我们公司恰恰是将测试开发干掉，留下了业务测试人员

ai 执行必须生成本地数据，后续执行走本地数据效果还可以，其实 ai 省去了人工找元素写脚本的过程。

请问下在写测试用例的时候，是否会针对需求进行分析澄清呢？比如 AI 识别需求不完善是否会去补充呢？

目前在做需求生成用例相关功能，涉及到知识库，目前使用蒸馏、摘要、标签、业务归属的形式去做关联，形成知识库的概念，目前刚开始做，不知道是否可行。

近期做 UI + AI 自动化，领导意思是从自然语言生成测试用例，然后去自动跑，我发现生成用例的效果很差劲，有些交互根本覆盖不到，通过项目代码喂给 AI 生成一份项目文档，根据这个文档去生成用例效果还是很差，现在对于用例生成的信心完全没有了，看到这个感觉用例生成也是一个独立的大项目。

请问下知识库和智能体怎么做的？

使用的 airtest 编译工具吗？我之前也遇到过，重启下 airtest 和被测应用就好了，后来都懒得重启了，直接用 window 自带截图工具截图

AI 自动化本身不仅是消耗，还是时间成本变高，在执行 AI 时生成本地数据，下次走本地数据，本地数据失败后走 AI 会划算些

UI 自动化，解放双手

请教下 mock 功能，比如平台 mock 了 A 接口，APP 客户端访问 A 接口，如何走 mock 的 A 接口呢？