目录

场景1：需求转pytest自动化用例设计

场景2：调试报错的pytest脚本

场景3：优化已有pytest自动化代码

场景4：生成业务测试数据（适配pytest数据驱动）

场景5：编写pytest+allure的CI/CD脚本（Jenkins/GitLab CI）

场景6：扩展pytest自动化框架功能

总结

---

场景1：需求转pytest自动化用例设计

我是测开，使用Python+pytest做接口自动化，基于以下需求： 【粘贴你的业务需求/接口文档】 请输出：
1. 该接口的pytest自动化用例（含正向、边界、异常场景） 
2. 用例数据（yaml格式，适配pytest.mark.parametrize） 
3. 关键断言点（要覆盖业务规则） 
4. 可能的异常处理建议（比如超时、token失效）

场景2：调试报错的pytest脚本

我是测开，使用Python+pytest写接口自动化，以下是报错日志：

【粘贴你的报错栈/运行日志】

请帮我： 1. 定位根因（区分是代码问题、环境问题还是接口问题） 2. 给出修复后的完整代码（只改报错部分，保留原有pytest结构） 3. 说明修改原因和pytest框架的注意事项

场景3：优化已有pytest自动化代码

我是测开，以下是我写的pytest接口自动化代码：

【粘贴你的代码】

请从测开角度优化：

1. 代码分层（配置/公共方法/用例分离） 2. 增加日志、异常处理、参数化 3. 适配Allure报告（添加epic/feature/story） 4. 给出优化后的完整代码，标注修改点

场景4：生成业务测试数据（适配pytest数据驱动）

我是测开，使用Python+pytest+yaml做数据驱动，需要生成【订单模块】的测试数据：
1. 字段：order_no（规则：OD+年月日+6位数字）、amount（0.01~9999）、goods_id、status 
2. 包含：正常数据、边界数据（金额0.01/9999）、异常数据（空订单号、负数金额） 
3. 输出格式：yaml（适配pytest.mark.parametrize） 
4. 数量：每个场景2条，共10条

场景5：编写pytest+allure的CI/CD脚本（Jenkins/GitLab CI）

我是测开，需要写Jenkins Pipeline脚本，实现： 
1. 拉取代码后安装Python依赖 2. 运行pytest自动化用例（指定测试环境） 
3. 生成Allure报告并上传到Jenkins 4. 用例失败时发送钉钉通知 
5. 脚本要适配Python+pytest框架，可直接粘贴到Jenkins

场景6：扩展pytest自动化框架功能

我是测开，现有Python+pytest接口自动化框架，需要添加以下功能： 
1. 动态获取token（登录接口返回后自动更新请求头） 2. 用例失败自动重跑（pytest-rerunfailures） 3. 接口响应数据校验（JSON Schema） 
请给出完整的代码修改方案，标注需要修改的文件和代码块，适配原有框架结构

总结

1. 自动化模板核心：采用分层设计（配置/公共方法/用例/数据），适配pytest最佳实践，支持环境切换、数据驱动、Allure报告，直接替换业务参数即可落地；

2. AI提效关键：指令（Prompt）需明确「Python+pytest框架」「测开视角」「输出格式（如yaml/代码）」，AI输出的结果无需大幅修改即可使用；

3. 日常使用时，先通过AI生成初稿，再结合模板的分层结构调整，可节省80%的重复编码时间。