# skills_web_test

**Repository Path**: cuihaiqi/skills_web_test

## Basic Information

- **Project Name**: skills_web_test
- **Description**: 随便写写，随便写写，随便写写
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2026-03-04
- **Last Updated**: 2026-03-05

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AI智能测试用例生成平台

[![Python](https://img.shields.io/badge/Python-3.9%2B-blue?logo=python)](https://www.python.org/)
[![Vue](https://img.shields.io/badge/Vue-3.x-green?logo=vue.js)](https://vuejs.org/)
[![FastAPI](https://img.shields.io/badge/FastAPI-0.104.1-black?logo=fastapi)](https://fastapi.tiangolo.com/)
[![Docker](https://img.shields.io/badge/Docker-Ready-blue?logo=docker)](https://www.docker.com/)
[![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE)

基于AI技能（Skill）架构的智能测试用例自动化生成平台，支持多格式需求文档解析，通过大语言模型（LLM）自动生成高质量测试用例。

## 🌟 核心特性

### 📋 项目与需求管理
- **多项目隔离** - 独立工作空间，项目间数据完全隔离
- **多格式支持** - 支持 `.md`、`.txt`、`.docx` 等多种需求文档格式
- **需求结构化** - 自动解析PRD、User Story、API定义等文档内容

### 🤖 AI智能生成
- **大语言模型集成** - 支持OpenAI、Azure OpenAI等主流LLM服务
- **三阶段技能架构** - 需求分析 → 测试点设计 → 测试用例编写
- **多轮对话优化** - 支持人工反馈和用例优化迭代
- **实时进度推送** - WebSocket实时显示生成进度和结果

### 🧪 测试全生命周期
- **用例评审** - 完整的用例状态管理（待评审/已批准/已拒绝）
- **测试执行** - 创建测试计划，关联需求用例，记录执行结果
- **报告导出** - Excel格式测试用例和执行报告导出
- **多角色权限** - 管理员、项目经理、测试工程师、只读用户等角色

### ⚡ 技术优势
- **高性能异步** - FastAPI + Celery 异步任务处理
- **实时通信** - WebSocket 实时进度推送
- **企业级安全** - JWT认证 + 多角色权限控制
- **一键部署** - Docker Compose 一键部署生产环境

## 🏗️ 系统架构

### 整体架构图
```
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Vue3前端      │    │   FastAPI后端   │    │   AI技能引擎    │    │   LLM服务       │
│  Element Plus   │◄──►│   SQLAlchemy    │◄──►│   工作流协调    │◄──►│   OpenAI/Azure  │
└─────────────────┘    └─────────────────┘    └─────────────────┘    └─────────────────┘
                             ▲        ▲
                             │        │
                      ┌──────┴──┐ ┌───┴──────┐
                      │ MySQL   │ │  Redis   │
                      │ 数据库  │ │ 消息队列 │
                      └─────────┘ └──────────┘
```

### 技术栈详情

| 组件 | 技术栈 | 说明 |
|------|--------|------|
| **前端** | Vue 3 + Composition API | 响应式框架 |
| | Element Plus | UI组件库 |
| | Pinia | 状态管理 |
| | Vite | 构建工具 |
| **后端** | FastAPI | 高性能异步Web框架 |
| | SQLAlchemy | ORM数据库映射 |
| | Celery | 分布式任务队列 |
| | Pydantic | 数据验证和设置 |
| **AI引擎** | Skill架构 | 模块化技能设计 |
| | LLM集成 | 多供应商支持 |
| **基础设施** | MySQL 8.0 | 生产环境数据库 |
| | Redis 7 | 缓存和消息队列 |
| | Docker | 容器化部署 |

### AI技能架构

平台采用模块化技能设计，包含三个核心技能：

1. **需求分析技能** (`requirement_analysis.py`)
   - 解析输入文档，提取功能需求和非功能需求
   - 输出结构化的需求列表

2. **测试点设计技能** (`test_point_design.py`)
   - 基于需求分析结果，设计详细的测试点
   - 覆盖正向、反向、边界等测试场景

3. **测试用例编写技能** (`test_case_writing.py`)
   - 将测试点转化为具体的测试用例
   - 包含前置条件、测试步骤、预期结果

**工作流引擎**: `skills/main.py` 负责协调三个技能的执行顺序，确保数据在技能间正确传递。

## 🚀 快速开始

### 环境要求
- **操作系统**: Linux / macOS / Windows (WSL2)
- **Docker**: 20.10+ (推荐) 或 
- **Python**: 3.9+
- **Node.js**: 18+
- **内存**: 4GB+ (推荐8GB+)

### Docker部署（推荐）

#### 1. 配置Docker镜像加速器（可选但推荐）
为了加快镜像下载速度，建议配置Docker镜像加速器：

- **Docker Desktop (Mac/Windows)**: Settings → Docker Engine → 添加以下配置：
  ```json
  {
    "registry-mirrors": [
      "https://docker.mirrors.ustc.edu.cn",
      "https://registry.docker-cn.com",
      "https://mirror.ccs.tencentyun.com"
    ]
  }
  ```

- **Linux**: 编辑 `/etc/docker/daemon.json`：
  ```json
  {
    "registry-mirrors": ["https://docker.mirrors.ustc.edu.cn"]
  }
  ```
  然后重启Docker: `sudo systemctl restart docker`

