AI测试用例生成脚本

解放测试双手！JM_TestGenius：AI多模型驱动，需求文档一键生成测试用例

作为测试工程师/开发人员，你是否也遇到过这些痛点？

需求文档冗长繁杂，手动提取业务逻辑、拆解测试场景，耗时又易漏；

编写测试用例重复机械，占用大量时间，影响核心业务开发/测试效率；

多模型调用繁琐，切换千问、DeepSeek等工具来回折腾，体验割裂。

为解决这些问题，我开发了 JM_TestGenius —— 一款基于多AI模型的自动化测试用例生成工具，无需复杂操作，上传需求文档，一键生成标准化、可直接执行的测试用例，彻底解放测试人员的双手！

项目简介

JM_TestGenius 由本人（JM）独立开发，核心定位是「需求解析→用例生成」全流程自动化，集成千问、DeepSeek等主流大语言模型，适配各类文本型需求文档，自动提取业务场景、约束条件、输入输出规则，快速生成覆盖正常场景、异常场景、边界场景的测试用例，大幅提升测试设计效率，降低人工成本。

项目已开源至GitHub，欢迎大家Star、Fork、提Issue，一起完善优化！

GitHub地址：github.com/Junmet/JM_T…

核心功能亮点

1. 多AI模型无缝集成，灵活切换

内置千问、DeepSeek等主流大语言模型接口，封装统一调用逻辑，无需手动切换不同模型工具。可根据需求文档复杂度、用例生成精度，自由选择适配的模型，兼顾效率与准确性。

统一接口封装，无需重复开发模型调用代码；

支持模型参数自定义，适配不同场景需求。

2. 需求文档智能解析，精准提取核心信息

无需手动拆解需求，工具自动解析需求文档中的业务逻辑、功能点、输入约束、输出要求，识别隐藏场景（如异常输入、边界值），避免人工解析遗漏。

支持TXT、MD等常见文本格式需求文档；

智能识别业务场景、约束条件、异常场景，解析准确率高；

适配复杂需求文档，自动拆分模块，生成对应模块的测试用例。

3. 一键生成标准化测试用例，可直接执行

基于解析后的需求信息，自动生成结构化、标准化的测试用例，包含用例ID、测试场景、输入数据、预期结果、优先级等核心字段，无需二次修改，可直接用于测试执行。

生成的用例符合测试规范，结构清晰，便于追溯；

支持导出为Excel、TXT格式，适配各类测试管理工具；

自动覆盖正常、异常、边界等多类场景，提升测试覆盖率。

4. 轻量易上手，零复杂配置

无需复杂的环境部署，克隆代码、安装依赖、配置模型密钥，即可快速启动使用，新手也能快速上手。

详细的README文档，步骤清晰，一键部署；

简洁的交互逻辑，上传需求文档→选择模型→生成用例，3步完成；

支持本地运行，保护需求文档隐私，无需上传至第三方平台。

快速上手指南

只需4步，即可实现需求文档一键生成测试用例，新手友好！

步骤1：克隆项目到本地

git clone 
cd JM_TestGenius

步骤2：安装依赖

# 建议使用虚拟环境
python -m venv .venv
# Windows:
.venvScriptsactivate
# macOS/Linux:
# source .venv/bin/activate

pip install -r requirements.txt

步骤3：配置模型密钥

在配置文件（config.py）中，填写千问、DeepSeek等模型的API密钥（按需配置，至少配置一个模型即可）。

步骤4：一键生成测试用例

# 运行主程序
python -m src.main
# 按照提示上传需求文档，选择模型，等待生成即可

适用人群

• 测试工程师：减少手动编写用例的时间，专注于核心测试执行、缺陷分析；
• 开发人员：快速生成单元测试、接口测试用例，提升开发质量；
• 产品经理：快速验证需求文档的完整性，提前发现需求漏洞；
• 新手开发者/测试者：学习测试用例设计思路，快速上手自动化测试。

项目优势

• 高效快捷：从需求解析到用例生成，全程自动化，耗时缩短80%以上；
• 多模型适配：不依赖单一模型，可根据需求灵活切换，提升生成精度；
• 开源免费：全部代码开源，可自由修改、二次开发，适配自身业务需求；
• 隐私安全：本地运行，需求文档无需上传，保护业务隐私；
• 持续优化：后续将新增图片型需求文档解析、用例批量生成、测试报告自动生成等功能。

参与贡献

JM_TestGenius 目前处于持续优化阶段，欢迎各位开发者、测试工程师参与贡献：

• Star 项目，让更多人看到；
• Fork 项目，修改优化代码，提交PR；
• 提Issue，反馈使用过程中遇到的问题、需求建议。

最后想说

开发这个项目的初衷，是希望能用AI技术解决测试工作中的重复劳动，让测试人员从繁琐的用例编写中解放出来，专注于更有价值的工作。

如果这个工具能帮到你，欢迎点赞、收藏、转发，也欢迎到GitHub给个Star支持一下～ 后续会持续迭代优化，带来更多实用功能！

项目地址（再次贴出，方便大家访问）：github.com/Junmet/JM_T…

有任何问题、建议，评论区留言或GitHub提Issue，我会及时回复！