在编写和维护传统接口自动化主要花费的时间在步骤串联、接口步骤之间数据依赖、前置数据准备。个人觉得有了 AI 能力后如何保证生成用例的准确性 (采纳率) 是核心问题如果 AI 能够做到 80% 的采纳率我觉得就已经减轻了很大的工作量且研发、测试都能用。给到 AI 测试分析、技术方案、代码库、prd、swagger 已有的自动化用例，步骤串联 AI 可以做的不错，但是没有解决 set_up 中的数据准备，以及各个步骤之间的数据依赖关系。以交易链路为例 “生成一个商家优惠券和运费的下单自动化 case”，AI 能够生成步骤 “进入商详 -- 确认订单 -- 订单创建 -- 订单支付” 接口调用步骤，但是前置数据要创建优惠券、创建商品、商品绑定运费模板和优惠券，步骤之间相互依赖商品 id、券 id、金额、地址等。且不同场景前置数据和步骤间的依赖关系不同，很难认为给到 AI 一套通用的规则/skill。要做到相对准确可能需要庞大且 ai 可读的知识库和造数工具库整个流程会非常重。大家有有相关的解决方案吗，希望一起交流