分享一个自己写的 AI 测试插件 —— AITestCase

前言

大家好，我是一名刚工作一年的测试工程师。去年 12 月到今年 2 月，趁着有点空闲时间，我用业余时间做了一个 AI 驱动的测试工具 —— AITestCase，一款 Chrome 浏览器扩展插件。

最近因为一些个人原因，这个项目暂停迭代了一段时间。现在我打算重新开始维护和更新它，所以想在这里和大家分享一下，也希望能收集到一些实用的需求和建议。

项目地址：https://github.com/LiuYuan0115/AITestCase

💡 为什么做这个插件？

做测试这一年，我发现日常工作中有几个痛点：

PRD 分析费时间：需求文档来了，要手动梳理功能点、提取测试点
测试用例编写重复劳动多：很多场景都是相似的，但还是要一条条写
UI 自动化成本高：写 Selenium 代码又慢又容易坏，维护成本高
质量评估靠人工：用例写完了，覆盖度够不够、有没有遗漏，得靠经验

所以我想，能不能用 AI 来辅助这些工作？让 AI 帮我们做重复劳动，人只需要审核和调整。于是就有了这个项目。

🎯 插件能做什么？

AITestCase 是一个端到端的 AI 测试工作流工具，从需求分析到用例生成，再到 UI 自动化执行，都能用 AI 来辅助完成。

主界面一览

插件提供了三个角色视图（PM / DEV / QA），每个角色都有针对性的 AI 助手。我们测试人员主要用 QA 角色。

QA 工作流：5 个步骤搞定测试

1.分析 → 2.PRD → 3.测试点 → 4.用例 → 5.测试

第 1 步：分析 — 提取需求文档内容

输入一个 URL，或者上传 PDF、图片、文字文档
插件自动提取页面内容、截图、OCR 识别
文档内容会存入知识库，后续可以复用

第 2 步：PRD — AI 生成优化的需求文档

AI 会分析原始需求，输出一份结构化的 PRD 文档
包含功能描述、业务规则、边界条件等
格式清晰，方便后续测试点提取

第 3 步：测试点 — 自动提取测试要点

基于 PRD 自动提取测试点
输出思维导图格式，层次清晰
可以手动编辑、补充遗漏的点

第 4 步：用例 — 生成测试用例

根据测试点生成详细的测试用例
支持多种格式：思维导图、表格、YAML、JSON
用例包含前置条件、操作步骤、预期结果

第 5 步：测试 — UI 自动化执行

这是我觉得最酷的部分！ 🚀
生成的测试用例可以直接交给 AI 执行 UI 自动化
不需要写代码，AI 会自己理解步骤、定位元素、执行操作
实时看到执行进度、截图、日志

执行完成后，会生成测试报告：

🛠️ 技术实现

架构设计

整个项目分为三个服务：

服务	技术栈	端口	职责
Agent Server	Python FastAPI + LangGraph	8000	AI 对话、测试用例生成、文档管理
Midscene Sidecar	Node.js + Midscene SDK	3000	UI 自动化执行引擎
Chrome Extension	Vue 3 + WXT	—	浏览器插件前端

UI 自动化的核心：三种执行模式

这是我花时间最多的部分。为了平衡 准确性、速度和成本，我设计了三种执行模式：

模式	执行方式	适用场景	AI 开销
自由模式	AI 一次性规划整个流程	复杂的端到端测试	高
混合模式	逐步执行，三层降级策略	标准结构化用例	中
回归模式	回放保存的 YAML 基线	回归测试	零（不调用 AI）

混合模式的三层降级策略是亮点：

Layer 1: Instant — 正则匹配步骤意图，直接调用基础操作（点击、输入、滚动等），零 AI 开销
Layer 2: aiAct — 如果正则匹配失败或操作失败，让 AI 理解步骤并执行
Layer 3: deepThink — 如果还失败，启用 AI 深度思考模式，分析页面后再执行

这样既能保证成功率，又能降低 AI 调用成本。大多数标准操作（"点击登录按钮"、"在邮箱输入框中输入 xxx"）都能被 Layer 1 直接处理，不产生 AI 费用。

技术亮点

LangGraph 智能体编排：使用 LangGraph 管理 AI Agent 的工作流，支持 PRD 分析、测试用例生成、质检评估等多个 Agent
ChromaDB 向量检索：历史用例、知识库文档都存入向量数据库，支持语义搜索和 RAG 增强
三层缓存系统：LLM 响应缓存、Embedding 缓存、PDF 解析缓存，大幅降低重复调用成本
Midscene SDK：基于视觉的元素定位，不依赖 CSS Selector，页面改版后也能工作
SSE 流式输出：实时看到 AI 生成进度和测试执行进度

🎬 实际应用场景

场景 1：快速分析新需求

PM 发来一个需求文档 URL：

打开插件，输入 URL
点击"分析" → AI 自动提取内容
点击"PRD" → AI 生成结构化需求文档
点击"测试点" → AI 提取所有测试要点

原本需要 1-2 小时的需求分析工作，现在 5 分钟搞定。 我只需要审核 AI 的输出，补充遗漏的边界条件。

场景 2：批量生成回归用例

每次版本迭代，都要写一堆重复的登录、注册、密码重置的用例：

在"用例"步骤输入简单描述："用户登录：邮箱密码登录，密码 8-16 位，失败 3 次锁定"
AI 自动生成完整的测试用例（正常登录、错误密码、账号锁定等场景）
导出为表格格式，导入测试管理平台

场景 3：探索性测试 → 自动化回归

第一次测新功能时：

手动测试一遍，记录步骤
把步骤粘贴到插件，选择"自由模式"执行
AI 理解步骤后自动执行，成功后自动保存为 YAML 基线
下次回归测试时，直接"回归模式"回放 YAML，零 AI 开销

📊 使用体验

优点

上手快：不需要写代码，会用 Chrome 扩展就能用
节省时间：用例编写效率提升 70%+（主观感受）
灵活性高：支持多种输入格式（URL、PDF、文字、图片），多种输出格式
自动化门槛低：不会写 Selenium 代码也能做 UI 自动化

局限性（坦白说）

依赖 AI 服务：需要自己配置 OpenAI/Claude API Key，有一定成本（我用的是第三方代理 API，成本还能接受）
复杂交互可能失败：拖拽、Canvas 操作、复杂表单等场景，AI 成功率不是 100%
中文环境优化：Prompt 主要针对中文优化，英文场景可能效果差一些
部署稍复杂：需要启动三个服务（Agent Server、Midscene Sidecar、Chrome Extension），对新手有点门槛

💬 希望听到你的声音

这个项目是我工作一年来对测试工作的一些思考和实践。功能也不够完善。

如果你对这个项目感兴趣，或者有任何需求、建议，欢迎：

在 GitHub 加个收藏
在本帖下方留言
有伙伴想要一起交流学习微信：19577301928

📝 快速开始

如果你想试试这个插件，按照以下步骤：

1. 环境要求

Node.js >= 18
Python >= 3.9
Chrome >= 88

2. 克隆项目

git clone https://github.com/LiuYuan0115/AITestCase.git
cd AITestCase

3. 启动后端服务

cd agent-server
python3 -m venv venv && source venv/bin/activate
pip install -r requirements.txt
cp .env.example .env
# 编辑 .env 填入你的 OPENAI_API_KEY
python agent_server.py

4. 启动 UI 自动化引擎

cd agent-server/midscene-sidecar
npm install
npm run dev

5. 构建 Chrome 扩展

cd solvely-mvp
npm install
npm run...

测试之家社区

Message History

Delivery option(s)