Spring AI Alibaba智能测试用例生成

技术分享 8个月前 (07-09) 0 999+

关注

👋 还在为手动编写测试用例秃头吗？面对复杂需求文档，一个一个抠测试点，不仅效率低，还容易遗漏关键场景？为了解决该问题，笔者依托Spring AI开发了测试用例生成工具~

后端源码：https://github.com/qa-dpp/case-ai-backend

前端源码：https://github.com/qa-dpp/case-ai-front

🌟 核心功能

全类型文档分析：基于 Spring AI Alibaba的自然语言处理和图像识别能力，支持pdf 、word、txt多种格式需求文档，精准提取需求点。

智能生成与筛选：采用 Spring AI Alibaba的生成者评估者模式，生成者批量产出候选测试用例，评估者从合理性、覆盖率等维度筛选，保障用例质量与全面性。

脑图可视化呈现：将生成的测试用例自动转化为表格和脑图，清晰展示用例逻辑结构和与需求的对应关系，方便理解、执行与团队协作。

🛠️ 技术架构

底层框架：依托 Spring AI Alibaba，实现对文档的智能解析与处理。

生成模式：运用生成者评估者模式，构建高效可靠的测试用例生成流程。

可视化：集成表格和脑图生成技术，让测试用例以直观图形化方式呈现。

🛠️代码整体框架：

🛠️代码详解：

1. 常量定义（Consts.java）

package com.fingertip.caseaibackend.commons;  public class Consts {     public static final String ANALYZE_PROMPT = ...;     public static final String CASE_WRITER_PROMPT = ...;     public static final String CASE_REVIEWER_PROMPT = ...;     public static final String CASE_FORMAT_PROMPT = ...;     public static final String VISUAL_PROMPT = ...;      public static final String ORIGIN_MESSAGE = "originMessage";     public static final String CASE_INFO_MESSAGE = "caseInfoMessage";     public static final String CASE_REVIEW_MESSAGE = "caseReviewMessage";     public static final String CASE_FORMAT_MESSAGE = "caseFormatMessage"; }

该类定义了一系列常量，包括与大语言模型交互时使用的提示信息（如需求分析提示、测试用例编写提示等）以及状态图中使用的消息键。

2. 配置文件（application.yml）

server:   port: 8080  spring:   application:     name: spring-ai-alibaba-openai-chat-model-example   ai:     openai:       api-key: xxx       base-url: https://api.siliconflow.cn/       chat:         options:           model: deepseek-ai/DeepSeek-R1   servlet:     multipart:       max-file-size: 50MB       max-request-size: 50MB case-model:   visual:     api-key: xxx     base-url: https://api.siliconflow.cn/     model: Qwen/Qwen2.5-VL-72B-Instruct   analyze:     api-key: xxx     base-url: https://api.siliconflow.cn/     model: deepseek-ai/DeepSeek-R1   generate:     api-key: xxx     base-url: https://api.siliconflow.cn/     model: deepseek-ai/DeepSeek-R1-Distill-Qwen-7B   reviewer:     api-key: xxx     base-url: https://api.siliconflow.cn/     model: MiniMaxAI/MiniMax-M1-80k   format:     api-key: xxx     base-url: https://api.siliconflow.cn/     model: deepseek-ai/DeepSeek-V3 logging:   level:     root: INFO     org.springframework.ai: DEBUG     com.example.demo: DEBUG

配置文件定义了服务器端口、Spring AI 的基本配置（如 API 密钥、基础 URL、模型类型）以及不同任务（如可视化、需求分析、测试用例生成等）使用的模型信息。同时，还配置了文件上传的最大大小和日志级别。

