测试用例生成

Skill 标识
lemon-testcase

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。

扫码添加辅导员,发送 Skill 名称领取源码
本文目录
  1. Skill 概览
  2. 适合谁、用在什么场景
  3. 需要准备什么、能得到什么
  4. 核心能力与使用边界
  5. 实战教程与使用说明
  6. 为什么测试用例生成不能只靠一条 Prompt
  7. lemon_testcase 是什么
  8. 功能全景:每项能力对应测试工程师的哪项工作
  9. 设计思路:为什么要拆成多层
  10. 输入层只负责读材料
  11. 统一模型负责保存测试语义
  12. 生成层只负责测试设计
  13. 模板层只控制字段和顺序
  14. 规则层负责最低质量标准
  15. 渲染层只负责格式
  16. 审计层证明过程是否稳定
  17. 支持哪些输入,分别适合什么场景
  18. 五类测试用例是怎样设计的
  19. 功能测试
  20. 接口测试
  21. UI 测试
  22. 性能测试
  23. 自动化候选
  24. 从 0 到 1:用登录 Demo 跑通完整流程
  25. 第一步:确认目录和环境
  26. 第二步:认识登录 Demo
  27. 第三步:从 OpenAPI 生成接口用例
  28. 第四步:运行结构和标准检查
  29. 第五步:默认输出 Excel
  30. 第六步:按需要输出 Markdown 或 XMind
  31. 第七步:做格式回读
  32. 第八步:再尝试功能、UI、性能和自动化
  33. 怎样阅读和审核生成结果
  34. 目录怎么读:每一层应该改什么
  35. 怎样修改这个 Skill
  36. 只想改 Excel 字段或列名
  37. 想增加一条质量规则
  38. 想增加一种测试设计方法
  39. 想支持一种新输入格式
  40. 想支持一种新输出格式
  41. 想修改用例编号规则
  42. 想接入公司内部规范
  43. 脚本职责速查
  44. 常见误区与处理方式
  45. 团队落地建议
  46. 使用边界
  47. 完成学习后的下一步
  48. 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:

  1. 把不同来源转换为同一种测试语义。

  2. 用公共测试方法系统扩展场景。

  3. 让同一组用例输出为团队需要的不同格式。

  4. 用自动检查暴露结构、覆盖、断言和安全问题。

  5. 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。

bash
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

bash
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

bash
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

bash
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

bash
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

bash
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

bash
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

  1. **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。

  2. **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。

  3. **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。

  4. **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。

  5. **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。

  6. **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。

  7. **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。

  8. **检查 warning。**明确负责人和处理结论,不要只看 valid。

  9. **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。

  10. **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:

bash
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:

  1. 让 input_router.py 能识别格式。

  2. 在 source_adapters.py 或独立适配器中抽取内容。

  3. 保留文件名、章节、接口路径等 source reference。

  4. 缺少依赖时给出明确提示,不静默跳过。

  5. 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:

  1. 把公司测试标准写进 references/,明确事实和检查口径。

  2. 把可以自动判断的部分写进 assets/rules/。

  3. 把交付字段写进 assets/templates/。

  4. 只有规则和模板无法表达时才改 Python。

  5. 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

  1. **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。

  2. **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。

  3. **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。

  4. **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。

  5. **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。

  6. **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

开始使用 lemon-testcase

扫码添加辅导员,发送 Skill 名称,领取源码与配套资料。

同类 Skills