测试用例生成
- Skill 标识
lemon-testcase- 所属分类
- 软件测试 / 测试方法
把 PRD、接口文档、截图和旧用例汇成一套可维护的测试资产。统一模型、质量检查与多格式导出串起完整流程,跟着登录 Demo 跑通,再改成团队自己的用例引擎。
本文目录
- Skill 概览
- 适合谁、用在什么场景
- 需要准备什么、能得到什么
- 核心能力与使用边界
- 实战教程与使用说明
- 为什么测试用例生成不能只靠一条 Prompt
- lemon_testcase 是什么
- 功能全景:每项能力对应测试工程师的哪项工作
- 设计思路:为什么要拆成多层
- 输入层只负责读材料
- 统一模型负责保存测试语义
- 生成层只负责测试设计
- 模板层只控制字段和顺序
- 规则层负责最低质量标准
- 渲染层只负责格式
- 审计层证明过程是否稳定
- 支持哪些输入,分别适合什么场景
- 五类测试用例是怎样设计的
- 功能测试
- 接口测试
- UI 测试
- 性能测试
- 自动化候选
- 从 0 到 1:用登录 Demo 跑通完整流程
- 第一步:确认目录和环境
- 第二步:认识登录 Demo
- 第三步:从 OpenAPI 生成接口用例
- 第四步:运行结构和标准检查
- 第五步:默认输出 Excel
- 第六步:按需要输出 Markdown 或 XMind
- 第七步:做格式回读
- 第八步:再尝试功能、UI、性能和自动化
- 怎样阅读和审核生成结果
- 目录怎么读:每一层应该改什么
- 怎样修改这个 Skill
- 只想改 Excel 字段或列名
- 想增加一条质量规则
- 想增加一种测试设计方法
- 想支持一种新输入格式
- 想支持一种新输出格式
- 想修改用例编号规则
- 想接入公司内部规范
- 脚本职责速查
- 常见误区与处理方式
- 团队落地建议
- 使用边界
- 完成学习后的下一步
- 输出测试用例一览表(接口测试用例和自动化测试用例)
Skill 概览
适合谁、用在什么场景
需要统一多来源材料和团队用例交付标准的测试工程师、测试开发与负责人。
需要准备什么、能得到什么
**输入材料:**PRD、OpenAPI、Postman、截图、旧表格及项目规则。
**交付产物:**统一案例 JSON,以及 Excel、Markdown、XMind、CSV 等交付文件。
核心能力与使用边界
**核心能力:**覆盖功能、接口、UI、性能与自动化候选;提供结构校验、覆盖检查、模板配置及格式回读。
**使用边界:**自动化候选不等于已执行;截图不能证明后台规则,缺失 SLA 不能判定性能通过。
实战教程与使用说明
**读完可以完成:**识别适合交给 Skill 的测试任务;用 PRD、OpenAPI、Postman、截图或旧表格生成统一用例;输出 Excel、Markdown、XMind、CSV 或 JSON;运行质量检查;修改字段模板、测试规则和生成逻辑。
为什么测试用例生成不能只靠一条 Prompt
测试工程师拿到的输入通常并不统一。产品可能给 PRD,前端给页面截图,后端给 Swagger 或 Apifox,接口联调时又补一份 Postman Collection,历史项目还留着字段不同的 Excel 或 CSV。真正开始设计用例时,我们还要处理业务规则、字段边界、状态变化、权限、异常恢复、测试数据和预期结果。
如果把这些材料直接放进一个长 Prompt,常见问题包括:
同一份需求换一种输出格式,字段、步骤或预期结果发生变化。
截图中看不到的业务规则被当成事实补出来。
接口用例只有“验证登录”,没有 method、path、参数和具体请求数据。
性能需求没有 SLA,却被填入未经确认的响应时间和并发指标。
生成数量很多,但需求覆盖、状态覆盖和异常覆盖无法证明。
Excel 可以打开,却无法确认 Markdown 或 XMind 转换后有没有丢字段。
lemon_testcase 的核心目标不是一次写出更多标题,而是稳定地把测试事实转换为可以评审、执行、检查和继续维护的测试用例资产。
lemon_testcase 是什么
lemon_testcase 是一个以 **canonical JSON(统一案例模型)**为中心的测试用例生产 Skill。它把输入识别、需求事实提取、测试场景设计、案例建模、模板适配、质量审核和格式导出拆成独立环节。
它不是一个只能输出表格的脚本,也不是一个可以替代测试评审的“万能生成器”。更准确的定位是:
把不同来源转换为同一种测试语义。
用公共测试方法系统扩展场景。
让同一组用例输出为团队需要的不同格式。
用自动检查暴露结构、覆盖、断言和安全问题。
把无法确认的信息保留为待确认项,而不是伪造结论。
功能全景:每项能力对应测试工程师的哪项工作
能力分类 | lemon_testcase 功能 | 对应测试工作 | 主要产物 |
|---|---|---|---|
输入识别 | 识别 Markdown、TXT、CSV、JSON、DOCX、PDF、图片、OpenAPI 和 Postman | 需求接收、资料盘点、测试范围确认 | 输入类型、解析路径、来源引用 |
