用 Dify 工作流打造你的 AI 测试智能体，效率提升 500%

# 创建项目目录并进入mkdir dify-test-generator && cd dify-test-generator
# 通过curl获取Dify的docker-compose.yml配置文件并启动服务curl -o docker-compose.yml https://raw.githubusercontent.com/langgenius/dify/main/docker/docker-compose.ymldocker-compose up -d

[触发节点：自然语言输入]     → [需求解析节点：LLM分析]     → [测试策略生成：基于测试方法论]    → [测试数据生成]    → [测试用例生成：LLM+模板]    → [结果输出：结构化数据]

trigger: natural_languageparameters:  input_type: text  max_length: 1000  example: |    测试用户登录功能，需要覆盖：    - 正常登录：正确的用户名和密码    - 异常情况：用户名错误、密码错误、空提交    - 安全性：密码加密传输、登录失败次数限制

你是一名资深测试工程师，请将自然语言描述的需求转化为结构化的测试要点。
# 输入{{natural_language_input}}
# 输出要求按以下JSON格式输出：{  "测试场景": ["场景1", "场景2"],  "测试类型": ["功能测试", "安全测试", "性能测试"],  "覆盖要点": ["要点1", "要点2"],  "预期输出": "描述预期行为"}

基于测试要点，生成详细的测试策略。
测试要点：{{test_points}}
基于以下测试方法论设计测试策略：- 等价类划分- 边界值分析- 正交分析法- 异常场景覆盖
为每个测试场景生成具体的测试用例设计。

角色：软件测试工程师任务：根据需求编写测试用例目标：测试用例要规范，专业，覆盖需求操作要求：每条用例输出格式都包含前置条件，用例标题，操作步骤，预期结果。使用中文输出。

[测试数据获取] → [数据分析处理] → [报告内容生成] → [多平台推送]

节点类型: HTTP请求配置:  方法: GET  URL: https://your-domain.atlassian.net/rest/api/3/search  Headers:    Authorization: "Basic ${base64('email:api_token')}"    Content-Type: "application/json"  Query参数:    jql: "project = TEST AND status in ('执行完成') AND updated >= -1d"    fields: "key,summary,status,customfield_10001"

你是一名资深测试经理，请基于以下测试数据生成一份专业的测试报告：
## 测试执行概览- 总用例数: {{total_cases}}- 通过用例: {{passed_cases}} - 失败用例: {{failed_cases}}- 通过率: {{pass_rate}}%
## 分析要求请从以下维度进行专业分析：1. **质量评估**：基于通过率评估本次构建的质量等级2. **问题聚焦**：如果有失败用例，分析可能的原因和影响范围3. **趋势对比**：与最近3次构建的通过率进行趋势分析4. **改进建议**：针对发现的问题给出具体的改进建议5. **发布建议**：基于测试结果给出是否可发布的建议

def format_dingtalk_message(analysis_report, test_data, build_info):    # 根据通过率设置消息颜色    if test_data['pass_rate'] >= 95:        color = "#008000"  # 绿色        status_emoji = "✅"    elif test_data['pass_rate'] >= 80:        color = "#FFA500"  # 橙色          status_emoji = "⚠️"    else:        color = "#FF0000"  # 红色        status_emoji = "❌"        # 构建钉钉消息格式    message = {        "msgtype": "markdown",        "markdown": {            "title": f"{status_emoji} 测试报告 - 构建 #{build_info['build_number']}",            "text": f"""## {status_emoji} 自动化测试报告**构建信息**  > 构建编号: #{build_info['build_number']}  > 测试通过率: **{test_data['pass_rate']}%** ({test_data['passed_cases']}/{test_data['total_cases']})"""        }    }    return message

# GitHub Actions 配置示例name: Auto Test Generationon:  push:    branches: [main]    paths: ['api/**']  # API定义变更时触发
jobs:  generate-tests:    runs-on: ubuntu-latest    steps:      - uses: actions/checkout@v3      - name: Generate Tests via Dify        run: |          curl -X POST "https://your-dify-instance/v1/workflows/trigger" \          -H "Authorization: Bearer ${{secrets.DIFY_API_KEY}}" \          -H "Content-Type: application/json" \          -d '{            "inputs": {              "openapi_spec": "${{github.workspace}}/api/openapi.json",              "test_requirements": "生成完整的接口测试套件"            }          }'      - name: Execute Generated Tests        run: pytest generated_tests/ -v