测试脚本不用写了：我用一个 Markdown 文件搞定 API、UI、CI 全流程自动化

免费福利，测试员周周全网同名，关注回复关键字【skills】可领取全量skills，文中提到的所有内容均包含；

或者直接github直达：testzhouzhou/aitest-skills

做测试 14 年，写过无数 pytest 脚本。每次新项目启动，流程都一样：看接口文档、写用例、转代码、调定位器、跑不通、改定位器、再跑……

重复了太多遍之后，我做了个决定：不写了。

把测试设计原则写进文档，让 AI 读文档自己生成脚本；把常见场景写成模板，填几个字段就能出代码。两条路混着用，快的时候 30 秒出一个可跑的 pytest 脚本。

更狠的是——这套东西已经接入了 CI。代码一提交，测试自动跑，报告自动出，不用人管。

这套东西我整理成了一个技能包，放在 skills-专业版 目录里。这篇先讲怎么用，进阶内容看下一篇。

---

这东西到底是什么

它不是一个框架，也不是一套库。它是一套测试技能文档 + 本地脚本生成器 + CI 流水线。

结构很简单：

skills-专业版/
├── generate.sh              # 一键生成入口
├── run_ci_tests.sh          # CI 入口脚本（串联 5 类测试）
├── codegen/                 # 代码生成引擎（纯 Python，不调用 AI）
│   └── run_spec.py          #   读 Markdown spec → 出脚本（5 种 kind）
├── templates/               # 11 个内置模板（开箱即用）
├── .cursor/rules/           # Cursor AI 规则
├── testcase-skills/         # 用例生成技能链
├── api-skills/              # API测试技能链
├── UI-skills/               # UI测试技能链
├── data-factory/            # 造数（生成 MySQL 插入脚本）
├── defect-analysis/         # 缺陷智能分析
├── requirement-modeling/    # 需求建模与任务拆解
├── special-testing/         # 专项测试（性能压测、视觉回归、UI 审查、安全扫描）
├── testcase-data-generator/ # 测试数据生成
├── bug-reporter/            # 缺陷记录与报告
└── intent-router/           # 意图路由

分成三件事：

1. SKILL.md 文档：给 AI 看的测试操作手册。告诉 AI测试用例怎么设计、API 怎么测、UI 怎么定位元素。你让 Cursor 读这些文档，它生成的代码质量会好很多。
2. codegen 生成器：本地 Python 脚本，读 Markdown 文件（带 YAML frontmatter），直接生成 pytest 脚本。不调用任何 AI，纯模板展开。支持 5 种 kind：API测试、UI 测试、造数、性能压测、视觉回归。
3. CI 流水线：GitHub Actions + 本地入口脚本。代码一提交，自动跑 5 类测试，上传报告。

三件事可以单独用，也可以混着用。

---

怎么用

方式一：本地生成（不需要 AI，30 秒出脚本）

这是最快的方式。你只需要写一个 Markdown 文件，开头加一段 YAML：

---
kind: api_pytest
base_url: http://localhost:8899
cases:
  - id: TC-001
    method: GET
    path: /api/users
    expect_status: 200
  - id: TC-002
    method: POST
    path: /api/users
    json_body:
      name: "张三"
      email: "zhangsan@example.com"
    expect_status: 201
---

# 用户接口测试

然后一行命令：

./generate.sh my_spec.md

它就生成了一个标准的 pytest 脚本：

# Auto-generated by spec runner

import os
import pytest
import requests

BASE_URL = os.environ.get('TEST_BASE_URL', "http://localhost:8899")

def test_tc_001(api_session):
    """TC-001: GET /api/users → 200"""
    r = api_session.get(BASE_URL.rstrip('/') + "/api/users", timeout=30)
    assert r.status_code <span class="wx-em-red"> 200, r.text[:800]

def test_tc_002(api_session):
    """TC-002: POST /api/users → 201"""
    r = api_session.post(BASE_URL.rstrip('/') + "/api/users",
        json={"name": "张三", "email": "zhangsan@example.com"}, timeout=30)
    assert r.status_code </span> 201, r.text[:800]

直接 pytest -v 就能跑。

UI测试也一样，写个 spec：

---
kind: ui_pytest_playwright
base_url: http://localhost:5569
steps:
  - action: goto
    path: /login
  - action: fill
    l1_label: "用户名"
    value: "admin"
  - action: fill
    l1_label: "密码"
    value: "admin123"
  - action: click
    l1_role: button
    l1_name: "登录"
expect:
  - type: url_regex
    pattern: "/(dashboard|home)$"
---

# 登录测试

跑出来就是一个完整的 Playwright 脚本，用 get_by_label 和 get_by_role 定位元素，比写 CSS 选择器稳得多。

方式二：AI 辅助生成（Cursor 里 @ 一下）

本地生成适合简单场景。复杂业务逻辑，让 AI 来。

用 Cursor 打开 skills-专业版 目录，在 Chat 里：

@testcase-skills/generator/SKILL.md @api-skills/执行/01_测试用例生成.md

帮我给 http://localhost:8899 的订单支付接口生成测试用例和 pytest 脚本。
接口需要 Bearer Token 认证，正常流程是创建订单→支付→查询订单状态。
异常情况包括余额不足、支付超时、重复提交。

