【Code with SOLO】用SOLO征服一个古法测试老婆

SOLO-蛋憋 · 2026 年4 月 23 日 08:16

1. 摘要

我老婆是一名软件测试工程师，日常工作中最痛苦的事情就是拿到需求文档后，需要手动逐条拆解需求、编写测试用例。项目往往需要 2-3 天才能完成用例编写，而且很容易遗漏边界场景和异常路径。每天熬夜加班，苦不堪言，属于典型的“古法测试” （信息安全无法访问互联网）

这次我用 TRAE SOLO 从零搭建了一款 AI 测试用例生成平台，只需上传需求文档，AI 就能自动完成需求拆解 → 测试要点分析 → 思维导图生成 → 专家级测试用例输出，整个过程不到 10 分钟。原来 2-3 天的工作，现在一杯咖啡的时间搞定， 让她见识AI的厉害

2. 背景

用户角色

软件测试工程师，日常负责 B 端系统的功能测试和接口测试。

痛点

用例编写耗时：一份 PRD 文档，手动编写测试用例需要 2-3 天
覆盖率不足：人工拆解容易遗漏边界值、异常场景、状态迁移等
质量参差不齐：不同经验的测试人员，用例质量差异很大
思维导图手动画：测试分析思维导图用 XMind 手动整理，费时费力

目标

用开发集成好的工具，借助本地AI模型自动化整个测试设计流程，让测试人员从重复劳动中解放出来，专注于更有价值的探索性测试。

3. 实践过程

第一步：需求分析与提示词设计（纯对话完成）

我没有直接上手写代码，而是先让 SOLO 帮我设计 AI 提示词体系。这个决策非常关键——提示词的质量直接决定了最终生成用例的质量。

我向 SOLO 描述了工具的核心功能需求：

“支持上传需求文档，AI 自动拆解需求、生成测试要点和思维导图，输出符合专家级标准的测试用例”

SOLO 为我设计了完整的 4 层提示词链：

需求文档解析：将非结构化文档转为结构化需求（含隐含需求推导）
需求要点拆解：从功能/数据/场景/非功能/依赖 5 个维度拆解
测试要点分析：生成思维导图数据结构
测试用例生成：综合运用 9 大测试设计方法（等价类、边界值、判定表、因果图、状态迁移、正交实验、错误推测、场景法、探索式测试）

关键 Prompt 示例（测试用例生成）：

你是一位拥有15年经验的专家级软件测试工程师。
你必须综合运用以下测试设计方法：
- 等价类划分法：将输入数据划分为有效/无效等价类
- 边界值分析法：覆盖最小值、最小值+1、最大值-1、最大值
- 状态迁移法：覆盖所有合法/非法状态迁移路径
- 错误推测法：覆盖特殊字符注入、并发冲突、资源耗尽
...

第二步：技术架构设计

SOLO 帮我制定了完整的技术方案：

桌面框架：Electron（跨平台，测试人员友好）
前端：React + TypeScript + Tailwind CSS + shadcn/ui（干净专业）
后端：Python FastAPI（AI 生态最好）
AI 引擎：统一接口支持 OpenAI / Claude / DeepSeek / Ollama
亮点：集成 Ollama 本地模型，无需 API Key，完全免费
Skill：为了保证开发成果物的UI简洁、使用友好，特意要求增加相关skill来做提示词工程

第三步：分阶段开发（14 个 Task 逐步推进）

SOLO 的子代理驱动模式非常适合这种多模块项目，我按 4 个阶段推进：

Phase 1 - 项目骨架（Task 1-2）

Electron + React + TypeScript 项目初始化
Python FastAPI 后端骨架 + SQLite 数据库

Phase 2 - 后端核心（Task 3-6）

文档解析服务（支持 PDF/Word/PPT/TXT/MD）
AI 多模型引擎（OpenAI/Claude/DeepSeek/Ollama 统一接口）
提示词链式调用编排器
导出服务（Excel + 思维导图）

Phase 3 - 前端页面（Task 7-11）

10 个 shadcn/ui 基础组件
7 个完整页面：首页、上传、分析、测试要点、思维导图、用例管理、设置
API 服务层 + Zustand 状态管理

Phase 4 - 集成打包（Task 12-14）

后端 API 完善（17 个接口）
Electron 打包配置（Win/Mac/Linux）

第四步：让SOLO输出部署说明文档和使用手册，便于“古法”老婆使用

4. 成果展示

SOLO输出的项目结构

ai-test-platform/
├── src/                    # Electron 主进程
├── renderer/src/           # React 前端（7 个页面）
│   ├── components/ui/      # 10 个 shadcn/ui 组件
│   ├── pages/              # 首页/上传/分析/要点/导图/用例/设置
│   ├── services/           # API 服务层
│   └── stores/             # Zustand 状态管理
├── python/app/             # Python 后端
│   ├── api/                # 17 个 RESTful 接口
│   ├── services/           # AI 引擎/文档解析/导出
│   └── models/             # 5 张数据表
└── electron-builder.yml    # 三平台打包配置

实际效果

5. 效果与总结

提效数据

对比项	传统方式	AI 平台	提效
用例编写时间	2-3 天	10-15 分钟	90%+
思维导图整理	2-3 小时	自动生成	95%+
需求覆盖率	60-70%（依赖经验）	90%+（系统化拆解）	显著提升
边界场景覆盖	容易遗漏	自动覆盖	质的飞跃