需求提取 | 提取验收标准、字段约束、角色、权限、状态和依赖 | 需求分析、需求评审、测试点梳理 | 可验证事实、假设、待确认项 |
多来源合并 | 保留不同材料的 source reference,并合并为统一输入 | PRD、接口文档、截图和历史用例联合评审 | 带来源的 canonical JSON |
功能测试生成 | 生成正常、非法、边界、状态、场景、权限和恢复用例 | 功能测试设计、回归用例准备 | 功能用例集 |
接口测试生成 | 读取 method、path、schema、required、enum、format 和 responses | 接口评审、联调、接口回归 | 带地址、参数、数据和断言的接口用例 |
Postman 迁移 | 解析 Collection、请求、变量和已有脚本断言 | 已有接口资产迁移、接口用例补全 | 统一接口案例模型 |
UI 测试生成 | 覆盖布局、交互、加载、空态、错误、禁用、响应式和可访问性 | 原型评审、页面走查、UI 测试设计 | UI 检查矩阵 |
性能测试生成 | 设计基线、阶梯、峰值、长稳、突增、降级和恢复场景 | 性能需求评审、压测方案设计 | 性能测试场景和待确认指标 |
自动化候选 | 补充层级、fixture、数据隔离、等待和断言策略 | 自动化规划、回归分层、候选评审 | 自动化候选清单 |
状态迁移 | 读取 from、event、to 和 allowed,生成允许与禁止路径 | 订单、审批、账号、支付等状态型业务测试 | 状态矩阵和状态用例 |
测试数据矩阵 | 根据类型、长度、范围和枚举生成代表值与临界值 | 边界分析、参数化数据设计 | 字段数据矩阵 |
Fixture 构建 | 使用固定 seed 生成可重复的数据编号和准备策略 | 自动化造数、数据隔离与清理设计 | fixture 清单 |
需求覆盖 | 统计正向、异常、边界、状态和来源覆盖,映射 requirement id | 用例评审、发布检查、回归影响分析 | 覆盖报告、需求映射报告 |
API 覆盖矩阵 | 检查方法、路径、参数模式、状态码和响应断言 | 接口覆盖审计 | API 参数与响应矩阵 |
结构校验 | 检查必填字段、类型、编号和统一数据契约 | 用例入库前检查 | valid、errors |
标准校验 | 读取 assets/rules,按 error、warning、info 输出问题 | 用例评审门禁、团队规范落地 | 标准检查报告 |
质量引擎 | 检查重复、模糊预期、覆盖风险和优先级分布 | 测试资产质量治理 | 质量报告、风险统计 |
敏感数据检查 | 识别密码、Token 等不应进入共享产物的内容 | 测试数据安全、交付审查 | 安全发现项 |
格式输出 | 输出 Excel、Markdown、CSV、JSON、XMind | 用例评审、执行、归档和平台导入 | 不同交付格式 |
格式回读 | 重新解析 Markdown、Excel 或 XMind,核对数量与核心字段 | 交付前验收、迁移验证 | roundtrip 报告 |
差异比较 | 比较两版案例的新增、删除和变化 | 需求变更分析、版本回归 | case diff |
依赖探针 | 检查 YAML、Excel、DOCX、PDF、XMind 等可选依赖 | 环境准备、能力诊断 | 依赖状态报告 |
最终清单 | 登记 Skill 能力、文件、规模和交付物 | 团队交付、版本留档 | manifest |
设计思路:为什么要拆成多层
lemon_testcase 的设计围绕一条原则展开:先保留事实,再应用测试方法,最后选择交付格式。
输入层只负责读材料
输入适配器负责识别文件、抽取文本、表格、接口结构和来源引用。它不应该因为最终要输出 Excel,就提前决定列名;也不应该因为输入是截图,就推测截图中不可见的后台规则。
统一模型负责保存测试语义
不同来源最终进入 canonical JSON。核心字段包括:
字段 | 作用 | 测试工作中的含义 |
|---|---|---|
case_id | 稳定编号 | 用于评审、执行、缺陷和版本差异追踪 |
name | 用例标题 | 交付时展示为“用例标题” |
area | 模块 | 例如登录功能、认证接口、登录页 |
kind | 内部路由 | 区分 functional、api、ui、performance 等;交付表中不必展示 |
flow_type | 流程类型 | 正常流程、测试方法场景、异常流程 |
test_method | 测试方法 | 正向验证、等价类、边界值、状态迁移、场景法等 |
priority | 优先级 | P0~P3,服务冒烟、核心回归和风险排序 |
preconditions | 前置条件 | 执行前必须满足的环境、账号和状态 |
actions | 操作步骤 | 另一名测试人员应该可以据此复现 |
assertions | 预期结果 | 必须可观察、可判定 |
