compliance/memory-bank/activeContext.md
gongwenxin df90a5377f mvp
2025-06-16 14:49:49 +08:00

63 lines
3.6 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 活动上下文
## 当前工作焦点
我们正在维护和改进DDMS合规性测试工具该工具用于自动化API合规性测试。目前系统已经具备基本功能支持通过Web界面和命令行方式使用。用户可以提供API规范文件YAPI或Swagger格式指定目标服务的Base URL并配置自定义测试用例目录和报告输出位置等参数。
### 优先任务
1. **功能完善**确保所有核心功能正常工作包括API规范解析、测试用例执行和报告生成。
2. **Bug修复**:解决测试过程中可能出现的错误和异常情况。
3. **性能优化**提高测试执行效率特别是对于大型API规范文件和复杂测试场景。
4. **用户体验改进**优化Web界面提供更友好的操作流程和反馈。
5. **文档更新**:确保用户手册和开发文档与最新代码保持同步。
## 最近变更
### 代码变更
- 实现了用户认证系统使用SQLite存储用户信息
- 添加了LLM集成功能支持使用大模型生成测试数据
- 改进了测试报告格式提供更详细的API调用信息
- 优化了错误处理逻辑,提高了系统稳定性
- 增强了Web界面的响应性和用户体验
- 新增了数值越界错误处理测试用例 (TC-ERROR-4002)用于验证API在接收到超出范围的数值参数时是否按预期返回特定业务错误码。
### 架构调整
- 重构了测试编排器(APITestOrchestrator),提高了代码可维护性
- 引入了更灵活的插件机制,便于扩展测试用例和测试阶段
- 改进了API规范解析器增强了对不同格式的兼容性
- 优化了测试用例注册表的设计,支持更精确的用例筛选
-`schema_utils.py` 中添加了可复用的辅助函数,用于从描述中解析数值范围,以简化相关测试用例的编写。
## 活动决策和考虑
### 当前决策
1. **LLM集成策略**决定使用兼容OpenAI API的通义千问大模型作为测试数据生成的后端同时保留传统的基于Schema的数据生成方法作为备选。
2. **测试报告格式**采用JSON格式作为摘要报告Markdown格式作为详细报告平衡了机器可读性和人类可读性。
3. **用户认证方案**使用基于Flask session的简单认证系统结合SQLite数据库存储用户信息避免过度复杂化。
4. **部署模式**支持本地部署使用简单的Python命令启动不依赖复杂的容器或云服务。
### 开放问题
1. **多线程执行**:是否应该支持并行执行测试用例以提高性能?需要权衡速度提升与稳定性风险。
2. **测试用例覆盖度**如何确保测试用例能全面覆盖各种API合规性要求考虑引入测试覆盖率分析。
3. **LLM依赖性**如何处理LLM服务不可用或响应缓慢的情况需要实现更强大的回退机制。
4. **安全性增强**当前的认证机制是否足够安全考虑加入更多安全措施如CSRF保护和API密钥轮换。
## 下一步计划
### 短期目标 (1-2周)
- 修复已知的bug和稳定性问题
- 完善用户文档和开发指南
- 优化Web界面的响应速度和用户体验
- 增加更多预定义的测试用例
### 中期目标 (1-2个月)
- 实现测试结果的历史记录和比较功能
- 添加API端点的搜索和过滤功能
- 改进LLM参数生成的质量和效率
- 支持更复杂的测试场景和数据依赖
### 长期目标 (3+个月)
- 开发更强大的测试报告分析工具
- 支持团队协作和测试结果共享
- 集成CI/CD流程实现自动化测试
- 开发更高级的测试用例编辑器,降低编写自定义测试用例的门槛