319 lines
11 KiB
Python
319 lines
11 KiB
Python
"""
|
||
app/agents.py - 多Agent系统：PM Agent -> QA Agent -> Dev Agent 的工作流
|
||
"""
|
||
|
||
import logging
|
||
from app.config import get_settings
|
||
import json
|
||
from openai import OpenAI
|
||
|
||
from app.message import send_requirement_result, send_test_cases, send_message_to_feishu, send_generate_code, send_workflow_start
|
||
from app.models import RequirementAnalysis, TestCaseResult, CodeGenerationResult
|
||
|
||
# 初始化日志
|
||
logging.basicConfig(level=logging.INFO)
|
||
logger = logging.getLogger(__name__)
|
||
|
||
|
||
class PMAgent:
|
||
"""产品经理Agent - 完善和扩展需求"""
|
||
|
||
def __init__(self):
|
||
self.settings = get_settings()
|
||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||
|
||
def analyze_requirement(self, simple_requirement: str) -> RequirementAnalysis:
|
||
"""
|
||
分析和完善简单的需求描述
|
||
|
||
Args:
|
||
simple_requirement: 用户提供的简单需求描述
|
||
|
||
Returns:
|
||
RequirementAnalysis: 包含完善后的需求信息
|
||
"""
|
||
|
||
prompt = f"""你是一个资深的产品经理。请根据以下简单的需求描述，进行深入分析和完善。
|
||
|
||
需求描述：{simple_requirement}
|
||
|
||
请按以下格式返回JSON结果（必须是有效的JSON格式）：
|
||
{{
|
||
"functional_requirements": ["功能需求1", "功能需求2", ...],
|
||
"non_functional_requirements": ["非功能需求1", "非功能需求2", ...],
|
||
"acceptance_criteria": ["验收标准1", "验收标准2", ...],
|
||
"edge_cases": ["边缘情况1", "边缘情况2", ...],
|
||
"summary": "需求总结说明"
|
||
}}
|
||
|
||
要求：
|
||
1. 识别至少3个功能需求
|
||
2. 识别至少2个非功能需求（性能、安全、可维护性等）
|
||
3. 为每个功能列出至少2个严格的验收标准
|
||
4. 识别至少3个潜在的边缘情况
|
||
5. 提供清晰的需求总结
|
||
|
||
返回ONLY JSON内容，不要有其他文字。"""
|
||
|
||
response = self.client.chat.completions.create(
|
||
model=self.settings.model,
|
||
messages=[
|
||
{"role": "system", "content": "你是一个资深的产品经理，擅长需求分析和拆解，输出必须是严格的 JSON 格式。"},
|
||
{"role": "user", "content": prompt}
|
||
],
|
||
temperature=0.2,
|
||
max_tokens=2000,
|
||
response_format={"type": "json_object"}
|
||
)
|
||
|
||
# 提取响应内容
|
||
content = response.choices[0].message.content
|
||
|
||
# 解析JSON
|
||
try:
|
||
result = json.loads(content)
|
||
return RequirementAnalysis(**result)
|
||
except json.JSONDecodeError:
|
||
# 如果JSON解析失败，尝试提取JSON部分
|
||
import re
|
||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||
if json_match:
|
||
result = json.loads(json_match.group())
|
||
return RequirementAnalysis(**result)
|
||
raise ValueError(f"无法解析Agent响应: {content}")
|
||
|
||
|
||
class QAAgent:
|
||
"""质量保证Agent - 生成测试用例"""
|
||
|
||
def __init__(self):
|
||
self.settings = get_settings()
|
||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||
|
||
def generate_test_cases(self, requirement_analysis: RequirementAnalysis) -> TestCaseResult:
|
||
"""
|
||
基于需求分析生成测试用例
|
||
|
||
Args:
|
||
requirement_analysis: PM Agent的分析结果
|
||
|
||
Returns:
|
||
TestCaseResult: 包含测试用例的结果
|
||
"""
|
||
|
||
# 构建需求信息
|
||
requirement_text = f"""
|
||
功能需求：
|
||
{chr(10).join(f"- {req}" for req in requirement_analysis["functional_requirements"])}
|
||
|
||
非功能需求：
|
||
{chr(10).join(f"- {req}" for req in requirement_analysis["non_functional_requirements"])}
|
||
|
||
验收标准：
|
||
{chr(10).join(f"- {ac}" for ac in requirement_analysis["acceptance_criteria"])}
|
||
|
||
边缘情况：
|
||
{chr(10).join(f"- {ec}" for ec in requirement_analysis["edge_cases"])}
|
||
|
||
需求总结：
|
||
{requirement_analysis["summary"]}
|
||
"""
|
||
|
||
prompt = f"""你是一个资深的Java QA工程师。根据以下需求信息，生成全面的Java测试用例和测试策略。所有测试用例必须基于Java语言，步骤和预期结果要符合Java的类型系统、异常机制和JUnit测试框架。
|
||
|
||
{requirement_text}
|
||
|
||
请返回JSON格式的结果（必须是有效的JSON格式）：
|
||
{{
|
||
"test_cases": [
|
||
{{
|
||
"test_id": "TC001",
|
||
"test_name": "测试用例名称",
|
||
"precondition": "前置条件",
|
||
"steps": ["步骤1", "步骤2", ...],
|
||
"expected_result": "预期结果",
|
||
"test_type": "必须从以下值中选择一个：功能测试、性能测试、安全测试"
|
||
}},
|
||
...
