MokaTest 最近陆续加了一些 AI 相关的能力，目标很明确：把测试流程里重复、容易漏、费时间的环节交给 AI 先做一遍，人再来审核和确认。
目前主要落地的功能有以下几块。

一、AI 需求评审
写用例之前，需求质量直接决定后面会不会漏测。MokaTest 的 AI 需求评审，就是帮你在需求阶段把问题先扫出来。

它会从 完整度、清晰度、可测性、一致性、安全性、边界覆盖 这几个维度去检查需求，输出一份评审结果，包括评分、风险清单和 AI 给出的总评。

为了防止 AI 胡说，每一项结论都会引用需求原文，你可以直接对照原文判断它说得对不对。评审结果也可以导出成报告。

二、AI 生成功能测试用例
这是从需求直接生成测试用例的功能。

流程上分成了几步：先解析需求上下文，再逐点拆出测试维度，接着做覆盖审计，最后输出用例草稿。生成过程中你可以逐点追问、补充，某个维度生成失败也会自动重试，中途断了还能重连，不用担心白跑。

生成的用例会自动和库里已有的用例去重、避免重名，确认没问题后可以直接采纳入库。

三、AI 生成接口测试用例
这个功能是针对接口测试场景的。

你只需要选中接口，AI 会基于接口定义、同级接口以及已有的接口用例，自动生成一条包含请求头、Query、Body、断言和变量提取的接口用例。

Body 里面会自动填一些 Mock 表达式，比如 @phone()、@integer()、@template() 这种，生成后基本可以直接跑。如果接口定义本身有缺失，它也会给出提示，告诉你哪些地方需要补。

四、AI 工作台
除了上面几个专门的功能，MokaTest 还提供了一个 AI 工作台，相当于一个对话入口。

你可以用自然语言查询项目里的需求、用例、BUG、知识库内容，也可以直接让它帮你生成用例、发起需求评审。对话支持多轮，工具调用过程也能看得到。

五、项目知识库
项目知识库就是给 AI 加了一个 “参考资料”。

你可以上传 Markdown 或 TXT 文档，系统会自动向量化建索引。后面 AI 生成内容或回答问题时，会参考这些文档，并且标注出处，减少脱离项目实际情况的问题。

六、AI SKILL & 模型配置
AI SKILL：可以自定义一些常用的 system prompt 模板，团队里大家都能用，避免每次重复输入。

模型配置：按项目配置模型接入点、API Key、对话模型、向量模型等，不同项目可以独立管理。

结语
目前 MokaTest 的 AI 能力主要覆盖了 需求评审 → 功能用例生成 → 接口用例生成 → 对话式工作台 这条主线，再加上知识库、快捷指令和模型配置这些辅助能力。