当产品经理甩过来一份50页的需求文档，要求"这周把测试用例写完"时，你会怎么做？手动复制粘贴到Excel？还是让AI直接读图生成用例？

随着AI技术的普及，OCR（光学字符识别）与LLM（大语言模型）的结合，彻底打破了“手写用例”的效率瓶颈。今天给大家分享一套可落地的《自动生成用例：基于OCR+ LLM的设计方案》，从背景、痛点、架构、关键设计到落地建议，帮你快速实现用例自动生成，解放双手。

💡 文章篇符较长，建议先点赞收藏，慢慢看

测试用例编写是软件测试中最"体力活"的环节。据统计，一个中等复杂度的需求，测试工程师平均需要花费：

传统AI方案的局限：

早期的"AI生成用例"大多基于纯文本输入，比如把需求文档的Word/PDF文字提取出来喂给ChatGPT、DeepSeek。但现实中，大量关键信息藏在图片里——产品原型图、流程图、手绘草图、甚至Excel截图。

我们曾遇到过一个案例：某金融系统的"转账限额规则"只存在于一张复杂的Excel配置表截图中，文字提取工具完全失效，测试工程师只能肉眼识别37个单元格，手动编写142条用例，耗时2天。

这就是OCR+LLM方案的出发点：让AI不仅能"读文字"，还能"看懂图"。

利用OCR与LLM的结合：

除此之外，随着产品迭代速度加快，每次需求变更都需要重新修改、补充用例，传统手写方式无法适配敏捷开发的节奏，而自动生成方案可快速响应需求变更，大幅提升测试效率，让测试工程师将精力聚焦在核心场景优化、缺陷排查上，而非重复的用例编写工作。

这个方案设计初衷主要为了解决三类场景：

场景1：原型图/设计稿 → 功能用例

产品经理给的是Axure/墨刀导出的PNG，包含页面元素、交互说明、业务规则。传统方式需要测试工程师对着图一条条写，现在让AI直接看图生成。

场景2：流程图/时序图 → 流程用例

复杂的业务状态流转（如订单从"待支付"到"已完成"的7个状态），流程图里画得很清楚，但文字提取会丢失箭头逻辑。OCR需要识别节点和连接关系。

场景3：配置表/规则表 → 组合用例

权限矩阵、费率表、风控规则等，往往以Excel截图或表格图片形式存在。需要识别行列关系，并应用组合测试/正交试验法生成用例。

核心目标：

整体架构分为感知层→认知层→生成层，模拟人类测试工程师"看→懂→写"的过程：

┌─────────────────────────────────────────────────────────┐ │ 输入层 │ │ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ │ │ │ PDF │ │ 图片 │ │ Word │ │ 原型链接 │ │ │ │ 文档 │ │ (PNG/JPG)│ │ 文档 │ │ (可选) │ │ │ └────┬────┘ └────┬────┘ └────┬────┘ └────┬────┘ │ └───────┼────────────┼────────────┼────────────┼────────┘

 │ │ │ │ └────────────┴────────────┘ │ │ │ ▼ │ 

┌──────────────────────────────────────────────┴─────────┐ │ 感知层 (OCR Engine) │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────────┐ │ │ │ 通用OCR │ │ 表格OCR │ │ 版面分析 │ │ │ │ (PaddleOCR/ │ │ (TableMaster│ │ (LayoutParser │ │ │ │ Azure AI) │ │ /Structurize)│ │ /DocLayout-YOLO)│ │ │ └─────────────┘ └─────────────┘ └─────────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────────────────────┐ │ │ │ 结构化文本 + 坐标信息 │ │ │ │ {text: "用户名", bbox: [x1,y1,x2,y2], type: "input"}│ │ │ └─────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘

 │ ▼ 

┌─────────────────────────────────────────────────────────┐ │ 认知层 (LLM Engine) │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────────┐ │ │ │ 多模态 │ │ 提示工程 │ │ 知识注入 │ │ │ │ 理解 (GPT-4V│ │ (Few-shot │ │ (RAG检索业务 │ │ │ │ /Claude/Qwen│ │ CoT) │ │ 术语库) │ │ │ │ -VL) │ │ │ │ │ │ │ └─────────────┘ └─────────────┘ └─────────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────────────────────┐ │ │ │ 测试实体识别：页面元素、业务规则、状态流转、边界值 │ │ │ │ 关系抽取：点击关系、依赖关系、前置条件、后置结果 │ │ │ └─────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘

 │ ▼ 

┌─────────────────────────────────────────────────────────┐ │ 生成层 (Case Builder) │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────────┐ │ │ │ 用例模板 │ │ 组合策略 │ │ 格式导出 │ │ │ │ 引擎 │ │ (Pairwise/ │ │ (Excel/XMind/ │ │ │ │ │ │ 正交/全排列) │ │ TestRail API) │ │ │ └─────────────┘ └─────────────┘ └─────────────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────────────────────┐ │ │ │ 标准测试用例：ID、标题、前置条件、步骤、预期结果、 │ │ │ │ 优先级、类型（功能/异常/边界）、关联需求 │ │ │ └─────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘

但从交互角度来说，可细分为五层: 输入层 → 预处理层 → OCR识别层 → LLM推理层 → 输出层

1. 输入层：接收原始设计文件

支持多种输入格式，覆盖日常工作中常见的设计文件类型，无需转换格式，降低使用门槛：

2. 预处理层：优化识别效果

原始设计文件可能存在模糊、倾斜、水印、多页面等问题，影响OCR识别准确率，预处理层主要做3件事：

3. OCR识别层：提取页面核心元素

这一层是“读懂设计稿”的核心，采用成熟的OCR模型（如PaddleOCR、Tesseract，可根据需求选择），重点提取3类信息，为LLM生成用例提供基础：

补充：OCR识别后，会生成一份“元素清单”，包含所有提取的信息，便于后续LLM调用，同时支持人工手动修正识别错误，提升准确率。

4. LLM推理层：生成标准化测试用例

这一层是“生成用例”的核心，也是方案的灵魂。我们选用适配中文场景、推理速度快的LLM模型（如Claude、通义千问、讯飞星火，可根据团队成本、隐私需求选择），核心工作流程如下：

5. 输出层：输出可落地的测试用例

支持多种输出格式，适配不同团队的使用习惯，同时支持人工优化：

1、OCR层：通用OCR vs 专用模型，怎么选？

OCR识别准确率直接影响LLM生成用例的质量，若识别错误（如把“验证码输入框”识别成“密码输入框”），会导致用例生成偏差。

建议采用组合策略：

另外，还可以通过3个优化手段，将识别准确率提升至95%以上：

2、LLM层：多模态理解还是OCR+文本LLM？

这是架构设计的核心抉择。我们对比了两种路线：

路线A：端到端多模态（GPT-4V/Claude 3/Qwen-VL）

路线B：OCR提取结构化文本 + 文本LLM（GPT-4/Claude 3.5/Qwen-Max）

建议的混合策略：

if 内容以文字/表格为主:

使用路线B（OCR+文本LLM），成本低且准确 

elif 内容包含复杂交互/视觉状态（如原型图）:

使用路线A（多模态），保留视觉上下文 

else:

双路并行，投票机制决定最终输出

3、认知层：如何让LLM"像测试工程师一样思考"？

LLM生成用例的质量，完全依赖Prompt的设计。我们设计的Prompt包含3个核心部分，确保用例覆盖全面、格式标准：

这是生成高质量用例的关键，也是让LLM像测试工程师一样思考的关键，我们通过三层提示工程实现：

第一层：角色与思维链（CoT）

你是一位有10年经验的资深测试工程师，擅长从需求文档中提取测试点。 

第二层：Few-shot示例

在提示词中嵌入2-3个高质量用例示例，教会LLM团队的书写规范：

示例1： 输入：登录页面（用户名输入框、密码输入框、登录按钮） 输出： [ {"test_point": "用户名输入-正常输入", "category": "功能", "priority": "P0"}, {"test_point": "用户名输入-特殊字符", "category": "异常", "priority": "P1"}, {"test_point": "密码输入-掩码显示", "category": "安全", "priority": "P0"} ]

第三层：RAG知识注入

通过检索增强生成（RAG），注入业务领域知识。比如金融系统需要知道"大额交易需二次确认"是监管要求，电商系统需要知道"库存扣减"的并发处理逻辑。

# 伪代码：RAG检索 business_context = vector_db.search(query="转账限额", top_k=3) prompt = f"基于以下业务规则：{business_context}，生成测试用例…"

4、生成层：场景补齐策略、组合爆炸问题怎么解？

为了避免LLM遗漏关键场景，我们预设了“场景模板库”，包含10+类高频测试场景，LLM生成用例时，会自动匹配模板，补齐场景：

同时，支持团队自定义场景模板，比如针对特定产品的专属场景（如支付场景的金额校验），可添加到模板库，提升用例的针对性。

当配置表有10个维度，每个维度3个取值时，全排列是3^10=59049条用例，不可接受。

建议采用的组合策略：

示例：一个"用户等级+支付方式+优惠券"的组合场景，Pairwise可将用例从120条压缩到12条，覆盖所有两两组合。

5、用例质量校验（确保可评审、可落地）

LLM生成用例后，需经过自动校验+人工抽检，确保用例可评审、可落地，避免出现“步骤缺失、预期结果不明确”的问题：

这套方案无需复杂的底层开发，可基于现有工具快速落地，适合个人、小团队、中大型团队，以下是具体落地建议，帮你降低落地成本，快速见成效。

1. 选型建议（低成本优先）

无需搭建复杂的服务器，优先选用开源工具+成熟LLM API，降低开发、维护成本：

技术栈参考

2. 落地步骤

3. 避坑提醒（实际落地常见问题）

4. 迭代优化方向

落地后，可根据实际使用情况，逐步优化方案，提升用例质量和效率：

基于OCR+LLM的自动生成用例方案，核心是“用技术替代重复劳动”，解决手写用例效率低、易遗漏、标准化难的痛点，让测试工程师从繁琐的用例编写中解放出来，聚焦核心的质量保障工作。

这套方案的优势的是“低成本、可落地、易扩展”，无需复杂的底层开发，个人和小团队可快速上手，中大型团队可基于此方案扩展，适配更多测试场景。

在AI辅助测试的大趋势下，自动生成用例不是“替代测试工程师”，而是“成为测试工程师的得力助手”。落地这套方案后，你会发现：以前1小时才能完成的用例，现在10分钟就能搞定，评审时再也不用怕漏场景，有更多时间去优化测试策略、提升产品质量。

最后一点建议： 不要追求100%自动化。根据我的经验，AI生成+人工审核的模式最可持续——AI负责广覆盖和快速草稿，人负责精准判断和复杂场景。这种人机协作，才是AI时代测试工程师的**站位。

延伸阅读：

💡 更多、更详细、全面的AI测试、AI编程、AI技能进阶系统化实战教程，欢迎加入：「狂师. AI进化社」一起探讨学习！