适配版本：requests2.32.5/pytest9.0.2/playwright1.57.0/streamlit1.40.0

一、前言

本文是基于（二）DeepSeek API基础调用已完成的 AI 测试项目架构进行可视化升级，无需重构现有代码（如架构不同，仅需关注新增文件与修改文件），仅通过「新增 1 个核心文件&&少量适配修改」，即可搭建出 “选模板、填参数、生成脚本、下载执行” 的可视化平台。

全文严格标注文件状态：

  • 🟢 已有：已实现的文件 / 目录，直接复用
  • 🔴 新增：需额外创建的文件
  • 🟡 修改：已有文件的少量调整

二、调整项目架构

仅在原架构基础上新增 1 个核心文件，调整后项目架构：

ai_ui_test/
├─ .venv/                # 🟢 已有：虚拟环境
├─ config/
│  └─ prompt_templates.json  # 🟢 已有：Prompt模板
├─ test_cases/           # 🟢 已有：测试脚本目录
├─ reports/              # 🟢 已有：测试报告目录
├─ utils/
│  └─ deepseek_api.py    # 🟡 已有+修改：新增extract_python_code函数
├─ main.py               # 🟢 已有：命令行入口
└─ app.py                # 🔴 新增：Streamlit可视化平台入口（核心）

三、环境准备

3.1 已有依赖（🟢）

你的虚拟环境中已安装以下版本（无需重新安装）：

# 已安装的核心依赖，如未安装可参考4.2步骤进行安装
requests==2.32.5
pytest==9.0.2
playwright==1.57.0

3.2 新增依赖（🔴）

安装适配版numpy和Streamlit：

# 先卸载可能残留的不完整numpy（如果有的话）
pip uninstall -y numpy

# 安装适配Windows的预编译numpy
pip install numpy==2.4.1 --only-binary=numpy

# 安装兼容版Streamlit（不冲突已有依赖）
pip install streamlit==1.40.0

# 验证安装成功
streamlit hello

订阅邮箱可不填，回车即可；

✅ 浏览器自动打开http://localhost:8501示例页面 = 安装成功。

3.3 验证版本（可选）

pip list | Select-String -Pattern "streamlit|numpy|requests|pytest|playwright"

✅ 成功输出示例：

streamlit      1.40.0
numpy          2.4.1
requests       2.32.5
pytest         9.0.2
playwright     1.57.0

四、核心文件实现

4.1 已有文件：config/prompt_templates.json（🟢）

直接复用原有的模板文件（或者使用你自己的prompt文件即可）：

{
  "playwright_ui": {
    "role": "资深UI自动化测试工程师",
    "context_feedback": "测试mall电商后台品牌管理功能，地址http://localhost:8090",
    "task": "生成Playwright UI测试脚本，包含查看/编辑/删除品牌用例",
    "constraint": "使用Playwright1.57.0同步API，含断言，适配pytest9.0.2",
    "output_format": "完整Python脚本"
  },
  "api_test": {
    "role": "资深接口测试工程师",
    "context_feedback": "测试mall登录接口，地址http://localhost:8080/admin/login",
    "task": "生成requests接口测试脚本，覆盖多登录场景",
    "constraint": "使用requests2.32.5，含断言，适配pytest9.0.2",
    "output_format": "完整Python脚本"
  }
}

4.2 已有 + 修改文件：utils/deepseek_api.py（🟡）

在已有文件中新增代码提取函数：

# utils/deepseek_api.py
import requests
from typing import List, Dict
 
class DeepSeekAPI:
    def __init__(self, api_key: str):
        """初始化DeepSeek API客户端"""
        self.api_key = api_key
        self.base_url = "https://api.deepseek.com/v1/chat/completions"
        # 请求头（固定格式，需携带API Key）
        self.headers = {
            "Content-Type": "application/json",
            "Authorization": f"Bearer {self.api_key}"
        }
        # 默认模型（DeepSeek基础对话模型，可根据需求切换）
        self.default_model = "deepseek-chat"
 
