   添加结果验证节点，自动检查用例完整性

2. 知识库增强

   接入历史用例库实现智能推荐

3. 人工审核机制

   关键用例推送企微审批

---

五、为什么选择LangGraph？

• 3分钟

   完成传统1天的工作量

• 准确率

   提升40%（实测对比人工编写）

• 灵活扩展

   支持对接Jira/禅道等测试管理系统

---

调试后可以发现它调用的情况

感谢每一个认真阅读我文章的人！！！

作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助。

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 

          视频文档获取方式：
这份文档和视频资料，对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！以上均可以分享，点下方小卡片即可自行领取。