#### 2. 克隆项目
```bash
git clone https://gitee.com/your-username/skills_web.git
cd skills_web
```

#### 3. 配置环境变量
复制环境配置模板：
```bash
cp .env.example .env
```

编辑 `.env` 文件，配置必要的环境变量：
```env
# 数据库配置
DATABASE_URL=mysql://skills_user:skills_password@mysql:3306/skills_web_db

# Redis配置  
REDIS_URL=redis://redis:6379/0

# 安全配置
SECRET_KEY=your-very-secret-key-here-change-in-production
ACCESS_TOKEN_EXPIRE_MINUTES=1440

# LLM配置
LLM_PROVIDER=openai
LLM_MODEL=gpt-3.5-turbo
LLM_API_KEY=your-openai-api-key

# 服务器配置
HOST=0.0.0.0
PORT=8000
DEBUG=false

# CORS配置
CORS_ORIGINS=["http://localhost","http://your-domain.com"]
```

#### 3. 启动服务
```bash
# 构建并启动所有服务
docker compose up -d

# 查看服务状态
docker compose ps
```

#### 4. 访问应用
- **前端界面**: http://localhost:3000
- **API文档**: http://localhost:8000/docs
- **健康检查**: http://localhost:8000/health

### 本地开发部署

#### 1. 后端服务
```bash
cd backend
# 安装依赖
pip install -r requirements.txt
# 启动服务
python -m app.main
```

#### 2. 前端服务
```bash
cd frontend
# 安装依赖
npm install
# 启动开发服务器
npm run dev
```

#### 3. 访问地址
- **前端界面**: http://localhost:5173
- **API文档**: http://localhost:8000/docs

## 🔐 默认账号

首次启动时会自动创建管理员账号：

- **用户名**: `admin`
- **密码**: `admin123`

> **安全提示**: 生产环境请立即修改默认密码！

## 📖 使用流程

1. **创建项目** - 点击"新建项目"创建测试项目
2. **上传需求** - 在项目中上传需求文档（支持.md, .txt, .docx）
3. **生成用例** - 点击"生成用例"按钮启动AI生成
4. **查看进度** - 实时查看生成进度（WebSocket推送）
5. **查看用例** - 生成完成后查看测试用例列表
6. **评审用例** - 设置用例状态（待评审/已批准/已拒绝）
7. **创建测试计划** - 关联需求和用例，制定测试执行计划
8. **执行测试** - 执行测试用例并记录结果
9. **导出报告** - 导出Excel格式的测试用例或执行报告

## 📁 项目结构

```
skills_web/
├── backend/              # FastAPI后端
│   ├── app/
│   │   ├── api/          # API路由定义
│   │   ├── core/         # 核心配置（config.py, database.py, celery_app.py）
│   │   ├── models/       # SQLAlchemy数据模型
│   │   ├── schemas/      # Pydantic数据验证模型
│   │   ├── skills/       # AI技能模块（核心业务逻辑）
│   │   ├── tasks/        # Celery异步任务
│   │   └── main.py       # 应用入口
│   ├── locales/          # 国际化文件
│   ├── uploads/          # 上传文件目录
│   └── requirements.txt  # Python依赖
├── frontend/             # Vue3前端
│   ├── src/
│   │   ├── api/          # API封装（axios实例）
│   │   ├── components/   # 可复用组件
│   │   ├── router/       # 路由配置
│   │   ├── stores/       # Pinia状态管理
│   │   ├── views/        # 页面视图组件
│   │   └── main.js       # 应用入口
│   └── package.json      # Node.js依赖
├── docker-compose.yml    # Docker Compose配置
├── .env.example          # 环境变量模板
├── start_dev.sh          # 开发环境一键启动脚本
└── README.md             # 项目文档
```

## ⚙️ 配置说明

### 环境变量优先级
1. **环境变量**（最高优先级）
2. **.env 文件**（项目根目录）
3. **默认值**（代码中定义）

### 核心配置项

| 配置项 | 默认值 | 说明 |
|--------|--------|------|
| `DATABASE_URL` | SQLite路径 | 数据库连接URL |
| `REDIS_URL` | 内存存储 | Redis连接URL |
| `SECRET_KEY` | 自动生成 | JWT密钥（生产环境必须修改） |
| `LLM_PROVIDER` | openai | LLM服务提供商 |
| `LLM_MODEL` | gpt-3.5-turbo | LLM模型名称 |
| `LLM_API_KEY` | null | LLM API密钥 |
| `CORS_ORIGINS` | localhost | 允许的跨域源 |

## 🛠️ 开发指南

### 技能开发规范
- 每个技能必须继承自基类，实现标准接口
- 技能间通过标准化的数据格式传递信息
- 错误处理必须包含详细的上下文信息

### 数据库迁移
- 开发环境使用SQLite，自动创建表结构
- 生产环境使用MySQL，需要手动执行数据库迁移
- 模型变更后需要更新数据库schema

### 异步任务调试
- 开发环境默认同步执行Celery任务
- 如需测试真实的异步行为，设置 `task_always_eager=False`
- 任务日志输出到控制台，便于调试

## 🚨 安全注意事项

- **生产环境必须修改默认的SECRET_KEY**
- **LLM_API_KEY不应提交到版本控制系统**
- **生产环境应启用HTTPS和适当的CORS策略**
- **定期更新依赖包以修复安全漏洞**

## 📜 许可证

本项目采用 [MIT License](LICENSE) 开源协议。

## 🤝 贡献指南

欢迎提交 Issue 和 Pull Request！贡献前请阅读 [CONTRIBUTING.md](CONTRIBUTING.md)。

### 贡献流程
1. Fork 本仓库
2. 创建特性分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 创建 Pull Request

## 📞 联系我们

如有问题或建议，请通过以下方式联系我们：
- **Issues**: [提交Issue](https://gitee.com/cuihaiqi/skills_web/issues)
- **Email**: 870801585@qq.com

---

⭐ **如果这个项目对你有帮助，请给个Star支持！**