一、应用背景

在汽车、飞机、卫星等高端装备的研发中，控制系统测试是质量的基石。然而，传统人工编写测试用例的方式正面临巨大挑战：效率低下，拖慢项目进度；依赖个人经验，难以覆盖所有场景，为安全埋下隐患；一旦需求变更，维护成本更是惊人。这已成为制约创新与可靠性的核心瓶颈。

为突破上述瓶颈，我们构建了基于DeepSeek大模型的智能化测试平台，其核心价值在于：能够根据需求文档或用户输入，自动生成高质量的测试用例和ICD测试激励数据，并联动自动化测试工具，实现测试用例的自动执行与回归测试管理，形成了从ICD激励数据生成到测试执行的闭环。

该平台的整体工作流程如下图所示。

同时，系统借助自然语言处理和模式识别技术，对测试日志与执行结果进行自动分析与报告生成，大幅提升测试效率与准确性。

二、应用示例

 1、 案例背景

        整车控制器（VCU）作为车辆控制的“大脑”，与BMS、MCU、CAN/LIN等子系统信号交互复杂，对应成百上千页的需求文档。面对随之而来的海量测试用例，传统人工编写方式效率较低，维护笨重，变更困难，且高度依赖资深专家，核心经验难以沉淀和复用，人员流动将直接导致测试质量波动与项目风险。

         2、 构建企业知识库

         知识库管理系统(RAG)负责知识库的管理，负责导入资料和输入区的搜索和整理，最终高效率高质量给出结果。系统支持多个资料同时导入创建知识库，也支持增加、删除、改变当前知识库资料。

         系统支持无缝导入Word、Excel、Markdown等格式文档，统一管理分散资料，构建企业专属智慧大脑，为AI生成提供精准知识支持。

         3、 ICD测试激励数据构造

         1）ICD测试激励数据构造

         基于ICD接口协议（如Excel, Word, XML等格式的文档），通过辅助生成Agent 进行处理可自动生成标准化的、可被ICD Studio软件识别的 ICD协议文件。

       ICD激励数据构造

       2）. 联动ICD管理软件 RTSimPlus-ICD Studio

生成的ICD协议文件可自动导入ICD管理软件

软件功能

●支持1553B、ARINC429、RS232/422/485、CAN、Modbus-TCP等数据总线的管理；

●支持仿真模型关联ICD,实现协议自组包/解包功能；

●支持Excel或Word格式的协议文件的导入导出;

●协议版本、权限管理功能。

4、 自动生成测试用例

      基于上一阶段生成的标准化ICD协议文件，AI工具可一键完成全链路文档生产，如自动生成测试大纲、测试用例及测试脚本，测试脚本可自动导入自动测试管理软件RTSimPlus-TestBench。

1）测试大纲生成

       基于检索增强生成（Retrieval-Augmented Generation, RAG）架构，首先通过高级自然语言处理（NLP）引擎解析用户输入的需求，例如“生成列车停车过位的退行防护的测试大纲”。随后，系统动态检索知识库中的相关资料（如历史测试文档），构建语义向量索引以确保信息精准匹配。

       动态提示工程（Dynamic Prompt Engineering）实时优化AI提示词，生成符合行业标准的测试大纲，包括模块划分、优先级评估和风险分析。

最终，自动化格式引擎将结果输出为.xlsx表格格式，便于团队审阅和迭代。

       2）测试用例生成

       以测试大纲作为基础输入，结合用户通过自然语言描述的特殊要求（如“强调安全性测试，包括SQL注入场景”），运用多模态语义理解与生成架构进行处理,NLP组件首先提取关键意图和约束条件，随后RAG技术从知识库中检索匹配的测试模式和历史案例，形成增强型提示。

       动态提示工程优化AI生成逻辑，确保用例覆盖正向、负向和边界场景，并融入标准测试设计技术（如等价类划分和决策表）

       自动化格式引擎则标准化输出为.xlsx文件，包括用例ID、描述、输入数据和预期输出列。

       3）测试脚本生成

       基于上述测试用例，AI将智能转化为符合要求的测试脚本，直接用于后续自动化测试。

      4）测试执行

      测试脚本可与自动化测试工具RTSimPlus-TestBench联动，实现测试用例的自动执行与回归测试管理。同时，系统借助自然语言处理和模式识别技术，对测试日志与执行结果进行自动分析与报告生成，大幅提升测试效率与准确性。

自动测试软件 RTSimPlus-TestBench

软件功能

●支持用户权限管理、版本管理功能；

●支持台架设备管理功能，如仿真目标机、程控电源、故障注入设备等数据访问；
       ●支持需求管理功能、提供需求创建、编辑、维护界面；
       ●支持测试数据管理功能，支持测试变量与台架变量的解耦合，提高测试用例复用性，支持导入ICD或手动创建结构体变量，支持结构体变量按照ICD协议表格化解析、组包原始数据查看；
       ●支持测试用例管理功能，支持需求-用户关联关系维护、提供图形化拖拽式动作序列库、Python脚本、Excel表格等多种测试用例开发方式；

●支持测试序列管理功能，提供图形化拖拽、快速查找补全等形式创建测试序列；

●支持测试任务管理功能，支持流程图方式创建批量测试任务；

●支持测试报告查看、分析、导出功能，支持HTML、PDF、Word、Excel等多种格式测试报告，支持自定义报告模版；

三、应用亮点
       1、 精准可控的RAG知识库

●基于向量检索(FAISS)与自定义分段策略，精准检索行业知识。

●有效解决大模型“幻觉”问题，生成内容专业准确率。

●系统支持多个资料的同时导入创建知识库，也支持增加、删除、改变当前知识库资料。

●支持本地部署，保障客户数据安全与合规。

●盘活企业数据资产，打破信息孤岛和部门壁垒；

●实现跨系统、跨部门的知识统一管理与智能应用；

●智能化地挖掘数据价值，实现知识的高效检索、精准推送与智能应用。

      2、 完整的数据闭环处理能力

       根据复杂装备系统的需求文档构建定制化数据集，设计特定的推理逻辑，一键解析需求文档，智能生成结构化和符合行业标准的测试大纲和用例。

       AI是实现“输入-处理-输出与执行-分析”全链路自动化的核心引擎，取代了传统流程中大量重复、规则的脑力劳动。

●文档解析：根据目标文件类型进行相应处理切片并将文档进行向量化处理。

●RAG检索:算法搜索最相关的N条知识片段-大模型参考给答案。

●内容生成：不同功能的Agent设计不同的Prompt，并控制输入与输出的格式；

●文件生成：大模型确定生成框架，内容录入使用脚本自动进行；

●输出核验：将源文件和目标文件统一成一种格式，使用脚本进行参照对比并AI总结给出核验结果

●日志与监控：供开发调试使用，展示大模型思考过程、工具调用结果等。

 3、 打造“AI驱动”的测试新范式

本平台采用“人机协同、权责清晰”的混合智能策略。明确划分了AI与工程师的职责边界：AI作为高效的能力引擎，负责处理数据管理、海量用例生成及报告深度分析等重复性、计算性任务；而工程师则作为决策核心，专注于关键流程审批、安全认证与结果终审。该模式在保障最终决策可靠性的前提下，实现了全流程效率的极致提升。