NL2Test 将真实流量与确定性护栏结合生成回归测试

微服务系统的企业回归测试常受文档不完整或过时的限制。质量工程师经常利用真实执行流量重建业务场景，但将原始流量转为可回放、具有稳定验证逻辑的回归测试，仍耗费大量人工且容易出错。本文介绍NL2Test：根据自然语言场景描述及执行该场景时采集的流量，生成可执行API回归测试的端到端方法与工具。它处理相互关联的两项任务：测试用例切分，抽取最小可回放请求序列、重建数据依赖，使动态值从响应绑定而非硬编码；断言生成，使断言符合业务意图，同时避开非确定性字段和幻觉路径。NL2Test使用大语言模型进行语义解释及受约束代码合成，并用确定性算法过滤请求、通过值一致性确认依赖、校验断言路径。在一家大型消费互联网公司的51个工业回归场景中，精确匹配率为82.4%（42/51）；允许少量后续编辑时，可用草稿覆盖98.0%（50/51）的场景。自2025年3月开始的九个月生产部署中，生成了3,196条测试用例，整体代码采纳率85.4%。结果表明，依据真实流量生成、结合确定性护栏，可降低人工投入，改善复杂微服务系统的回归自动化。