3. 大语言模型配置（LLMConfig.java）

package com.fingertip.caseaibackend.aiproxies.configs;  import org.springframework.ai.chat.model.ChatModel; import org.springframework.ai.openai.OpenAiChatModel; import org.springframework.ai.openai.OpenAiChatOptions; import org.springframework.ai.openai.api.OpenAiApi; import org.springframework.beans.factory.annotation.Value; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration;  @Configuration public class LLMConfig {     @Value("${case-model.analyze.api-key}")     private String analyze_apiKey = "";     @Value("${case-model.analyze.base-url}")     private String analyze_baseUrl = "";     @Value("${case-model.analyze.model}")     private String analyze_Model = "";      @Bean     public ChatModel analyzeModel() {         OpenAiChatOptions options = new OpenAiChatOptions();         options.setModel(analyze_Model);         options.setTemperature(0.7);         return OpenAiChatModel.builder().openAiApi(OpenAiApi.builder().apiKey(analyze_apiKey).baseUrl(analyze_baseUrl).build()).defaultOptions(options).build();     }      // 其他模型配置... }

该类使用 Spring 的 @Configuration 注解，通过 @Value 注解从配置文件中读取不同任务所需的 API 密钥、基础 URL 和模型类型，然后创建相应的 ChatModel 实例。

4. 控制器（AiChatController.java）

@RestController @RequestMapping("/ai-api") public class AiChatController {     private static final String DEFAULT_PROMPT = "你好，介绍下你自己！";      private final ChatClient openAiAnalyzeChatClient;     private final ChatClient openAiGenerateChatClient;     private final ChatClient openAiReviewerChatClient;     private final ChatClient openAiFormatChatClient;     private final ChatClient openAiVisualChatClient;      public AiChatController(@Qualifier("analyzeModel") ChatModel analyzeModel, ...) {         this.openAiAnalyzeChatClient = ChatClient.builder(analyzeModel)                 .defaultAdvisors(new SimpleLoggerAdvisor())                 .defaultOptions(OpenAiChatOptions.builder().topP(0.7).build())                 .build();         // 其他 ChatClient 初始化...     }      @PostMapping("/file/upload")     public ApiResult<String> uploadFile(@RequestParam("files") MultipartFile[] files) {         ApiResult<String> result = new ApiResult<>();         try {             if (files == null || files.length == 0) {                 result.setMessage("上传文件为空");                 result.setCode(400);                 return result;             }              StringBuilder contentBuilder = new StringBuilder();             for (MultipartFile file : files) {                 if (file.isEmpty()) {                     continue;                 }                 String fileName = file.getOriginalFilename();                 if (fileName == null) {                     continue;                 }                  if (fileName.endsWith(".docx") || fileName.endsWith(".pdf")) {                     List<Media> mediaList = null;                     if (fileName.endsWith(".docx")) {                         // 将 docx 转换为 PDF                         XWPFDocument docxDoc = new XWPFDocument(file.getInputStream());                         ByteArrayOutputStream pdfOutputStream = new ByteArrayOutputStream();                         PdfOptions options = PdfOptions.create();                         PdfConverter.getInstance().convert(docxDoc, pdfOutputStream, options);                         byte[] pdfBytes = pdfOutputStream.toByteArray();                         mediaList = convertPdfToImages(pdfBytes);                     } else if (fileName.endsWith(".pdf")) {                         mediaList = convertPdfToImages(file.getBytes());                     }                     if (mediaList != null && !mediaList.isEmpty()) {                         UserMessage message = UserMessage.builder().text(Consts.VISUAL_PROMPT).media(mediaList).metadata(new HashMap<>()).build();                         message.getMetadata().put(MESSAGE_FORMAT, MessageFormat.IMAGE);                         String content = openAiVisualChatClient.prompt(new Prompt(message)).call().content();                         contentBuilder.append(content).append("n");                     }                 } else {                     if (!file.isEmpty()) {                         contentBuilder.append(file.getOriginalFilename()).append(":n");                         contentBuilder.append(new String(file.getBytes(), StandardCharsets.UTF_8)).append("n");                     }                 }             }             String content = contentBuilder.toString();              String resp = openAiAnalyzeChatClient                     .prompt(Consts.ANALYZE_PROMPT)                     .user(content)                     .call()                     .content();              result.setData(resp);             result.setMessage("解析完成");             result.setCode(200);         } catch (Exception e) {             result.setMessage("文件处理异常: " + e.getMessage());             result.setCode(500);             return result;         }         return result;     }      // 其他接口方法... }

