介绍如何使用轻量级 Agent 框架 OpenClaw，结合 OpenAI LLM 实现自动化测试用例生成。通过定义 Skill 工具（TestCaseGenerateTool 和 ExcelWriteTool），用户只需输入需求描述，Agent 即可自动调用大模型生成结构化测试用例，并将其写入规范的 Excel 文件中。该方案代码简洁、无复杂工作流依赖，适合具备编程能力的测试工程师快速集成到自动化流程中。
OpenClaw 是轻量级 Agent 框架，核心聚焦：Skill 注册 → 工具选择 → 任务执行。
一句话定位：OpenClaw = 极简、轻量、只专注做工具调用的小 Agent 引擎
# 安装 OpenClaw 核心框架
pip install openclaw
# Excel 操作 + LLM 调用
pip install openpyxl openai requests
import os
# 替换成你的 OpenAI API Key
os.environ["OPENAI_API_KEY"]="你的 API Key"
import json
import openpyxl
from openpyxl.styles import Font, Alignment, PatternFill
from openclaw import Agent, Tool, Parameter
from openclaw.llms import OpenAILLM
# ===================== Skill 1：生成测试用例 =====================
class TestCaseGenerateTool(Tool):
name = "test_case_generator"
description = """软件测试专用工具：根据产品需求生成结构化测试用例，包含用例 ID、模块、用例标题、前置条件、操作步骤、预期结果、优先级
必须返回 JSON 数组格式的用例数据，每个用例是字典"""
parameters = [
Parameter(name="requirement", type="str", description="产品需求描述", required=True),
Parameter(name="module", type="str", description="测试模块名称", required=True),
Parameter(name="priority", type="str", description="用例优先级（高/中/低）", required=True)
]
def run(self, requirement: str, module: str, priority: str) -> str:
prompt = f"""作为资深软件测试工程师，根据以下需求生成{priority}优先级的{module}测试用例：
需求描述：{requirement}
要求：
1. 用例字段：用例 ID、模块、用例标题、前置条件、操作步骤、预期结果、优先级
2. 用例 ID 格式：模块缩写 + 序号（比如登录模块→DL001）
3. 覆盖所有功能点、边界条件、异常场景
4. 返回纯 JSON 数组，无多余文字"""
llm = OpenAILLM(model="gpt-3.5-turbo", temperature=0.3)
response = llm.chat.completions.create(
messages=[{"role":"user","content": prompt}],
model="gpt-3.5-turbo"
)
test_cases = json.loads(response.choices[0].message.content.strip())
for i, case in enumerate(test_cases, 1):
case["用例 ID"] = f"{module[:2].upper()}00{i}"
return json.dumps(test_cases, ensure_ascii=False)
# ===================== Skill 2：写入 Excel =====================
class ExcelWriteTool(Tool):
name = "excel_writer"
description = """软件测试专用工具：把 JSON 格式的测试用例列表写入 Excel，生成规范的测试用例文档
支持字段：用例 ID、模块、用例标题、前置条件、操作步骤、预期结果、优先级"""
parameters = [
Parameter(name="test_cases", type="str", description="JSON 格式的测试用例列表", required=True),
Parameter(name="file_path", type="str", description="Excel 保存路径", required=True)
]
def run(self, test_cases: str, file_path: str) -> str:
try:
cases = json.loads(test_cases)
wb = openpyxl.Workbook()
ws = wb.active
ws.title = "功能测试用例"
headers = ["用例 ID", "模块", "用例标题", "前置条件", "操作步骤", "预期结果", "优先级"]
for col, header in enumerate(headers, 1):
cell = ws.cell(row=1, column=col, value=header)
cell.font = Font(bold=True, color="FFFFFF")
cell.fill = PatternFill(start_color="4472C4", end_color="4472C4", fill_type="solid")
cell.alignment = Alignment(horizontal="center")
for row, case in enumerate(cases, 2):
for col, header in enumerate(headers, 1):
cell_value = case.get(header, "无")
ws.cell(row=row, column=col, value=cell_value)
ws.cell(row=row, column=col).alignment = Alignment(horizontal="center")
col_widths = [10, 15, 30, 20, 40, 30, 10]
for i, width in enumerate(col_widths, 1):
ws.column_dimensions[chr(64+i)].width = width
wb.save(file_path)
return f"成功！测试用例已写入 {file_path}，共 {len(cases)} 条用例"
except Exception as e:
return f"失败：{str(e)}"
# ===================== 初始化 Agent =====================
def init_openclaw_agent():
llm = OpenAILLM(model="gpt-3.5-turbo", temperature=0.3)
tools = [TestCaseGenerateTool(), ExcelWriteTool()]
agent = Agent(
llm=llm,
tools=tools,
system_prompt="""你是软件测试专属 Agent，负责：
1. 先调用 test_case_generator 生成测试用例
2. 再调用 excel_writer 把用例写入 Excel
3. 最终返回 Excel 生成结果""",
verbose=True
)
return agent
# ===================== 执行 =====================
if __name__ == "__main__":
agent = init_openclaw_agent()
user_task = """请生成登录模块的高优先级测试用例，需求：
用户登录功能支持手机号 + 验证码登录，手机号非 11 位提示「请输入正确手机号」，
验证码错误 3 次后账号锁定 10 分钟，登录成功跳转到首页。
生成后把用例写入 ./登录模块测试用例.xlsx"""
result = agent.run(user_task)
print("\n===== 最终结果 =====")
print(result)
Skill 定义核心:
Tool: 技能 / 函数name: 工具名description: Agent 判断什么时候调用该工具parameters: 告诉 AI 需要什么参数run(): 真正执行逻辑Agent 执行逻辑:
test_case_generator 参数提取成功 → 生成用例excel_writer控制台输出
===== 最终结果 =====
成功！测试用例已写入 ./登录模块测试用例.xlsx，共 5 条用例
Excel 文件内容
标准 7 列测试用例，美观规范，可直接提交评审，可直接导入测试平台
class DocumentParseTool(Tool):
name = "document_parser"
description = "解析 PDF/Word 格式的产品需求文档，提取核心需求文本"
parameters = [Parameter(name="file_path", type="str", description="文档路径", required=True)]
def run(self, file_path: str) -> str:
import PyPDF2
with open(file_path, "rb") as f:
reader = PyPDF2.PdfReader(f)
content = "\n".join([page.extract_text() for page in reader.pages])
return content
class TestLinkUploadTool(Tool):
name = "testlink_uploader"
description = "把测试用例导入 TestLink 测试管理平台"
parameters = [Parameter(name="test_cases", type="str", description="JSON 用例列表", required=True)]
def run(self, test_cases: str) -> str:
# 调用 TestLink API 实现导入
return "用例已成功导入 TestLink"
OpenClaw 核心流程：
优势：
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online