data | 内部测试数据 | 接口请求体、字段值或场景参数;敏感值应使用变量 |
actual_result | 实际结果 | 生成时保持为空,真实执行后填写 |
source_refs | 内部来源 | 用于追溯事实依据,可按团队模板决定是否展示 |
生成层只负责测试设计
生成器在已有事实上应用正向、反向、等价类、边界值、状态迁移、场景法和风险驱动等公共方法。它可以根据“密码长度 8~64”推导 7、8、9、63、64、65 等边界数据,但不能在需求没有说明时自行决定“失败 5 次锁定”。
模板层只控制字段和顺序
assets/templates/ 定义功能、接口、UI、性能和自动化模板。模板可以决定显示哪些字段、中文列名和顺序,但不负责重新理解业务。这样团队修改 Excel 表头时,不会顺带改变用例含义。
规则层负责最低质量标准
assets/rules/ 保存不同测试类型的检查规则。standards_validator.py 读取这些规则并输出 error、warning、info。模板回答“交付长什么样”,规则回答“什么结果不能直接交付”。
渲染层只负责格式
Excel、Markdown、CSV、JSON 和 XMind 都读取同一份 canonical JSON。渲染器不应补写新的业务规则,也不应为了列宽删除步骤或测试数据。
审计层证明过程是否稳定
结构检查、标准检查、覆盖报告、安全检查和格式回读分别回答不同问题。一个 valid=true 只说明对应检查没有发现阻断项,不等于真实系统已经通过测试,也不等于业务覆盖一定充分。
支持哪些输入,分别适合什么场景
输入 | 适合场景 | 主要提取内容 | 需要注意 |
|---|---|---|---|
Markdown / TXT | PRD、功能说明、验收标准 | 规则、字段、流程、异常说明 | 模糊描述应进入待确认项 |
CSV / JSON | 历史用例迁移、结构化需求 | 表头、字段、已有案例 | 需要字段映射和编号检查 |
DOCX / PDF | 正式需求文档、外部规格 | 文本与表格 | 依赖可选解析库;扫描 PDF 仍需 OCR |
图片 / 截图 | 原型评审、UI 检查 | 可见控件、布局、文字和状态 | 截图不能证明后台规则 |
OpenAPI 2/3 | 接口用例生成 | method、path、schema、required、responses | 文档版本必须与环境一致 |
Postman Collection v2/v2.1 | 已有接口集合迁移 | 请求、变量、认证和已有断言 | 环境变量仍需在执行环境中准备 |
网页摘录 / 在线文档文本 | 在线 PRD、接口说明 | 已经提取的正文与来源 | 需要确认版本和访问范围 |
五类测试用例是怎样设计的
功能测试
功能生成器按照“正常流程 → 测试方法场景 → 异常流程”组织案例。它覆盖主流程、合法输入、非法输入、空值、边界、权限、状态变化、依赖失败和恢复。测试工程师仍要结合历史缺陷、业务风险和环境限制补充项目特有场景。
接口测试
接口生成器基于契约生成合法请求、缺少参数、空值、类型错误、格式错误、enum、长度、数值边界、鉴权和响应契约案例。接口用例必须保留 method、path、请求数据和响应断言。契约只声明候选错误码时,不能替接口负责人决定某个异常一定返回哪个状态码。
UI 测试
UI 生成器从布局与文字、交互组件、加载与空态、错误与禁用、响应式、可访问性等维度建立检查矩阵。只有截图时,它提供的是可见事实和通用检查方向;字号、色值、DOM 属性和真实交互仍需设计规范或运行页面。
性能测试
性能生成器生成基线、阶梯、峰值、长稳、突增、依赖降级和恢复场景,并要求记录 P50、P95、P99、吞吐、错误率和资源指标。没有 SLA 时可以设计测量方案,但结果必须写明“不判定为通过”,不能虚构验收线。
自动化候选
自动化生成器补充执行层级、数据策略、等待策略、隔离和断言策略。automation_candidate=true 表示值得进入候选评审,不表示必须马上写脚本。验证码、第三方依赖、共享账号、视觉主观判断和维护成本仍需人工评估。
从 0 到 1:用登录 Demo 跑通完整流程
第一步:确认目录和环境
进入 lemon_testcase 目录,确认可以使用 Python 3。先运行依赖探针,查看 YAML、Excel、DOCX、PDF 和 XMind 相关能力是否可用。
cd lemon_testcase
python3 scripts/dependency_probe.py --output output/dependencies.json检查点:output/dependencies.json 中会记录每项依赖是否可用。缺少可选依赖时,先判断当前输入是否真的需要它,不要为了生成 Markdown 安装 PDF 解析库。
第二步:认识登录 Demo
文件 | 用途 |
|---|---|
examples/demo/login-prd.md | 功能、边界和状态规则输入 |
examples/demo/login-openapi.yaml | 接口 schema 驱动输入 |
