接口自动化测试用例是一个老生常谈的问题，在未引入人工智能之前，也有非常多的生成方案，比如如下所示，通过har生成接口自动化测试用例：

但是以上的生成方式依然是有一些弊端，比如 har 本身虽然能表述一定的接口信息和业务信息，但是毕竟无法用来表述全部的应用场景与用例场景。而大部分的应用场景和用例场景，均是通过自然语言进行描述的。而解析自然语言，则是大语言模型擅长做的事情。

实践演练需求说明

以下内容为3条接口测试用例：

测试模块

测试标题

测试步骤

预期结果

接口功能

正常情况下的请求

发送一个正常的GET请求

响应状态码为 200 ，并返回请求者的IP地址

接口功能

非法请求方法

发送一个非GET请求，如POST或者PUT

响应状态码为 405

接口功能

无效的请求路径

发送一个不存在的路径

响应状态码为404

以下为一个获取ip接口的har文件：

接口Har文件(需要可留言领取)实现原理

接下来，将通过这两个数据文件自动生成对应的测试用例。

通过功能用例生成测试脚本

在这个过程中，测试用例本身是自然语言，自然语言的解析与处理本身就是大模型非常擅长的工作。而可以通过 LangChain 简化整个的实现的过程。

编写的提示词模版信息如下所示：

template = """你是一个自动化测试工程师，精通的技术栈为 Python pytest requests库以下是这个接口的具体信息，{context}Question: {input}"""

通过功能测试用例生成的自动化测试脚本如下所示：

#1. Test case: 正常情况下的请求import pytestimport requestsdef test_normal_request(): url = 'http://example.com/normal_request' response = requests.get(url) assert response.status_code == 200 assert response.json()['ip_address'] == 'requester_ip'#2. Test case: 非法请求方法import pytestimport requestsdef test_invalid_request_method(): url = 'http://example.com/invalid_request_method' response = requests.post(url) assert response.status_code == 405# 3. Test case: 无效的请求路径import pytestimport requestsdef test_invalid_request_path(): url = 'http://example.com/invalid_request_path' response = requests.get(url) assert response.status_code == 404

当然，在此过程中可以很明显的发现，自动生成的用例是没有任何的接口信息的。原因是我们给到的数据里面就是没有接口信息的。

填充接口数据

接下来，将读取har文件中的接口数据信息，和脚本进行结合。

提示词模版如下：

template = """ 你是一个自动化测试工程师，你非常熟悉requests库 {context} Question: 请根据传入的接口信息提取request中的 ip 、 url 、method、json。 key值为前面提到的字段，如果没有则无需添加。如果有则提取对应的value。 要求返回的格式为json格式"""

生成结果如下：

{ "ip": "182.92.156.22", "url": "https://httpbin.ceshiren.com/ip", "method": "GET"}完整代码

再将以上的过程结合之后，完整版的代码如下所示

from langchain_community.chat_models.openai import ChatOpenAIfrom langchain_community.document_loaders.text import TextLoaderfrom langchain_core.output_parsers import JsonOutputParser, StrOutputParserfrom langchain_core.prompts import PromptTemplatefrom langchain_core.runnables import RunnablePassthroughfrom utils.langchain_debug import langchain_debuglangchain_debug()llm = ChatOpenAI()def get_by_filename(filename): info = TextLoader(f'./data/{filename}') return info.load()def get_case_data(_): template = """ 你是一个自动化测试工程师，你非常熟悉requests库 {context} Question: {input} 请根据传入的接口信息提取request中的 ip 、 url 、method、json。 key值为前面提到的字段，如果没有则无需添加。如果有则提取对应的value。 要求返回的格式为json格式 """ prompt = PromptTemplate.from_template(template=template, ) data_chain = ( RunnablePassthrough.assign(context=lambda x: get_by_filename("ip.har"), ) | prompt | llm | JsonOutputParser() ) return data_chaindef get_case(): """ 通过大模型生成测试数据。 :return: """ template = """ 你是一个自动化测试工程师，精通的技术栈为 Python pytest requests库 以下是这个接口的具体信息，你的 {context} 请求的参数信息将输入一个字典，输入的内容为 {req} Question: {input}""" # 模板提示，输出 json 格式的回答 prompt = PromptTemplate.from_template( template=template, ) chain = ( RunnablePassthrough. assign(context=lambda x: get_by_filename("获取ip测试用例.md"), req=get_case_data) | prompt | llm | StrOutputParser() ) input_template = """ 根据每条测试用例的测试步骤，生成对应的测试数据信息， 每条测试用例要求都有一条对应的单独的pytest函数 """ print(chain.invoke({"input": input_template}))if __name__ == '__main__': get_case()总结掌握接口自动化测试用例生成的原理。了解如何通过大语言模型生成接口自动化测试脚本与数据。掌握通过LangChain生成完整版接口自动化测试用例的方法。