这个是业界难题了，能解决的人配享太庙

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

公司都在转型，但我感觉测试转型相比研发难一些，我们可以讨论一下吗，或者请教一下呢

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

其实现在都在说，看了很多地方，没有落地；或者说没有很好的落地。这个现在有好的解决方案不呢，或者方向

直接用现成，腾讯 IMA 的知识库。只是成本最低，正反馈最快的。

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

成本最低，正反馈最快的结论是认真的吗？刚试了下，IMA 除了好安装以外，没 openapi，又要联公网，知识库内容还要上传到他司服务器，被信安发现了工作都不保。
个人用户体验一下还可以，无法想象有对于生产资料的外发限制这么宽松的公司

好深噢，我现在还在搞手工测试呢

目前我的方案是用已有的手册或者页面截图（视觉 AI 模型分析字段）分析需求生成需求文档，所有用例、操作手册都基于这个生成的需求文档来生成（生成后的需求文档还可以二次编辑），只需要保证需求文档准确性，那用例等等其他产物的准确性都能得到同步提高

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

不联网？你们公司有能力自己本地搭建类似 openai 模型？你是不是以为通过 api 访问，数据就不被训练？另外对于文档存储，你要去重，关键词等相关敏感要去掉。至于重要不要资料，心里都清楚。可以先问下你们领导，看从成本的投入来判断。

测试知识库感觉好难搞，尤其像我们这只有 xmind 文件，感觉都不知道用什么载体搞这些

是部署到本地的吗？如果不是部署到本地的话，公司内部需求放到非本地不安全

用 openai 是没得选。知识库大把可以选的，大把可以离线部署商用的。
IMA 还要自己去重和脱敏，成本一点都不低，明显就不是面向商用的。真不如装个 Milvus，离线，同时不用人工去重和脱敏

目前我这边用起来成本比较低的方式：

git 托管知识库，规范化和评测策划案，编写测试用例，用例输出规范等相关 Skill 和知识库文件；

然后花点钱买 claudecode 的令牌（30 块左右吧，无限额度，偶尔会抽风那种无伤大雅）每次通过多个 Agent 并行执行去批量导入文件（主要是解决上下文限制问题）。

现在的方式就是，策划案有了就导入到这套流程里，然后就去忙别的，然后他自己帮我生成相应的处理路径，但是需要我 review 下关键信息：矛盾的点啊，有分歧的内容，需要我进一步确认，然后就这样生成相应的用例了。

目前我组搭建以后已经用起来了，系统相关的测试收效甚好（写的比系统测试的小伙伴写的好，非常全，个别难以搭建的测试场景，我让他们自己斟酌），战斗需要更详细的 Skill 要求跟依赖关系（我是 ACT 类的写实战斗游戏）效果也能达到个 7788，因为搭建半个月，内容量还没起来，但是只会越来越好。

这是我目前的方式，支持迭代也支持历史批量导入生成。

这个简直是太难了，现阶段旧版都是 xmind 维护的用例和数据，查找存储都是难办理的一个事情，

这个涉及到历史需求的质量（各种格式的需求文档，当需求有变更的时候是否及时补充到需求文档上，如果是迭代的需求，迭代的需求是否规范），测试用例的质量 等等 ，太难了。

主体还是在 dify 吧？只是用 git 管理知识库？

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

嗯，是的。维护一个目录仓库，本地的知识库是我抽象出来的通用知识框架，产物就是一个 md 文件，但是里面会记录每次生成的 case 的依赖关系，差异化的知识清单，每次生成 case 的时候都通读知识清单里的内容。命中率挺高的。

结构不好整，不过感谢提供这个思路，其实 xmind 还有个规范问题无法处理，比较旧人和新人的处理方式不一致，可以尝试下

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

1、目录结构上看起来挺像的，但是我比你的会全一些，我觉得主要你缺了一个评测模块，它的作用是，规范化这个管线模块中的内容，因为系统跟战斗是完全不同的 2 个管线，所以你要约束规范他们的产出路径。上游策划案就需要去约束（我这边会规范化以后去打分策划案，评分太低的不满足我要求的，我会直接跟主策划说，案子质量太低了这种）约束的关键词如：存在未定义的概念；案子之间存在相同名词，但是名词定义不统一；模糊的场景描述；注入此类的关键约束，约束完以后，然后再依赖按照咱自己的测试用例输出格式输出测试用例；另外我的 Skill 跟知识库是分开的，因为我的经验库（知识库）是全局的，Skill 是非全局的（局内，外围，流程，资源）这种细化的检查，模块的话，就是一级目录是模块名，二次目录就是规范化以后的策划案还有归档以后的原始稿；其他的大差不差，我后面计划还有置入自动化动作检查，但是需要有合适的视频解析的大模型；
2、我没用 dify，就是一个单纯的知识库性质的 md 文件，结构简单的，就是我上面描述的那种。我觉得自己通过依赖关系去自查就 OK 了，还有就是要有纠错逻辑，就是差异化的内容要消化在生产过程中；
3、目前非强制，但是设计框架要基本遵循，不然就太扯淡了，我们主策原话：你无法去约束每个人都按照你这样的设计结构去描述，我迄今为止没见过，那都这样说了，那按照设计框架去设计总说得过去吧？所以这边规范化策划案的流程中就是按照设计框架去解析他写的原始稿，通过走这个流程，强制把所有的策划的产出拉齐，这样就解决问题了。缺少的东西会体现出来，比如：我们设计动作的时候，会给对应匹配逻辑，资源池，动作标注的名称，衔接优化的逻辑，最终的表现解决预期这类的描述，这些都是抽象出来的。
直说的话，就是 AI 帮我们清晰数据，给一个最规范的内容。

我个人体验下来，游戏测试的用例产出能达到这个精度的话，软件测试用例就更不用说了，我感觉精度更是高的吓人了。

我们目前也是 dify 搭了 chatflow 来做用例生成，因为完全靠 ai 生成的质量还是很不达标，就先给 ai 做需求分析，然后继续人工纠正继续 prompt，然后生成用例也是，50%Ai 50% 人工吧。

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

可以展开说说吗？原型转需求的核心要素 是什么呢 有些逻辑交互应该也识别不出来吧

请问你的问题解释了吗？我们正在做这件事，有兴趣可以试用我们的系统

请问这种的话，和调用 api key 生成用例有什么区别呢

api 某鱼买吗，我最近也在考虑搞这个，用 trea 做了个智能体，直接在 trea 项目中把测试项目的背景知识写入

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

某鱼是指啥？我们后端主程找的一个教程，自己弄的，我这个是他充值账号下开的令牌，平台确实有一个叫智汇 API。

过往需求文档都找不到的怎么解？

根据禅道 buglist 拆出来测试点，老员工的个人总结，产品那残留需求，都可以进行整合的