AiChatController 是项目的控制器类，负责处理客户端的请求。它通过构造函数注入不同任务的 ChatClient 实例，提供了文件上传、流式文件上传和测试用例创建等接口。在文件上传接口中，会根据文件类型（.docx 或 .pdf）进行相应的处理，如将 docx 转换为 PDF，再将 PDF 转换为图片，最后调用可视化模型进行处理

5. 节点类（CaseGenerateNode.java, CaseReviewerNode.java, CaseFormatNode.java）

package com.fingertip.caseaibackend.aiproxies.nodes;  import com.alibaba.cloud.ai.graph.OverAllState; import com.alibaba.cloud.ai.graph.action.NodeAction; import com.fingertip.caseaibackend.commons.Consts; import org.springframework.ai.chat.client.ChatClient; import org.springframework.ai.chat.model.ChatResponse; import org.springframework.util.StringUtils;  import java.util.HashMap; import java.util.Map;  public class CaseGenerateNode implements NodeAction {     private final ChatClient chatClient;      public CaseGenerateNode(ChatClient chatClient) {         this.chatClient = chatClient;     }      @Override     public Map<String, Object> apply(OverAllState t) {         String origin_message = (String) t.value(Consts.ORIGIN_MESSAGE).orElse("");         String case_reviewer_message = (String) t.value(Consts.CASE_REVIEW_MESSAGE).orElse("");         String caseInfo = (String) t.value(Consts.CASE_INFO_MESSAGE).orElse("");          if (!StringUtils.hasText(origin_message)) {             throw new IllegalArgumentException("没有找到原始消息");         }         String content = Consts.CASE_WRITER_PROMPT + "nn" + origin_message;         if (StringUtils.hasText(case_reviewer_message) && StringUtils.hasText(caseInfo)) {             content = "%sn# 原始需求:n%snn# 上个版本需求用例:n%s n# 专家意见:%sn".formatted(Consts.CASE_WRITER_PROMPT, origin_message, caseInfo, case_reviewer_message);         }          ChatResponse response = chatClient.prompt(content).call().chatResponse();         String output = null;         if (response != null) {             output = response.getResult().getOutput().getText();         }          Map<String, Object> updated = new HashMap<>();         updated.put(Consts.CASE_INFO_MESSAGE, output);          return updated;     } }

这些节点类实现了 NodeAction 接口，用于在状态图中执行特定的任务。例如，CaseGenerateNode 负责根据原始需求和评审意见生成测试用例，它从 OverAllState 中获取所需的信息，构造请求内容，调用相应的 ChatClient 与大语言模型交互，最后将生成的测试用例信息存储到 OverAllState 中。

6. 反馈分发器（FeedbackDispatcher.java）

package com.fingertip.caseaibackend.aiproxies.nodes;  import com.alibaba.cloud.ai.graph.OverAllState; import com.alibaba.cloud.ai.graph.action.EdgeAction; import com.fingertip.caseaibackend.commons.Consts;  public class FeedbackDispatcher implements EdgeAction {     @Override     public String apply(OverAllState t) {         String output = (String) t.value(Consts.CASE_REVIEW_MESSAGE).orElse("");         return output.toLowerCase().contains("approve") ? "positive" : "negative";     } }

FeedbackDispatcher 实现了 EdgeAction 接口，根据测试用例评审结果（CASE_REVIEW_MESSAGE）判断是否通过评审，并返回相应的反馈结果（positive 或 negative），用于状态图中的流程控制

🌟C端页面