examples/demo/login-postman.json | Postman Collection 迁移输入 |
examples/demo/login-legacy-cases.csv | 旧用例表格导入与字段映射 |
examples/demo/login-page.png | 登录页面 UI 输入 |
examples/demo/login-performance.md | 性能场景和指标边界 |
examples/demo/login-state-graph.json | 状态迁移输入 |
examples/demo/login-requirements.json | 需求覆盖映射输入 |
第三步:从 OpenAPI 生成接口用例
python3 scripts/openapi_cases.py \
--spec examples/demo/login-openapi.yaml \
--out output/login-api.json**检查点:**打开 JSON,确认每条接口案例包含 method、path、data 和 expected_status;密码等敏感值应使用环境变量占位。
第四步:运行结构和标准检查
python3 scripts/contract_validator.py --input output/login-api.json
python3 scripts/standards_validator.py --input output/login-api.json
python3 scripts/api_matrix.py audit \
--input output/login-api.json \
--output output/login-api-audit.json**检查点:**分别查看结构是否有效、error/warning/info 数量,以及 API 方法、路径、参数模式和状态码覆盖。warning 不应被静默忽略,需要确认是否接受、修正或补充事实。
第五步:默认输出 Excel
python3 scripts/lemon_cases.py render \
--input output/login-api.json \
--output output/login-api.xlsx未指定 --format 时默认生成 Excel。Excel 适合用例评审和执行,但建议保留对应 JSON,后续格式转换和差异检查都以 JSON 为稳定来源。
第六步:按需要输出 Markdown 或 XMind
python3 scripts/lemon_cases.py render \
--input output/login-api.json \
--format markdown \
--output output/login-api.md
python3 scripts/lemon_cases.py render \
--input output/login-api.json \
--format xmind \
--output output/login-api.xmind第七步:做格式回读
python3 scripts/roundtrip_suite.py output/login-api.json**完成标准:**目标文件可以打开;用例数量一致;核心编号、步骤、测试数据和预期结果没有丢失;XMind 是有效 ZIP 且包含必要入口文件。
第八步:再尝试功能、UI、性能和自动化
python3 scripts/case_generators.py --type functional --area 登录功能 --output output/login-functional.json
python3 scripts/case_generators.py --type ui --area 登录页 --output output/login-ui.json
python3 scripts/case_generators.py --type performance --area 登录链路 --output output/login-performance.json
python3 scripts/case_generators.py --type automation --area 登录功能 --output output/login-automation.json生成后重复“结构检查 → 标准检查 → 人工评审 → 格式导出 → 回读检查”。不要把“脚本成功退出”当成用例已经可以直接执行。
怎样阅读和审核生成结果
**先看来源。**每个业务结论是否能回到 PRD、接口契约、截图或状态规则。
**再看组织顺序。**正常流程在前,测试方法场景居中,异常流程随后;测试方法写在独立字段中,不塞进用例标题。
**检查编号。**功能模块使用拼音首字母大写加序号,例如登录
DL_001、注册ZC_001。**检查步骤。**另一名测试人员能否不依赖作者口头解释完成执行。
