我的目前还好一些，大概能到 70%，希望在我知识库搭建完后能到 80 以上，我目前是先把需求让大模型清洗一遍，然后原版需求 + 清洗完后的需求分别交给 2 个 LLM，分别进行测试点总结和需求拆解，第三个 LLM 根据原需求和测试点总结进行用例生成，感觉会更精准一些

非常感谢，这个流程对我帮助很大，我先尝试用小项目搭建一下

1.请问本地的话是按照类似这种父子结果的框架产生一个总 md 文件？
├── 01_规范与标准/
│ ├── 测试用例编写规范.md (包含用例格式、优先级定义、字段说明)
│ ├── 术语表.md (例如游戏专有名词：硬直、判定框等)
├── 02_策划案与需求/
│ ├── 系统模块/ (如：背包系统、任务系统)
│ └── 战斗模块/ (你的 ACT 战斗相关策划案)
├── 03_Skill 与经验库
└── 04_模板/
└── 测试用例模板.md
2.然后在 dify 知识库中按照框架生成多个模块化知识库，比如知识库 1.规范和标准 2.策划案与需求，当有新需求生成测试用例时，使用类似 GitHub Action，自动更新 dify 知识库，用关键词调用 LLM，检索多个知识库这样来进行嘛
3..这个规范性文件是公司要求需求方小伙伴必须按照相关规定去做需求文档嘛？大家同时遵守规则嘛？还是自己清洗数据呀

如果 xmind 中的内容写的比较详细的话，可以转 markdown 格式表格或者文档也是可以用的

视觉 AI 分析不需要进行提示词控制嘛，可直接用于工作的复用率能有多少呀，能否分享下是什么大模型

没有什么成熟的落地能直接就用的，现在可以做的就是你觉得什么比较好用，直接用，先用起来再优化，哪怕是直接用 deep 拆解需求生成一份测试用例，当你的关键词能把一份需求拆解详细，80% 可直接利用那就已经很厉害了，先点再面测试思路不也是这样的嘛，我现在的想法就是用 dify 把测试用例直接生成出来

目前我也是自己刚开始搞，现在是借助 dify 工作流进行用例生成，当前能做的用例生成、测试点总结、邮件、图标生成流程是通的， 但是知识库把我卡住了，网上资料只找到基础配置，没有知识库用例的精准度就不会太高，没有上下文索引，现在正在摸索如何清理需求和用例，更好的整理到知识库，还没有头绪

也不是要一次性都解决，主要是想请教下怎么更好的设置父子上下文检索，内容可以一点点加，想先了解多个文档怎么更好的进行索引精准引用

您好，麻烦请教一下，对于测试报告和缺陷报告的生成是使用的哪个工具呢

是的，在北京呢