本文共 797 字，大约阅读时间需要 2 分钟。

和智能相关的东西都显得高大上，但是目前这个推荐还不能严格的称之为智能

设计初衷

在接口自动化测试中，用例生成的效率和质量是其中最重要的一个部分，没有之一

那可否让用户更加高效的编辑接口测试用例呢？迭代了两个小版本的用例智能推荐功能，目前还是处于初级阶段，需要持续的优化，mark以下目前的设计思路吧

设计思路

项目中不同的接口参数key是部分相同，可否通过分析给用户推荐参数的取值从而提升用例编写的效率

推荐逻辑

两类数据结合，一个是特定的随机字段，一个是历史数据分析

1. 特定字段

• 人物信息 - 中文名、英文名、姓氏、身份证号、手机号、公司名称、职位
• 账户信息 - 信用卡号、邮箱名、登陆账号、规则随机密码
• 地址信息 - 地址、国家、城市、街道名、邮编、地理坐标
• 网络信息 - 域名、IP4地址、IP6地址、MAC地址、URI地址
• 文件信息 - 文件扩展名、文件名、文件路径
• 数字 - N位随机数字、随机范围内大小数字、Decimal数字
• 文本 - 字母、段落、词语、MD5、uuid、sha1
• 时间 - 日期、范围内日期、指定时间、随机时区 其他 - 颜色

2. 历史数据

• param：参数名
• type：参数类型
• value：参数值
• freq：在该项目中出现的频率

推荐算法

推荐个数：3

1. 特定字段优先
2. 项目数据freq5 + swapi数据freq1 -> 根据freq排序

数据构建

1. faker

   触发机制：用户勾选，将数据保存在faker表，通过审核后comfirm状态置为1

2. project_lib

   触发机制：用例调试通过后解析该用例数据，变更该项目对应参数和值的freq数据

3. api_lib

   触发机制：用例调试通过后解析该用例数据，变更对应参数和值的freq数据

自动迭代

1. 记录用户勾选的规则选取 - 优化推荐优先序列
2. 记录用户勾选推荐的用例数据 - 优化推荐规则生成

转载地址：https://lluozh.blog.csdn.net/article/details/105748882 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！