**检查数据。**接口地址、参数和具体数据是否齐全;环境变量能否真实取得;敏感值是否脱敏。
**检查预期。**是否可观察、可判定,避免“系统正常”“功能符合要求”等模糊表达。
**检查实际结果。**生成阶段保持为空,只有真实执行后才能填写。
**检查 warning。**明确负责人和处理结论,不要只看 valid。
**检查覆盖。**用例数量不能替代需求、状态、边界和接口参数覆盖。
**检查输出。**回读 Excel、Markdown、XMind,确认核心语义没有漂移。
目录怎么读:每一层应该改什么
目录 | 主要作用 | 适合修改的场景 |
|---|---|---|
SKILL.md | Skill 定位、路由、默认流程和交付原则 | 修改默认行为、工作边界、默认输出格式 |
assets/templates/ | 交付字段、中文列名、字段顺序和模板继承 | 适配公司 Excel、接口或性能模板 |
assets/rules/ | 功能、接口、UI、性能、自动化和输出规则 | 增加必填项、覆盖门槛和 warning/error |
references/ | 测试标准、输入规范、格式规范、质量和 CLI 教程 | 沉淀团队测试方法与使用说明 |
scripts/ | 输入、生成、模板、输出、质量和支持工具 | 修改真正的解析、生成、检查和渲染逻辑 |
examples/ | 最小样例和登录 Demo | 增加回归数据、演示新输入或新规则 |
output/ | 生成结果、报告和文章演示产物 | 保存运行结果,不作为规则源 |
agents/openai.yaml | Agent 注册和展示配置 | 修改 Skill 在宿主中的描述或调用提示 |
怎样修改这个 Skill
只想改 Excel 字段或列名
优先修改 assets/templates/,不要直接改生成器。模板负责显示字段与顺序,生成器负责测试语义。修改后依次运行:
python3 scripts/template_catalog.py list
python3 scripts/template_engine.py resolve --name default
python3 scripts/template_validator.py --name default验证模板继承、必填字段和中文映射,再使用一份 Demo JSON 导出 Excel 做回读。
想增加一条质量规则
先判断规则属于功能、接口、UI、性能、自动化还是通用输出,再修改 assets/rules/ 对应 JSON。确定严重程度:
**error:**结构错误、关键字段缺失或结果不能安全交付。
**warning:**需要人工确认,例如弱断言、覆盖不足或未知业务规则。
**info:**改进建议,不阻止交付。
不要为了让报告“全绿”降低问题级别。新增规则后用正例和反例各跑一次 standards_validator.py。
想增加一种测试设计方法
先在 references/02-test-design.md 说明该方法的适用条件、输入事实、生成规则和边界,再修改 case_generators.py 或 scenario_planner.py。所有新案例仍写入 canonical JSON,不要直接拼 Excel 行。
想支持一种新输入格式
在输入层增加适配器,并保持统一返回结构:
让
input_router.py能识别格式。在
source_adapters.py或独立适配器中抽取内容。保留文件名、章节、接口路径等 source reference。
缺少依赖时给出明确提示,不静默跳过。
增加 examples 输入和回归命令。
想支持一种新输出格式
在输出层新增渲染器,只读取 canonical JSON,不重新设计业务场景。至少验证:
必填字段不丢失。
多行步骤与预期结果可以恢复。
特殊字符和换行正确转义。
导出文件可重新解析。
案例数量和稳定编号保持一致。
想修改用例编号规则
当前约定是模块拼音首字母大写加三位序号。修改时需要同时检查生成器、导入规范、编号唯一性规则和已有用例差异。不要只改显示层,否则 JSON、Excel 和 XMind 可能出现不同编号。
想接入公司内部规范
建议按以下顺序接入:
把公司测试标准写进
references/,明确事实和检查口径。把可以自动判断的部分写进
assets/rules/。把交付字段写进
assets/templates/。只有规则和模板无法表达时才改 Python。
用
examples/增加一个真实脱敏回归样例。
这种顺序可以避免把团队规范全部硬编码进脚本,也便于测试人员在不熟悉 Python 时先完成可配置修改。
脚本职责速查
分类 | 脚本 | 什么时候使用 |
|---|---|---|
输入 | input_router.py、source_adapters.py、import_sources.py、document_extractors.py | 识别和解析 PRD、表格、文档与图片登记 |