AI 会读 SKILL.md 里的测试设计原则（正向测试、边界值、异常场景、安全测试各覆盖什么），然后帮你生成完整的用例和脚本。

混着用（推荐）

场景	怎么做
快速验证接口能不能跑	./generate.sh templates/api_smoke.md
复杂业务逻辑测试	Cursor Chat @ SKILL.md，让 AI 生成
简单 UI 流程	./generate.sh templates/ui_login.md
复杂 UI 交互	Cursor Chat @ UI-skills，让 AI 写 Playwright
团队共享测试规范	spec 文件提交到 Git，大家跑 ./generate.sh

先跑本地生成拿到基础脚本，再用 AI 补充边界 case。两条路不冲突。

---

内置模板一览（11 个，覆盖 5 种测试类型）

模板	用途	生成什么	运行方式
templates/api_smoke.md	API 冒烟测试	pytest + requests	pytest -v
templates/api_auth.md	API + Bearer Token 认证	pytest + requests	pytest -v
templates/api_db_check.md	API + 数据库对比	pytest + requests + pymysql	pytest -v
templates/api_scenario_register.md	API 多步场景（注册→登录）	pytest + requests	pytest -v
templates/ui_login.md	UI 登录流程	pytest + playwright	pytest -v
templates/ui_form.md	UI 表单填写	pytest + playwright	pytest -v
templates/ui_e2e.md	UI 端到端流程	pytest + playwright	pytest -v
templates/ui_login_scenarios.md	多场景登录测试	pytest + playwright	pytest -v
templates/data_factory.md	自动生成测试数据	MySQL 插入脚本	python data_factory.py
templates/perf_test.md	HTTP 接口压测	Locust 脚本	locust -f perf_test.py --headless
templates/visual_regression.md	UI 视觉回归测试	Playwright 截图对比	pytest visual_regression.py

跑 ./generate.sh 不带参数，会打印完整列表和用法。

---

自己写 spec

模板不够用？自己写一个。

spec 就是一个 Markdown 文件，开头加 YAML frontmatter。核心字段就几个：

API测试：

• kind: api_pytest
• base_url: 接口地址
• cases[]: 用例列表，每个 case 有 id、method、path、expect_status

UI测试：

• kind: ui_pytest_playwright
• base_url: 页面地址
• steps[] 或 flows[]: 操作步骤（goto / fill / click / select_option）
• 元素定位用 l1_label、l1_test_id、l1_role 等

造数：

• kind: data_factory
• database: 数据库连接信息
• tables[]: 表名、数量、字段生成策略

性能测试：

• kind: perf_test
• base_url: 目标地址
• endpoints[]: 接口列表、并发数、压测时长

视觉回归（新增）：

• kind: visual_regression
• base_url: 页面地址
• pages[]: 要截图对比的页面列表
• threshold: 像素差异阈值（0.0-1.0，越小越严格）
• max_diff_pixels: 允许的最大差异像素数

写完存成 .md，传给生成器就行。

---

CI集成：代码一提交，测试自动跑

这是最近刚加的。一个 GitHub Actions workflow + 一个本地入口脚本，覆盖完整的测试流程：

# .github/workflows/testing-skills-ci.yml
# 触发条件：代码 push / PR
on:
  push:
    branches: [main, master, develop]
    paths:
      - "backend/**"
      - "frontend/**"
      - "skills-专业版/**"

CI 流程（23 个步骤）：

1. 启动 MySQL + Redis 服务
2. 初始化数据库 schema
3. 启动后端（FastAPI）
4. 启动前端（Vue3 + Vite）
5. API 冒烟测试：generate.sh templates/api_smoke.md → pytest -v
6. API 认证测试：generate.sh templates/api_auth.md → pytest -v
7. UI 登录测试：generate.sh templates/ui_login.md → pytest -v
8. 视觉回归测试：generate.sh templates/visual_regression.md → pytest --update-snapshots（首次）/ pytest -v（后续）
9. 性能快速检查：generate.sh templates/perf_test.md → locust --headless -u 5 -r 2 -t 10s
10. 上传测试报告和性能数据为 CI artifact

本地也可以跑：

./run_ci_tests.sh staging
# 串联 5 类测试，最后汇总通过率

这套 CI 的价值： 你不用每次改代码都手动跑一遍测试。提交代码，CI 自动跑，失败了 GitHub 会通知你。一个人用也够用。

---

依赖和安装

# 生成器依赖（必须）
pip install PyYAML

# API测试运行依赖
pip install pytest requests allure-pytest

# UI测试运行依赖
pip install pytest pytest-playwright
playwright install chromium

# 造数依赖（可选）
pip install pymysql

# 性能测试依赖（可选）
pip install locust

Python 3.8+ 即可。

---

项目地址

~/ai-test-system/skills-专业版/

或者从我的 Cursor 技能包里直接打开。

有问题随时交流。

---

作者：测试老兵周周，14年测试经验，专注 AI测试和自动化测试。