敏捷迭代中，用例库越来越臃肿？相似用例重复执行？ 一个基于语义分析的小工具，帮你自动识别重复用例。

一个真实的痛点

在敏捷迭代中，每个版本都会新增大量测试用例。 时间一长，用例库就变成了这样：

• 同一个功能，有多条描述不同但测点完全相同的用例
• 回归测试时，花大量时间执行重复的用例
• 定期整理用例库，每次要花半天甚至一天人工去重

我以前的做法是：每两个月手动整理一次，一条条看，一条条比对。 眼睛看花，效率极低，还容易漏。

能不能让AI自动帮我找出重复的用例？

解决方案：一个AI去重小工具

我花了两天时间，基于 Embedding + sentence-transformers 做了一个Web工具。 界面长这样：

批量去重模式 + 相似度阈值调节

核心能力：

• 自动计算两条用例的语义相似度（不是字面匹配）
• 支持批量去重：一次处理整个用例库
• 支持新用例查重：写新用例前先查一下，避免重复添加

核心功能详解

批量去重模式

场景: 定期优化用例库，清理历史积累的重复用例。

操作：

1. 设置相似度阈值（推荐0.85）
2. 上传用例库（JSON或CSV格式）
3. 一键去重

输出：

• 原始用例数量
• 保留的用例（去重后）
• 移除的重复用例列表，附带相似度分数

示例：

输入两条用例：

{"id": "TC001","content": "验证用户使用正确的用户名和密码能够成功登录系统"},{"id": "TC002","content": "测试用户输入正确的账号密码后可以正常登录"}

工具计算出的相似度：92.5% → 判定为重复，建议保留其中一条。

新用例查重模式

场景：编写新用例时，检查是否与现有用例库重复。

操作：

1. 输入新用例（JSON格式）
2. 输入现有用例库
3. 点击查重

输出：

• 是否发现重复
• 最高相似度百分比
• 所有相似用例的详情

这样，新同学在写用例时就能实时避免重复，从源头控制用例库质量。

技术原理（通俗版）

这个工具的核心是 Embedding（嵌入向量）。

简单说：把每一条测试用例的文字，转换成一串数字（向量）。 语义越相似的用例，它们的向量在空间里离得越近。

然后，工具计算两条用例向量的余弦相似度，得到一个0-1之间的分数。 分数越高，表示越相似。

你可以在界面上调节相似度阈值：

· 0.85：推荐值，能识别出大部分语义重复的用例 · 0.90以上：非常严格，几乎完全相同才会被标记 · 0.80以下：较宽松，会找出更多“可能相关”的用例

底层使用的是开源模型 paraphrase-multilingual-MiniLM-L12-v2，完美支持中英文，而且可以本地运行，不用联网。

如何使用这个工具？

环境要求

• Python 3.8+
• 首次运行会自动下载模型（约500MB）

快速启动（Windows）

# 1. 下载代码（已上传GitHub，链接见文末）# 2. 双击 start.bat# 3. 浏览器打开 http://localhost:8000

手动启动

pip install -r requirements.txtpython main.py

用例格式（JSON示例）

[  {"id": "TC001","title": "登录功能测试","content": "验证用户使用正确的用户名和密码能够成功登录系统"  },  {"id": "TC002","title": "用户登录验证","content": "测试用户输入正确的账号密码后可以正常登录"  }]

content字段必填，id和title可选。content实际上就是我们用例的测试步骤，这里我当时忘记改了

实际效果

我用自己以前项目的500条用例做了测试：

• 原本人工整理需要3小时
• 工具处理耗时不到1分钟
• 识别出37组重复/高度相似用例，其中12组是我之前人工漏掉的

效率提升肉眼可见。

未来我还想加的功能

• 支持Excel/CSV文件直接导入导出
• 接入数据库，实现用例库的增量去重
• 支持更多相似度算法（如BM25 + 向量混合检索）
• 一键生成去重报告（PDF/Word）

写在最后

这个工具我已经开源在GitHub上

如果你也是测试同行，正被用例库膨胀困扰，欢迎下载使用。 如果你觉得有用，也欢迎点个⭐Star，或者转发给需要的朋友。 关注我，一起用AI重新武装测试人的技能树。当然也欢迎大家加我，一起交流学习。