AI 辅助测试（LLM 生成用例/Copilot for Tests）

"""
使用 LLM 生成测试用例的 Prompt 工程实践
"""
import openai

SYSTEM_PROMPT = """你是一位资深测试工程师，擅长设计全面、专业的测试用例。

你的测试设计遵循以下原则：
1. 覆盖正常路径、边界值、异常场景
2. 遵循等价类划分与边界值分析方法
3. 考虑并发、时序、数据依赖等非功能场景
4. 输出格式为 Gherkin（Given-When-Then）

约束：
- 每个场景独立可执行，不依赖其他场景的前置状态
- 边界值需明确标注是上界还是下界
- 异常场景需标注预期错误类型
"""

USER_PROMPT_TEMPLATE = """
## 需求描述
{requirement}

## 验收标准
{acceptance_criteria}

## 已有用例（避免重复）
{existing_cases}

## 技术约束
{technical_constraints}

请生成以下类型的测试场景：
1. 主路径场景（Happy Path）2-3 个
2. 边界值场景 3-5 个
3. 异常场景 3-5 个
4. 组合场景 2-3 个

每个场景用 Gherkin 格式输出，并标注：
- 类型: [主路径/边界/异常/组合]
- 优先级: [P0/P1/P2]
- 自动化建议: [适合自动化/适合手工/仅探索]
"""

def generate_test_cases(requirement, acceptance_criteria,
                        existing_cases="", technical_constraints=""):
    response = openai.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": SYSTEM_PROMPT},
            {"role": "user", "content": USER_PROMPT_TEMPLATE.format(
                requirement=requirement,
                acceptance_criteria=acceptance_criteria,
                existing_cases=existing_cases,
                technical_constraints=technical_constraints
            )}
        ],
        temperature=0.3,  # 低温度保证一致性
        max_tokens=4000
    )
    return response.choices[0].message.content

# 使用示例
cases = generate_test_cases(
    requirement="""
    用户在购物车中可以同时使用一张满减券和一张折扣券。
    满减券优先于折扣券计算。
    """,
    acceptance_criteria="""
    - 满减券门槛基于商品原价
    - 折扣券基于满减后金额
    - 两券不可同为满减或同为折扣
    """,
    technical_constraints="""
    - 金额单位：分
    - 最大折扣不超过商品原价
    """
)
print(cases)

// 示例：Copilot 辅助生成 Playwright 测试
// 注释描述意图，Copilot 生成代码

// Copilot 提示：编写测试，验证用户登录后能看到个性化推荐
@Test
@DisplayName("登录后首页应展示个性化推荐商品")
void shouldShowPersonalizedRecommendationsAfterLogin(Page page) {
    // Copilot 自动生成以下代码：
    // 1. 导航到登录页
    page.navigate("https://app.example.com/login");

    // 2. 输入凭据
    page.fill("[data-testid=email]", "test@example.com");
    page.fill("[data-testid=password]", "Test@1234");
    page.click("[data-testid=login-button]");

    // 3. 等待首页加载
    page.waitForURL("**/home");
    page.waitForSelector("[data-testid=recommendation-section]");

    // 4. 验证推荐商品
    List<ElementHandle> recommendations = page
        .querySelectorAll("[data-testid=recommendation-card]");
    assertThat(recommendations).isNotEmpty();
    assertThat(recommendations.size()).isBetween(3, 10);

    // 5. 验证推荐基于用户历史
    String firstRecTitle = recommendations.get(0)
        .querySelector("[data-testid=card-title]").innerText();
    assertThat(firstRecTitle).isNotEmpty();
}

"""
AI 测试脚本自愈引擎
当元素定位失败时，LLM 推理新定位器并自动修复
"""
from selenium import webdriver
from selenium.webdriver.common.by import By
import openai
import json

class SelfHealingDriver:
    def __init__(self, driver: webdriver.Remote):
        self.driver = driver
        self.heal_count = 0

    def find_element(self, locator_strategy, locator_value):
        """带自愈能力的元素查找"""
        try:
            return self.driver.find_element(locator_strategy, locator_value)
        except Exception:
            print(f"元素未找到: {locator_strategy}={locator_value}")
            return self._heal_and_retry(locator_strategy, locator_value)

    def _heal_and_retry(self, old_strategy, old_value):
        """AI 自愈：推理新定位器"""
        page_source = self.driver.page_source[:5000]  # 截取部分 HTML

        prompt = f"""
        测试脚本中使用的定位器失败，请推理新的定位器。

        旧定位器: {old_strategy} = "{old_value}"
        当前页面 HTML（部分）:
        {page_source}

        请分析：
        1. 旧定位器失败的可能原因（元素 ID 变化？重构？）
        2. 找到语义上等价的新元素
        3. 给出新的 CSS 选择器或 XPath

        返回 JSON:
        {{
            "new_strategy": "css selector / xpath / ...",
            "new_value": "新定位器值",
            "confidence": 0.0-1.0,
            "reasoning": "推理过程"
        }}
        """

        response = openai.chat.completions.create(
            model="gpt-4o",
            messages=[{"role": "user", "content": prompt}],
            temperature=0
        )

        result = json.loads(response.choices[0].message.content)

        if result["confidence"] > 0.8:
            strategy = By.CSS_SELECTOR if result["new_strategy"] == "css selector" \
                else By.XPATH
            new_element = self.driver.find_element(strategy, result["new_value"])

            # 记录自愈日志
            self.heal_count += 1
            print(f"自愈成功: {old_value} → {result['new_value']}")
            print(f"置信度: {result['confidence']}")
            print(f"推理: {result['reasoning']}")

            return new_element
        else:
            raise Exception(f"自愈置信度过低: {result['confidence']}")