接口输入 | openapi_cases.py、postman_adapter.py | 从 OpenAPI 或 Postman 构造接口案例 |
生成 | case_generators.py、scenario_planner.py、state_matrix.py | 功能、UI、性能、自动化和状态场景 |
数据 | data_matrix.py、fixture_builder.py | 边界数据、等价类和自动化 fixture |
覆盖 | coverage_report.py、requirements_mapper.py、api_matrix.py | 需求、方法、参数和响应覆盖 |
质量 | contract_validator.py、standards_validator.py、quality_engine.py、security_checker.py | 结构、标准、重复、断言和敏感数据检查 |
模板 | template_catalog.py、template_engine.py、template_validator.py | 查看、解析和验证团队模板 |
输出 | lemon_cases.py、format_convert.py、advanced_renderers.py、excel_bridge.py | 生成 Excel、Markdown、CSV、JSON、XMind 等格式 |
回读 | excel_roundtrip.py、format_auditor.py、roundtrip_check.py、roundtrip_suite.py | 验证导出后数量、字段和文件结构 |
治理 | case_diff.py、dependency_probe.py、report_builder.py、final_manifest.py | 版本差异、环境能力、报告和交付清单 |
常见误区与处理方式
误区 | 正确处理 |
|---|---|
生成 100 条就比 30 条完整 | 查看需求、边界、状态、参数和风险覆盖,不以数量替代质量 |
截图里有按钮,就能推导后台规则 | 截图只支持可见事实;业务规则回到 PRD 或接口契约 |
valid=true 代表业务正确 | 它只说明对应自动检查没有发现阻断问题 |
自动化候选都应该写脚本 | 继续评估频率、稳定性、数据、隔离、维护和诊断成本 |
没有 SLA 就填一个常用指标 | 先做基线探索,明确指标待确认,不伪造通过线 |
只保存最终 Excel | 同时保存 canonical JSON、质量报告和待确认项 |
直接改 Python 最快 | 优先判断是否可以通过 references、rules 或 templates 完成 |
生成后直接覆盖人工维护用例 | 使用稳定编号和 case diff,保留人工修改并审核变化 |
团队落地建议
**选择一个低风险模块试点。**登录 Demo 可以验证流程,但团队试点应选择规则清楚、现有用例可对照的真实模块。
**先统一字段,再讨论生成数量。**确认编号、标题、流程类型、测试方法、优先级、步骤、预期和实际结果的含义。
**指定三类责任人。**模板负责人维护交付格式,规则负责人维护质量门禁,业务评审人确认事实和风险。
**把 warning 纳入评审。**记录处理人、结论和是否需要修改需求或用例。
**保留版本资产。**至少保存输入、canonical JSON、最终 Excel、质量报告和差异报告。
**从真实反馈迭代规则。**长期被忽略的 warning 应重新评估;反复出现的人工遗漏可以沉淀为新规则。
使用边界
Skill 输出的是可评审、可修改的测试用例初稿,不是未经执行的测试结论。
没有事实依据的错误码、性能阈值、权限规则和隐藏状态不能被写成产品事实。
“实际结果”只能来自真实执行。
接口文档过期时,接口用例只能反映旧契约。
OCR 或截图识别结果需要人工复核,尤其是数字、状态和错误文案。
自动检查不能理解产品经理真实意图,也不能替测试工程师承担发布判断。
完成学习后的下一步
第一次使用时,不需要一次掌握全部脚本。建议先完成一条最短闭环:
选择一份输入 → 生成 canonical JSON → 运行结构与标准检查 → 导出 Excel → 人工评审 → 回读验证。
闭环跑通后,再根据当前工作的真实痛点扩展:接口团队增加 API 矩阵,状态型业务增加状态图,自动化团队增加 fixture 和候选评审,多格式协作团队增加回读检查。修改 Skill 时也遵循同一原则:先改标准和配置,确认表达能力不足后,再进入 Python 实现。
lemon_testcase 真正解决的不是“替测试工程师写完所有用例”,而是把分散输入、测试方法、案例字段、质量检查和交付格式连接成一条可追踪的生产路径。测试工程师仍然负责确认事实、识别风险、准备环境、执行验证和解释结果;Skill 负责让这些工作有一个更稳定、更一致的起点。
输出测试用例一览表(接口测试用例和自动化测试用例)
login-automation.xlsx
login-api.xlsx
扫码添加辅导员,发送 Skill 名称,领取源码与配套资料。