基于LangChain手工测试用例转接口自动化测试生成工具

程序员笑武

于 2024-08-16 20:03:57 发布

阅读量573

点赞数 6

文章标签： langchain 测试用例 p2p 人工智能机器学习 llama milvus

本文链接：https://blog.csdn.net/m0_59164304/article/details/141268476

版权

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 pytest``import requests``   ``def 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 pytest``import requests``def 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 pytest``import requests``def 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 ChatOpenAI``from langchain_community.document_loaders.text import TextLoader``from langchain_core.output_parsers import JsonOutputParser, StrOutputParser``from langchain_core.prompts import PromptTemplate``from langchain_core.runnables import RunnablePassthrough``from utils.langchain_debug import langchain_debug``   ``langchain_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_chain``   ``   ``def 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。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述