推荐语

掌握知识管理与测试用例生成的高效工具，提升个人与团队工作效率。

核心内容：
1. 个人知识库搭建与资料管理痛点分析
2. Deepseek与Cherry-Studio结合的预期目标与优势
3. 实现高效知识管理和测试用例生成的详细方案

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

一、痛点

1.1 知识管理视角

我们在工作和生活中，积累了大量的文档、代码、笔记。
如果没有一个统一的存储和检索系统，这些资料容易变得杂乱无章，查找起来费时费力。

1.2 测试工程师视角

TO B企业，如进一步分析测试人员用例编写的工作，不难发现存在两种场景：

1. 同质化项目用例生成
2. 定制化项目用例生成

通过 Deepseek + Python 我们工程化优化了定制化项目用例生成的相关人工操作过程（需求提炼、API调用、Prompt、文档导出）Deepseek API工程调用，提效测试用例生成。

那对于同质化项目用例生成，如何利用历史测试用例、历史需求文档，推荐或自动生成相关测试用例呢？

二、预期实现目标

通过结合Deepseek + Cherry-Studio，预期实现以下目标：

知识管理视角：

1. 搭建自己的个人知识库，实现本地上传文档，量化知识库，通过智能助手快速回复。

2. 集中管理：将所有资料统一存储，避免散落各处。

3. 快速检索：通过智能搜索，快速定位你需要的信息。

4. 高效学习：通过结构化存储，提升学习和工作效率。

测试工程师视角：

1. 智能生成测试用例：基于当前需求文档和历史测试用例、历史需求文档，推荐或自动生成相关测试场景；
2. 提高测试覆盖率：利用Deepseek的内置知识储备、语义搜索，避免遗边界条件、异常测试、质量特性覆盖等用例；
3. 减少重复劳动：复用已有用例并结合需求文档生成新的测试用例；
4. 降低维护成本：构建测试用例库，支持高效查询复用；

三、方案实现

3.1 Deepseek + Cherry-Studio 提效解决方案

• 模型选择：少走三十年弯路，选择当下最热门，效率最高的Deepseek模型（有满血版R1 免费API和本地部署版本可选）
• 向量知识库：选择Cherry-Studio ，相对AnythingLLM，搭建更为便捷

Deepseek提供强大的语义搜索和知识推荐能力，结合 Cherry-Studio 本地向量化知识库， 实现以下功能：

1. 内部需求、测试用例资产向量化
2. 提供需求提炼内容，生成基础用例
3. 基于向量知识库，复用已有用例，补充新用例

3.2 数据准备

准备内部的需求、测试用例资产

3.3 Deepseek + Cherry-Studio 本地向量知识库搭建

3.3.1 下载安装 Cherry-Studio （最新版）

• https://cherry-ai.com/download.html
• 选择安装目录安装即可。
  

3.3.2 注册硅基流动账号（薅免费满血Deepseek R1 API）

DeepSeek本地化部署，笔者自己电脑 运行14b 大模型很卡，建议直接薅免费，新用户注册即送2000万Tokens。

服务注册

SiliconFlow, Accelerate AGI to Benefit Humanity【硅基流动】：https://siliconflow.cn/zh-cn/

生成密钥

3.3.3 配置硅基流动API 密钥 和 deepseek-ai/DeepSeek-R1 模型

3.3.4 增加嵌入模型

嵌入模型是把文字变成数字向量的模型。这是生成知识库的内核

例子：比如“苹果”这个词，嵌入模型会把它变成一个数字向量，比如 [0.1, 0.2, 0.3]。如果“苹果”和“水果”语义相近，它们的向量也会很接近，比如 [0.1, 0.2, 0.3] 和 [0.12, 0.21, 0.31]。这样，计算机就可以通过向量来理解它们的关系。

硅基流动查找模型

Cherry-Studio 添加模型

注：笔者当前使用免费的BAAI/bge-m3测试使用

3.3.5 新建知识库

3.3.6 组织资产向量化

3.3.7 添加助手并配置对应模型和预置Prompt

四、效果展示