|
||
],
|
||
"test_strategy": "测试策略说明",
|
||
"coverage_plan": "测试覆盖计划"
|
||
}}
|
||
|
||
要求：
|
||
1. 为每个功能需求生成至少2个测试用例
|
||
2. 为每个边缘情况生成1个测试用例
|
||
3. 生成至少1个性能测试用例
|
||
4. 生成至少1个安全测试用例
|
||
5. 测试用例要包含明确的步骤和预期结果，步骤和预期结果必须符合Java语言特性（不要出现Python或其他语言的描述）
|
||
6. 步骤和预期结果必须用自然语言描述，不得包含任何代码片段或代码块，不要出现 ```、assert、assertEquals 等代码语法
|
||
7. 测试策略不要出现JUnit或者Java这种字眼，应该是针对需求的测试方法论和思路描述，覆盖计划要说明如何确保测试覆盖所有功能和边界情况
|
||
|
||
返回ONLY JSON内容，不要有其他文字。"""
|
||
|
||
response = self.client.chat.completions.create(
|
||
model=self.settings.model,
|
||
messages=[
|
||
{"role": "system", "content": "你是一个资深的 Java QA 工程师，擅长为 Java 应用程序设计测试用例，所有测试步骤和预期结果必须基于 Java 语言特性（如 JUnit、强类型系统、异常机制等），输出必须是严格的 JSON 格式。"},
|
||
{"role": "user", "content": prompt}
|
||
],
|
||
temperature=0.2,
|
||
max_tokens=3000,
|
||
response_format={"type": "json_object"}
|
||
)
|
||
|
||
content = response.choices[0].message.content
|
||
|
||
try:
|
||
result = json.loads(content)
|
||
return TestCaseResult(**result)
|
||
except json.JSONDecodeError:
|
||
import re
|
||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||
if json_match:
|
||
result = json.loads(json_match.group())
|
||
return TestCaseResult(**result)
|
||
raise ValueError(f"无法解析QA Agent响应: {content}")
|
||
|
||
|
||
class DevAgent:
|
||
"""开发Agent - 生成Java代码和单元测试"""
|
||
|
||
def __init__(self):
|
||
self.settings = get_settings()
|
||
self.client = OpenAI(api_key=self.settings.api_key, base_url=self.settings.base_url)
|
||
|
||
def generate_code(
|
||
self,
|
||
requirement_analysis: RequirementAnalysis,
|
||
test_cases: TestCaseResult
|
||
) -> CodeGenerationResult:
|
||
"""
|
||
生成Java实现代码和单元测试代码
|
||
|
||
Args:
|
||
requirement_analysis: PM Agent的分析结果
|
||
test_cases: QA Agent的测试用例
|
||
|
||
Returns:
|
||
CodeGenerationResult: 包含Java代码和单元测试代码
|
||
"""
|
||
|
||
# 构建上下文
|
||
requirement_text = f"""
|
||
功能需求：
|
||
{chr(10).join(f"- {req}" for req in requirement_analysis["functional_requirements"])}
|
||
|
||
非功能需求：
|
||
{chr(10).join(f"- {req}" for req in requirement_analysis["non_functional_requirements"])}
|
||
|
||
验收标准：
|
||
{chr(10).join(f"- {ac}" for ac in requirement_analysis["acceptance_criteria"])}
|
||
|
||
需求总结：
|
||
{requirement_analysis["summary"]}
|
||
"""
|
||
|
||
test_cases_text = chr(10).join(
|
||
f"- [{c['test_id']}] {c['test_name']}（类型：{c.get('test_type', '未分类')}）｜预期结果：{c['expected_result']}"
|
||
for c in test_cases["test_cases"]
|
||
)
|
||
test_summary = f"""
|
||
测试用例数量: {len(test_cases["test_cases"])}
|
||
测试策略: {test_cases["test_strategy"]}
|
||
