[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1871":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":8,"htmlUrl":8,"language":9,"languages":8,"totalLinesOfCode":8,"stars":10,"forks":11,"watchers":12,"openIssues":11,"contributorsCount":11,"subscribersCount":11,"size":11,"stars1d":11,"stars7d":11,"stars30d":11,"stars90d":11,"forks30d":11,"starsTrendScore":11,"compositeScore":13,"rankGlobal":8,"rankLanguage":8,"license":8,"archived":14,"fork":14,"defaultBranch":15,"hasWiki":16,"hasPages":14,"topics":17,"createdAt":8,"pushedAt":8,"updatedAt":18,"readmeContent":19,"aiSummary":20,"trendingCount":11,"starSnapshotCount":11,"syncStatus":21,"lastSyncTime":22,"discoverSource":23},1871,"BizTestBot","kreamyu\u002FBizTestBot","kreamyu",null,"Python",194,0,151,34,false,"main",true,[],"2026-06-12 04:00:11","# doc2sc\n\n从产品文档自动生成测试场景（User Story）的工具。输入产品功能文档（Markdown\u002FPDF），经过实体提取、功能点识别与合并、用户故事生成等流程，输出结构化的测试场景 JSON。\n\n## 环境配置\n\n### 前置要求\n\n- Python 3.12（使用 `uv` 管理，版本由 `.python-version` 锁定）\n- 推荐使用 [uv](https:\u002F\u002Fgithub.com\u002Fastral-sh\u002Fuv) 作为包管理工具\n\n### 1. 安装依赖\n\n```bash\n# 安装 uv（如果尚未安装）\ncurl -LsSf https:\u002F\u002Fastral.sh\u002Fuv\u002Finstall.sh | sh\n\n# 在项目目录下同步依赖\ncd doc2sc\nuv sync\n```\n\n### 2. 配置环境变量\n\n复制示例配置并填写你的 API Key：\n\n```bash\ncp \".env example\" .env\n```\n\n编辑 `.env` 文件：\n\n```env\n# LLM 配置（支持任何 OpenAI 兼容接口）\nLLM_BASE_URL=https:\u002F\u002Fdashscope.aliyuncs.com\u002Fcompatible-mode\u002Fv1\nLLM_API_KEY=sk-xxx                  # 替换为你的 API Key\nLLM_MODEL_NAME=qwen3-vl-plus        # 支持多模态的模型（用于处理图片）\nLLM_SEMAPHORE_NUM=8                  # 并发请求数，按需调整\nEMBEDDING_MODEL_NAME=text-embedding-v4\n```\n\n> 当前默认使用阿里云百炼（DashScope）的 Qwen 模型。如需使用其他 OpenAI 兼容服务，修改 `LLM_BASE_URL` 和 `LLM_MODEL_NAME` 即可。\n\n---\n\n## 启动方式\n\n### 启动 API 服务\n\n以 FastAPI 服务方式运行，对外提供 HTTP 接口：\n\n```bash\nuv run server.py\n```\n\n通过与 Autotask 联动进行测试场景的生成和执行，具体使用请参见用户手册。\n\n## 目录结构\n\n```\ndoc2sc\u002F\n├── documents\u002F          # 存放输入文档（每个应用一个子目录）\n│   └── \u003Capp_name>\u002F     # Markdown 或 PDF 文档放这里\n├── output\u002F             # 生成结果输出目录\n│   └── \u003Capp_name>\u002F\n│       └── enhanced_user_stories.json  # 生成的用户故事\u002F测试场景\n├── output_all\u002F         # 批量生成的汇总结果\n├── src\u002Fdoc2sc3\u002F        # 核心处理模块\n├── main.py             # 主流程入口\n├── server.py           # FastAPI 服务\n├── generate_all.py     # 批量生成脚本\n└── .env                # 环境变量配置\n```\n\n**主要接口：**\n\n| 方法 | 路径 | 说明 |\n|------|------|------|\n| POST | `\u002Fgenerate` | 基于本地文档目录生成（需提前放好文档） |\n| POST | `\u002Fgenerate_from_content` | 直接上传文档内容生成 |\n| GET  | `\u002Fstatus\u002F{task_id}` | 查询任务状态 |\n| GET  | `\u002Fhealth` | 健康检查 |\n\n## 处理流程概览\n\n1. **实体提取**：从文档中识别页面（Page）和资源（Resource）实体\n2. **功能点识别与合并**：提取功能点，进行聚类与去重合并\n3. **用户故事生成**：基于功能点生成结构化的测试场景（含初始状态、操作步骤、预期结果）\n4. **知识图谱验证**（可选）：构建知识图谱，通过 ReAct Agent 验证生成结果的准确性\n","doc2sc 是一个从产品文档自动生成测试场景（User Story）的工具。它通过实体提取、功能点识别与合并、用户故事生成等流程，将输入的产品功能文档（Markdown\u002FPDF）转换为结构化的测试场景 JSON 文件。项目使用 Python 3.12 开发，推荐使用 uv 作为包管理工具，并支持任何 OpenAI 兼容接口，默认采用阿里云百炼（DashScope）的 Qwen 模型进行处理。该工具适合于需要自动化生成测试用例的软件开发团队或质量保证部门，在新功能开发或版本迭代时快速构建测试场景，提高测试覆盖率和效率。",2,"2026-06-11 02:46:32","CREATED_QUERY"]