    def send_message(self, messages: List[Dict], model: str = None) -> str:
        """
        调用DeepSeek API发送对话请求
        :param messages: 对话历史，格式示例：[{"role": "user", "content": "你好"}]
        :param model: 模型名称，默认用deepseek-chat
        :return: API返回的回答内容
        """
        try:
            # 构造请求参数
            payload = {
                "model": model or self.default_model,
                "messages": messages,
                "temperature": 0.7  # 随机性，0-1之间，越小回答越稳定
            }
            # 发送POST请求（复用已安装的requests==2.32.3）
            response = requests.post(
                url=self.base_url,
                headers=self.headers,
                json=payload,
                timeout=30  # 超时时间30秒，避免网络延迟
            )
            response.raise_for_status()  # 若请求失败（如401/404），抛出异常
            # 解析响应，提取回答内容
            result = response.json()
            return result["choices"][0]["message"]["content"]
        except Exception as e:
            raise Exception(f"DeepSeek API调用失败：{str(e)}")

    # 🔴 新增函数
    def extract_python_code(self, ai_response):
        """从AI返回的Markdown中提取Python代码"""
        if "```python" in ai_response:
            return ai_response.split("```python")[1].split("```")[0].strip()
        return ai_response

4.3 新增文件：app.py（🔴）

在项目根目录创建app.py（可视化核心，直接复制）：

import streamlit as st
import json
import subprocess
# 🔴 导入你的DeepSeekAPI类（而非函数）
from utils.deepseek_api import DeepSeekAPI

# ===================== 页面初始化（适配streamlit1.40.0） =====================
st.set_page_config(
    page_title="AI测试脚本生成平台",
    page_icon="🤖",
    layout="wide"
)
st.title("🤖 AI测试脚本生成平台（阶段2）")

# ===================== 加载你现有config目录下的Prompt模板 =====================
try:
    with open("config/prompt_templates.json", "r", encoding="utf-8") as f:
        prompt_templates = json.load(f)
    template_names = list(prompt_templates.keys())
except FileNotFoundError:
    st.error("❌ 请确认config/prompt_templates.json文件存在！")
    st.stop()

# ===================== 侧边栏：参数配置 =====================
with st.sidebar:
    st.header("📌 配置区")
    
    # 选择测试模板
    selected_template = st.selectbox(
        "选择测试模板",
        options=template_names,
        index=0
    )
    current_template = prompt_templates[selected_template]
    
    # 输入DeepSeek API Key
    api_key = st.text_input(
        "DeepSeek API Key",
        type="password",
        placeholder="输入你的DeepSeek API Key"
    )
    
    # 动态测试参数
    st.subheader("🔧 测试参数")
    if selected_template == "playwright_ui":
        base_url = st.text_input("测试地址", value="http://localhost:8090")
        username = st.text_input("登录账号", value="test123")
        password = st.text_input("登录密码", value="123456", type="password")
    elif selected_template == "api_test":
        api_url = st.text_input("接口地址", value="http://localhost:8080/admin/login")
        request_method = st.selectbox("请求方法", options=["POST", "GET"], index=0)

# ===================== 展示模板详情 =====================
st.subheader(f"📋 当前模板：{selected_template}")
with st.expander("查看模板详情（阶段1配置）", expanded=False):
    st.markdown(f"**角色**：{current_template['role']}")
    st.markdown(f"**核心任务**：{current_template['task']}")
    st.markdown(f"**约束条件**：{current_template['constraint']}")

# ===================== 生成测试脚本（适配类结构） =====================
if st.button("🚀 生成测试脚本", type="primary"):
    if not api_key:
        st.error("❌ 请先输入DeepSeek API Key！")
        st.stop()
    