覆盖计划: {test_cases["coverage_plan"]}
|
||
|
||
关键测试用例列表：
|
||
{test_cases_text}
|
||
"""
|
||
|
||
prompt = f"""你是一个资深的Java开发工程师。根据以下需求和测试用例，生成高质量的Java实现代码和单元测试代码。
|
||
|
||
{requirement_text}
|
||
|
||
{test_summary}
|
||
|
||
请返回JSON格式的结果（必须是有效的JSON格式）：
|
||
{{
|
||
"java_code": "完整的Java实现代码（包含主类和必要的辅助类）",
|
||
"unit_tests": "使用JUnit的单元测试代码",
|
||
"implementation_notes": "实现说明和注意事项",
|
||
"unit_tests_count": "生成的单元测试总数量（整数）",
|
||
"passed_tests_count": "基于代码逻辑分析，预期可通过的单元测试数量（整数）"
|
||
}}
|
||
|
||
Java代码要求：
|
||
1. 遵循Java编码规范和最佳实践
|
||
2. 包含详细的代码注释，所有多行注释必须以 /* 开头、以 */ 结尾，Javadoc注释以 /** 开头、以 */ 结尾，绝对不能用单独的 / 作为注释结尾
|
||
3. 包含异常处理
|
||
4. 支持所有的功能需求
|
||
5. 考虑非功能需求（性能、安全等）
|
||
|
||
单元测试要求：
|
||
1. 使用JUnit 4 或 JUnit 5
|
||
2. 为每个公共方法生成测试
|
||
3. 包含正常情况、边缘情况和异常情况的测试
|
||
4. 使用有意义的测试方法名称
|
||
5. 测试代码要清晰易读
|
||
|
||
返回ONLY JSON内容，不要有其他文字。"""
|
||
|
||
response = self.client.chat.completions.create(
|
||
model=self.settings.model,
|
||
messages=[
|
||
{"role": "system", "content": "你是一个资深的 Java 开发工程师，擅长编写高质量代码和单元测试，输出必须是严格的 JSON 格式。"},
|
||
{"role": "user", "content": prompt}
|
||
],
|
||
temperature=0.2,
|
||
max_tokens=8192,
|
||
response_format={"type": "json_object"}
|
||
)
|
||
|
||
content = response.choices[0].message.content
|
||
|
||
|
||
try:
|
||
result = json.loads(content)
|
||
return CodeGenerationResult(**result)
|
||
except json.JSONDecodeError:
|
||
import re
|
||
json_match = re.search(r'\{.*\}', content, re.DOTALL)
|
||
if json_match:
|
||
result = json.loads(json_match.group())
|
||
return CodeGenerationResult(**result)
|
||
raise ValueError(f"无法解析Dev Agent响应: {content}")
|
||
|
||
|
||
async def orchestrate_agents(simple_requirement: str) -> dict:
|
||
"""
|
||
编排三个Agent的工作流程
|
||
|
||
Args:
|
||
simple_requirement: 用户的简单需求描述
|
||
|
||
Returns:
|
||
包含所有Agent结果的完整字典
|
||
"""
|
||
|
||
send_workflow_start(simple_requirement)
|
||
# Step 1: PM Agent 分析需求
|
||
pm_agent = PMAgent()
|
||
requirement_analysis = pm_agent.analyze_requirement(simple_requirement)
|
||
send_requirement_result(requirement_analysis)
|
||
|
||
# Step 2: QA Agent 生成测试用例
|
||
qa_agent = QAAgent()
|
||
test_cases = qa_agent.generate_test_cases(requirement_analysis)
|
||
send_test_cases(test_cases)
|
||
|
||
# Step 3: Dev Agent 生成代码
|
||
dev_agent = DevAgent()
|
||
code_generation = dev_agent.generate_code(requirement_analysis, test_cases)
|
||
send_generate_code(code_generation)
|
||
return {
|
||
"requirement_analysis": requirement_analysis,
|
||
"test_cases": test_cases,
|
||
"code_generation": code_generation
|
||
}
|
||
|