临海做网站网络推广销售是做什么的

项目简介

本项目是一个基于 Streamlit 构建的交互式 Web 应用，利用大语言模型 (LLM) 和检索增强生成 (RAG) 技术，辅助完成各种软件测试任务。用户可以输入需求描述，选择性地通过知识库和历史数据增强上下文，从而生成 需求规格说明书、测试用例、测试建模文档、和 测试报告。

✨ 主要功能

• 📝 AI 生成任务:

  • 需求分析: 基于提供的需求描述，生成软件需求规格说明书 (SRS)。
  • 测试分析 (建模): 创建详细的测试建模文档。
  • 测试用例生成: 从需求描述自动生成结构化的测试用例。
  • 测试报告生成: 根据输入信息生成专业的测试报告。
    

• 🔍 检索增强生成 (RAG):

  • 知识库集成: 支持上传文档来构建知识库。系统会自动解析和切分这些文档。
  • 上下文增强: 从知识库和相似的历史数据中检索相关片段，为 LLM 提供更丰富的上下文，从而提高生成内容的质量和相关性。
    
    

• 🧠 灵活的 LLM 集成:

  • 支持多种 LLM 服务提供商：Ollama、OpenAI 以及自定义 API 端点。
  • 允许从多种预定义模型中选择，或指定自定义模型名称。
  • 可通过 UI 配置 API 端点和 API 密钥。
    

• 📊 用户界面与输出:

  • 交互式 UI: 使用 Streamlit 构建，包含 AI 生成、知识库管理和模型设置等标签页。
  • 多种输出视图: 以表格、JSON 和 Markdown 格式显示生成的测试用例。
  • 导出功能: 允许将生成的需求规格说明书、测试建模文档、测试用例和测试报告下载为 Markdown 文件。
  • 知识库查看器: 浏览已上传的文档及其提取的片段。
  • 统计信息: 显示知识片段数量和历史测试用例数量等基本统计数据。

🚀 安装指南

前置条件

• Python 3.8+
• Ollama (推荐用于本地模型，如果使用默认设置，请先安装并运行)
• Git

步骤

1. 克隆仓库:

   git clone <your-repository-url> （项目源码可联系我获取）
   cd <repository-folder-name>
   

2. 创建并激活虚拟环境:

   # Windows
   python -m venv venv
   .\venv\Scripts\activate# Linux/macOS
   python -m venv venv
   source venv/bin/activate
   

3. 安装依赖:

   pip install -r requirements.txt
   

   提示: 如果在国内遇到网络问题，可以尝试使用镜像源:

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

💡 使用方法

1. 确保您选择的 LLM 服务正在运行:

   • 如果使用 Ollama (默认)，请确保 Ollama 应用程序正在运行。
   • 如果使用 OpenAI 或自定义 API，请确保您拥有正确的 API 端点和凭据。

2. 运行 Streamlit 应用:

   streamlit run rag_test_agent.py
   

3. 与应用交互:

   • 📝 AI 生成标签页:

     • 输入或通过文件上传导入需求描述。

     • 可选择勾选 “使用知识库和历史用例” 复选框以启用 RAG 来增强生成效果 (影响测试用例、测试分析、需求分析和测试报告的生成)。

     • 调整生成参数，如最大用例数和温度 (创造性)。

     • 点击相应的按钮：“需求分析”、“生成测试建模”、“生成测试用例” 或 “生成测试报告”。

     • 查看并导出结果。

     • 需求分析（部分示例）：
       
       
       

     • 测试建模（部分示例）：
       

     • 测试用例（部分示例）：
       

     • 测试报告（部分示例）：
       
       
       

• 📚 知识库管理标签页: 上传相关文档 (PDF, DOCX, TXT, MD, JSON) 来构建您的知识库。可以查看已存在的知识片段。
• ⚙️ 模型设置标签页: 配置您想要的 LLM 提供商、模型名称、API 基础 URL 和 API 密钥 (如果需要)。默认使用 Ollama 的 qwen2.5:7b 模型，地址为 http://127.0.0.1:11434。

💾 数据存储

• 存储历史需求描述及其对应的生成测试用例。用于测试用例生成时的 RAG。
• 存储从知识库上传文档中提取的文本片段。包含文档名称和来源页码 (针对 PDF)。用于所有生成任务的 RAG。
• temp: 用于处理上传文件的临时目录。处理完毕后，此目录下的文件会被删除。

⚙️ 配置

所有的 LLM 配置都通过 UI 中的 “模型设置” 标签页进行管理：

• 模型提供商 (Model Provider): 在 ollama, openai, 或 custom 之间选择。
• 模型名称 (Model Name): 从列表中选择一个模型 (根据提供商而定) 或输入自定义名称。
• API 基础 URL (API Base URL): LLM API 的端点地址。为 Ollama 和 OpenAI 提供了默认值。
• API 密钥 (API Key): OpenAI 和 自定义 API 需要此项。