背景

最近一道考题，要求在一小时内，在AI工具协助下，完成一个API接口测试的自动化框架搭建。功能包含：1、获取token认证2、测试给出的上传文件接口，返回值中获取文件解析的一下结果字段。

在使用AI工具开发编写prompt的时候，产生了一下对于测试自动化框架的思考：自动化框架的物理结构应该是怎么样的；如何在利用AI开发的时候，编写更好的prompt获得更好的输出。并且分析市面上成熟的测试是什么样的，记录下：

自动化框架的物理结构

物理结构设计需要兼顾可维护性、可扩展性和复用性，

通常分层结果： “测试用例、配置、工具、数据、报告”

1. 核心测试用例目录（tests/）

存放所有测试用例，是框架的核心。通常按业务模块 / 功能点或测试类型（如接口测试、UI 测试、单元测试）细分子目录，遵循 pytest 的命名规范（测试文件以test_开头，测试函数 / 类以test_开头）。

例如：

tests/
├── api/                # 接口测试用例
│   ├── test_user.py    # 用户相关接口测试
│   ├── test_order.py   # 订单相关接口测试
│   └── __init__.py
├── web/                # UI测试用例（如Selenium）
│   ├── test_login.py   # 登录页面测试
│   └── test_cart.py    # 购物车页面测试
└── db/                 # 数据库测试用例
    └── test_data.py    # 数据一致性测试

2. 共享配置与钩子（conftest.py）

pytest 的核心配置文件，用于定义全局共享的 fixture（测试前置 / 后置条件）、钩子函数（如测试执行前后的自定义逻辑），无需手动导入即可在所有测试用例中使用。
例如：

• 定义login_fixture：所有需要登录的测试用例可直接调用；
• 定义pytest_runtest_makereport钩子：自定义测试报告生成逻辑。

3. 框架配置文件（pytest.ini / pyproject.toml）

用于配置 pytest 的运行参数（如默认测试目录、报告格式、忽略文件等），避免每次运行时手动传参。
例如pytest.ini：

[pytest]
testpaths = tests/                # 默认测试目录
python_files = test_*.py          # 测试文件匹配规则
addopts = -vs --html=reports/report.html  # 默认运行参数（生成HTML报告）

4. 工具层（utils/ 或 common/）

存放通用工具函数 / 类，避免测试用例中重复代码，提升复用性。常见内容：

• 请求封装：如http_client.py封装 requests 库，统一处理接口请求、超时、重试；
• 数据库操作：如db_utils.py封装 SQL 查询、插入、事务处理；
• 日志工具：如logger.py配置日志格式、输出到文件 / 控制台；
• 断言工具：如assert_utils.py封装自定义断言（如对比 JSON 结构、模糊匹配）；
• 配置解析：如config_parser.py读取环境变量、配置文件（config.yaml）。

5. 测试数据管理（data/）

存放测试用例所需的输入数据、预期结果，避免硬编码在测试用例中。常见形式：

• 结构化文件：JSON/YAML（适合接口参数、预期结果）；
• 表格文件：Excel/CSV（适合批量参数化数据）；
• 动态生成：data_generator.py（如随机生成手机号、订单号）。
  例如：

data/
├── api/
│   ├── user_login.yaml   # 登录接口的测试数据（账号、密码、预期结果）
│   └── order_create.json # 下单接口的请求参数模板
└── web/
    └── cart_data.csv     # 购物车操作的批量测试数据

6. 报告与日志输出（reports/ / logs/）

• reports/：存放测试报告（如 HTML 报告用于 CI/CD 展示）；
• logs/：存放测试运行日志（按时间命名，便于问题排查）。

7. 依赖管理（requirements.txt）

记录框架依赖的第三方库（如pytest、requests、pytest-html、selenium），通过pip install -r requirements.txt一键安装环境。

8. 版本控制与 CI 配置（.gitignore / .github/workflows/）

• .gitignore：忽略临时文件（如__pycache__/、reports/）、敏感配置（如config.yaml）；
• CI 配置：如 GitHub Actions 的.github/workflows/test.yml，定义自动触发测试的条件（如代码提交后）。

二、市面上成熟的例子

1. Requests 库的测试框架（pytest 实现）

Requests 是 Python 最流行的 HTTP 库，其测试框架完全基于 pytest，结构如下（简化版）：

requests/
├── tests/                     # 测试用例目录
│   ├── test_requests.py       # 核心请求测试
│   ├── test_ssl.py            # SSL相关测试
│   └── conftest.py            # 共享fixture（如会话创建、服务器启动）
├── pytest.ini                 # pytest配置（指定测试目录、标记）
├── requirements-dev.txt       # 开发依赖（含pytest）
└── docs/                      # 测试文档

特点：用conftest.py管理全局 fixture（如启动本地测试服务器），测试用例按功能模块拆分，依赖清晰。

2. pytest-django（Django 项目的 pytest 集成框架）

pytest-django 是 Django 官方推荐的测试框架，典型项目结构：

myproject/
├── myapp/                     # 业务代码
├── tests/                     # 测试用例
│   ├── test_models.py         # 数据模型测试
│   ├── test_views.py          # 视图接口测试
│   └── conftest.py            # 共享fixture（如Django客户端、数据库连接）
├── pytest.ini                 # 配置Django测试参数（如--django-settings）
└── requirements.txt           # 依赖（含pytest-django、pytest-cov）

特点：通过 fixture（如client）复用 Django 测试客户端，测试用例与业务代码分离，支持生成覆盖率报告。

3. 企业级 UI 自动化框架（如 Selenium + pytest）

某电商平台的 UI 自动化框架结构：

ecommerce-ui-test/
├── tests/                     # 测试用例
│   ├── login/                 # 登录模块
│   ├── checkout/              # 结账模块
│   └── conftest.py            # fixture（如浏览器启动、登录状态保持）
├── utils/                     # 工具
│   ├── browser.py             # 封装Selenium浏览器操作
│   ├── page_objects/          # 页面对象（PO模式）
│   └── logger.py              # 日志工具
├── data/                      # 测试数据
│   └── user_info.yaml         # 账号密码
├── reports/                   # 测试报告
├── pytest.ini                 # 配置（如并行执行、失败重试）
└── .github/workflows/         # GitHub Actions自动测试配置

特点：结合页面对象模式（PO），用utils/page_objects封装页面元素和操作，测试用例仅关注业务流程，可维护性强。

总结

基于 pytest 的自动化测试框架，核心是通过分层设计（测试用例、工具、数据、配置分离）实现 “高内聚、低耦合”。
成熟框架（如 Requests、pytest-django）均遵循这一原则，同时结合业务场景灵活调整结构（如 UI 测试增加页面对象层，接口测试强化请求封装）。

AI prompt经验：最开始的时候 “最小可用结构”（tests/ + conftest.py + pytest.ini）起步，逐步扩展工具和数据层。详细技巧下篇介绍。