AI测试用例自动生成工具（个人项目）
案例介绍
本工具把「照着接口文档逐条设计用例」这件机械劳动交给 LLM，人只做评审与补充。核心不是调用 API，而是解决 LLM 输出不可信的问题——为此做了三层防线：① Prompt 层给死完整 JSON Schema 契约并禁止输出解释文字；② 协议层用 response_format 强制 JSON 模式；③ 代码层逐条校验字段合法性，坏数据直接丢弃并计数，保证入库用例 100% 合法。
功能特性：兼容 Swagger 2.0 与 OpenAPI 3 双格式；支持 5 类用例类型 × 3 级优先级；--priority P0 过滤可省约 70% token；内置离线 mock 模式，零成本演示。
规模：6 个模块 546 行 Python（文档解析 / 生成与校验 / LLM 调用容错 / 数据模型 / 双产物导出 / CLI 编排）。工程化设计：失败自动重试（带纠错提示 + 指数退避）、API Key 走环境变量不落盘。
AI测试用例自动生成工具（个人项目）
案例介绍
测试用例设计是测试团队最耗时的环节：全靠人写、优先级分布随意、异常与边界场景容易漏、各人粒度不统一。
本工具把「照着接口文档逐条设计用例」这件机械劳动交给 LLM，人只做评审与补充。核心不是调用 API，而是解决 LLM 输出不可信的问题——为此做了三层防线：① Prompt 层给死完整 JSON Schema 契约并禁止输出解释文字；② 协议层用 response_format 强制 JSON 模式；③ 代码层逐条校验字段合法性，坏数据直接丢弃并计数，保证入库用例 100% 合法。
功能特性：兼容 Swagger 2.0 与 OpenAPI 3 双格式；支持 5 类用例类型 × 3 级优先级；--priority P0 过滤可省约 70% token；内置离线 mock 模式，零成本演示。
规模：6 个模块 546 行 Python（文档解析 / 生成与校验 / LLM 调用容错 / 数据模型 / 双产物导出 / CLI 编排）。工程化设计：失败自动重试（带纠错提示 + 指数退避）、API Key 走环境变量不落盘。
案例图片
相似案例推荐
-
本地 AI 知识库自动化系统
独立开发的本地知识库自动化系统：把散落在文件夹里的 Mark
-
AI Job Hunter
使用 Python + Streamlit 开发本地求职辅助
-
企业官网设计与开发
负责企业官网从需求分析、页面结构规划到UI设计及前端开发的完
-
MyvideoMark
1.该程序可以标注图片和视频，以用于深度学习。 2.该项目
-
RAG 引擎与自动化评测平台
面向企业级 RAG 应用落地中“效果不可量化、问题无法定位”
-
杉问
项目三：杉问 AI 引导式学习平台（独立开发） 技术栈：S
1小时精推人才
需求方专属客服，免费梳理匹配
