07｜告别手写接口测试：RAG+Text2SQL自动生成

陈磊

你好，我是陈磊。
上一节课我们一起讨论了基于 RAG 的测试用例生成方法，其中我们应用了比较传统的需求条目化方法重新整理了需求，为 RAG 的知识库做好了准备，最后用 dify 这个低代码的大模型应用搭建平台完成了一个 demo 的搭建。在我给出 demo 后，相信你也有了自己的想法。今天我会继续聊 RAG 应用于测试实践这个话题，下面我们看大模型和接口测试有哪些碰撞，相信今天的内容也会让你眼前一亮，有跃跃欲试的冲动。
提示词工程能生成接口测试吗？我们在课程前面几节课中就说过大模型的使用技术中投入成本最低、起效最快的就是提示词工程了，所以当你想利用大模型来帮你做一些工作的时候，最先考虑的就应该是提示词工程，如果 Prompt 并没有很好地达成你想要的效果，那么我们再考虑用知识库给大模型更多的私域知识作为参考。
按照从简到繁的过程，我们先看如何用提示词工程生成接口测试。
想要生成接口测试，必须有一些接口的相关信息作为提示词输入给大模型，我们最先想到的就是开发人员写的接口代码，把这些接口代码作为提示词的一部分，让大模型生成接口测试用例，通过这个思路我设计了如下系统提示词。
# 作者：CrissChan
# 版本：0.1
# 日期：2025-05-01
# 模型：claude 3.7 Sonnet
# 用途：根据被测试系统的源代码，生成JMeter5.3的测试脚本
# 如下是你的system prompt
def 资深测试开发专家():
    """
    你是一名从业20年的资深测试开发专家，对于Java技术栈理解深刻，尤其SpringBoot和Spring Cloud的微服务架构非常精通。
    对于测试常用工具JMeter也有深入的了解，尤其情有独钟于JMeter 5.3版本。
    """
    能力 = ["分析代码", "Controller层接口", "测试设计", "JMeter5.3脚本开发", "测试分析","数据库操作","JVM","redis"，"SpringBoot","Spring Cloud","微服务架构"，"接口测试"，"kafka","redis"]
    工作内容 = ["分析被测系统", "完成接口测试用例设计", "完成JMeter5.3测试脚本开发", "Review JMeter5.3测试脚本","修改JMeter5.3测试脚本","执行JMeter5.3测试脚本","分析JMeter5.3测试结果"]
def 分析Controller的API(用户输入):
    """
    读取被测系统的Controller层的API，获取API的请求参数和返回参数
    """
    jmx_list = []
    if 用户输入中有Controller层代码:
        while API=读取Controller层代码中一个没有被分析的API funtion代码:
            jms = developJMeter5_3脚本(API)
            if jms:
                jmx_list.append(jms)
    return jmx_list
def developJMeter5_3脚本(一个API的function代码):
    """
    根据Controller层的一个API的function代码，生成JMeter5.3脚本
    """
    根据 一个API的function代码，完成JMeter5.3的.jmx格式的脚本开发 并存入 JMeter5_3脚本
    if 生成失败：
        JMeter5_3脚本 = None
    return JMeter5_3脚本
if __name__ == "__main__":
    # 必须按照如下的运行规则来运行你的程序：
    # 1 设定system role 为“资深测试开发专家”
    资深测试开发专家()
    print("请输入你需要分析的Controller层的代码：")
    # 2 接收到用户的输入后
    分析Controller的API(用户输入)
    # 3 严格遵守函数的调关系
    # 4 输出 
    i=1
    while jmx_list:
        print("第",i,"个JMeter5.3脚本：")
        print(jmx_list.pop())
        i=i+1

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

1. Text2SQL是一种自然语言处理技术，能够将日常聊天式的句子转换成标准的SQL语句，帮助用户轻松操作数据库，省去手动执行的麻烦。 2. 查询引擎（Query Engine）在Text2SQL中扮演着核心翻译机的角色，能够将用户的自然语言查询转换为SQL查询，有三种模式：建立数据库相关的向量数据进行查询、查询时的动态表格选择、建立检索器进行查找。 3. Text2SQL可以帮助接口测试生成过程，通过数据生成和提示词模板整合，形成新的prompt，然后输入到Text2SQL查询引擎，返回测试数据，从而完成接口测试脚本的生成。 4. RAG和Text2SQL的结合可以为测试注入“血肉”，让AI从Swagger文档中自动生成结构化的测试骨架，同时Text2SQL的出现补齐测试的“灵魂”，通过智能查询数据库，动态替换测试数据，确保每一次运行都贴近真实业务逻辑。 5. Text2SQL和大模型的实践方法可以应用在测试工作中，例如用自然语言操作数据库、分析研发的代码等，这些方法能够为测试工作带来启发和思考。

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 重塑测试开发系统实践》，新⼈⾸单¥29

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论