    # 拼接Prompt内容
    if selected_template == "playwright_ui":
        prompt_content = f"""
请严格按照以下要求生成测试脚本（适配playwright1.57.0）：
1. 角色：{current_template['role']}
2. 背景：{current_template['context_feedback']}，测试地址：{base_url}，登录账号：{username}/{password}
3. 核心任务：{current_template['task']}
4. 约束条件：{current_template['constraint']}，脚本可直接用pytest9.0.2执行
5. 输出格式：{current_template['output_format']}
"""
    elif selected_template == "api_test":
        prompt_content = f"""
请严格按照以下要求生成测试脚本（适配requests2.32.3）：
1. 角色：{current_template['role']}
2. 背景：{current_template['context_feedback']}，接口地址：{api_url}，请求方法：{request_method}
3. 核心任务：{current_template['task']}
4. 约束条件：{current_template['constraint']}，脚本可直接用pytest9.0.2执行
5. 输出格式：{current_template['output_format']}
"""
    
    try:
        # 🔴 关键修改：实例化DeepSeekAPI类（适配你的类结构）
        deepseek_client = DeepSeekAPI(api_key=api_key)
        # 构造messages列表（符合你类的send_message方法要求）
        messages = [{"role": "user", "content": prompt_content}]
        
        # 调用类的send_message方法生成脚本
        with st.spinner("🤖 AI正在生成测试脚本..."):
            ai_result = deepseek_client.send_message(messages=messages)
        
        # 调用类的extract_python_code方法提取代码
        test_script = deepseek_client.extract_python_code(ai_response=ai_result)
        
        # 展示脚本+下载
        st.subheader("✅ 生成的测试脚本")
        st.code(test_script, language="python", line_numbers=True)
        st.download_button(
            label="📥 下载到test_cases目录",
            data=test_script,
            file_name=f"test_cases/test_{selected_template}.py",
            mime="text/x-python"
        )
    except Exception as e:
        st.error(f"❌ 脚本生成失败：{str(e)}")

# ===================== 执行测试脚本 =====================
st.divider()
st.subheader("▶️ 执行测试脚本")

uploaded_script = st.file_uploader("选择要执行的脚本（来自test_cases目录）", type="py")
if uploaded_script and st.button("执行测试", type="secondary"):
    script_name = uploaded_script.name
    # 保存到test_cases目录
    with open(f"test_cases/{script_name}", "wb") as f:
        f.write(uploaded_script.getbuffer())
    st.success(f"📁 脚本已保存至：test_cases/{script_name}")
    
    # 执行测试
    try:
        with st.spinner("🔍 执行测试中..."):
            result = subprocess.run(
                ["pytest", f"test_cases/{script_name}", "-v", "--tb=short"],
                capture_output=True,
                text=True,
                encoding="utf-8"
            )
        
        # 展示结果
        st.subheader("📊 测试执行结果")
        st.code(result.stdout, language="bash")
        if result.stderr:
            st.error("❌ 执行错误：")
            st.code(result.stderr, language="bash")
    except Exception as e:
        st.error(f"❌ 测试执行失败：{str(e)}")

五、启动验证

在项目根目录执行：

streamlit run app.py

浏览器打开http://localhost:8501，验证核心功能：

  1. 输入 DeepSeek API Key；
  2. 选择模板，填写测试参数；
  3. 生成并下载脚本到test_cases；
  4. 上传脚本执行，查看测试结果。

六、常见问题

问题现象 解决方案
找不到 prompt_templates.json 确认文件在 config 目录下，app.py中路径正确
提取代码失败 确认deepseek_api.py中已新增extract_python_code函数
Playwright 脚本报错 执行playwright install安装驱动（适配 1.57.0）
Streamlit 启动失败 重新安装：pip install --force-reinstall streamlit==1.40.0

七、总结

  • 🟢 复用阶段（二）：所有核心逻辑（Prompt 模板、AI 调用、测试脚本）均直接复用；
  • 🔴 新增价值：通过 1 个文件实现可视化交互，降低 AI 测试使用门槛；
  • 版本兼容：完全适配 requests2.32.5/pytest9.0.2/playwright1.57.0/streamlit1.40.0。
# chrome # 前端 # python
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

AI助力学术研究，让开题报告的撰写与优化过程更加智能便捷

avatar 2048 AI社区
cover

AI技术助力学术研究，开题报告的优化工作变得高效且省时省力

avatar 2048 AI社区
cover

揭秘ClawdBot，7×24小时AI助手的底层架构，原来它靠这些“硬核能力”真干活

avatar 2048 AI社区