Skillget

spec2case

agent
Security Audit
Warn
Health Warn
  • License — License: MIT
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Low visibility — Only 5 GitHub stars
Code Pass
  • Code scan — Scanned 12 files during light audit, no dangerous patterns found
Permissions Pass
  • Permissions — No dangerous permissions requested

No AI report is available for this listing yet.

SUMMARY

Spec2Case 是生产级 AI 测试用例生成智能体，支持图片/文本需求理解、人工确认、LangGraph 流程编排和 Excel 用例导出。

README.md

Spec2Case

Spec2Case 是一个面向 QA、测试开发、产品和研发团队的生产级 AI 测试用例生成平台，可以把 PRD、需求文档、产品规格说明、原型图、设计稿、业务截图等输入，转换为结构化、可执行、可导出的测试用例。

这不是一个开源 demo 或概念验证项目，而是从真实业务测试交付中迭代出来的 AI 用例生成智能体。项目经过 80+ 小需求、十几个大版本需求验证，生成测试用例可用率达 90%+，可直接进入测试设计、用例评审和回归测试准备流程。

它也不是简单的“让大模型写用例”：系统会先审查需求缺口和逻辑不闭环问题，再通过人工确认补齐事实，生成用例。

成本也足够低：按当前推荐配置，即使用高质量模型组合，常见单任务成本约 1-2 元。

界面预览

Spec2Case 首页

AI 协作运行

功能

  • 文本需求导入：支持粘贴或上传 PRD/需求说明。
  • 图片需求导入：支持上传原型图、设计稿、截图和补充备注。
  • 人工确认：对需求缺口、逻辑不闭环或关键信息缺失进行一次性确认。
  • 测试用例生成：覆盖普通模块用例和跨模块链路用例。
  • 结果导出：支持在页面查看并下载 Excel/JSON。
  • 模型配置：页面内配置不同阶段使用的模型，并可测试连通性。

技术栈

  • Backend: Flask, SQLAlchemy, SQLite
  • Frontend: Vue 2, Element UI
  • Workflow: LangGraph
  • Model Config: OpenAI-compatible

快速开始

一键启动

git clone https://github.com/blackhaiyu-sudo/spec2case.git
cd spec2case
bash scripts/quick-start.sh

国内网络也可以使用 Gitee 地址：

git clone https://gitee.com/blackhai/spec2case.git
cd spec2case
bash scripts/quick-start.sh

脚本支持 Ubuntu 20.04/22.04/24.04 等主流 Ubuntu 系统和 macOS。Ubuntu 缺少 Docker 时会自动安装 Docker Engine 与 Docker Compose 插件；macOS 需要 Docker Desktop。

访问：

http://localhost:5002

首次启动后可在页面“模型配置”中维护模型，也可以直接编辑 runtime/config/OAI_CONFIG_LIST 后重启容器。

测试用例生成质量强依赖模型能力。首次进入页面后，建议先打开“模型配置”，按下面三类用途填好模型并点击“测试”确认连通性：

用途 推荐模型 作用 选型建议
需求拆分模型 GPT-5.5 或同等级/更强模型 PRD 分块、LU 拆分、跨模块链路识别 这一步决定后续上下文是否完整，建议使用最新一代顶级模型
需求/测试用例模型 DeepSeek V4 Pro 或同等级/更强模型 需求审查、确认整合、最终 PRD、测试用例生成 调用量最大，建议使用国内一线模型兼顾质量和成本
图片分析模型 Doubao Seed 2.0 Pro 或同等级/更强视觉模型 原型图、设计稿、截图、箭头备注和文件名语义提取 图片需求必须配置，视觉理解弱会直接造成需求遗漏

费用参考：按当前推荐配置，常见单任务约 1-2 元。实际费用取决于模型、需求长度和图片数量，页面“AI 协作运行”会展示任务估算费用。

如果只想先体验页面，可以先查看内置示例任务；如果要生成自己的高质量用例，请先完成以上模型配置。

本地开发

git clone https://github.com/blackhaiyu-sudo/spec2case.git
cd spec2case
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
cp config/OAI_CONFIG_LIST.example config/OAI_CONFIG_LIST
python database/init_db.py init
./start.sh

文档

目录

agents/       Agent 定义和提示词模板
config/       模型配置示例
database/     数据库模型和初始化脚本
routes/       Flask API
services/     核心业务、LangGraph 流程、文件服务
static/       前端静态资源
templates/    页面模板
docs/         开源文档

本地数据

运行过程中会产生配置、上传文件、日志和导出结果。Docker Compose 默认写入 runtime/，本地开发默认写入项目下的运行目录：

  • config/OAI_CONFIG_LIST
  • data/
  • logs/
  • outputs/
  • uploads/
  • runtime/

License

MIT

开发者的话

Spec2Case 的目标不是替代人工，而是把真实需求、人工确认和模型能力结合起来，让测试用例生成更高效、风格统一。现实里的 PRD、截图和业务说明很少天然完整，所以保留人工确认是必要的，AI 更适合做整理、补全和结构化。

没有把企业知识库或 RAG 放进主链路，是因为包袱太重，知识库本身质量不好反而适得其反。

联系与反馈

Reviews (0)

No results found