本文介绍如何利用DeepSeekHarness与llmwiki技能，从需求文档高效生成测试用例。通过工具安装、技能部署、项目初始化，结合智能体实现用例生成、完善与自动化流程。支持多智能体并行，可定制专属测试用例生成技能，提升覆盖率与规范性，适用于PDF、图片等多样文档格式，助力测试高效落地。

promptfoo是批量测试提示词与RAG效果的利器，支持自动跑测试、大模型打分、新旧对比。国内使用需注意：装Node.js 20.x LTS、切换npm为淘宝镜像、避免缓存干扰。推荐用两列CSV（question+expected）做A/B测试，搭配llm-rubric评分，但别用于数学题或固定答案场景。关键坑点：expected不能错、禁止输出代码块、对比时规则必须一致。全程自动化，提升效率，

解决JMeter读取CSV文件乱码/空值问题的实用指南 本文针对JMeter测试中常见的CSV文件读取问题（乱码/EOF错误），提供多套解决方案。核心建议通过创建无BOM的UTF-8格式CSV文件来预防问题，详细介绍了四种创建方法： Notepad++转码法（推荐） VSCode直接保存法 Excel转存+二次转码法 命令行生成法（Linux/Mac） 重点强调了UTF-8无BOM格式的重要性，并

为了解决重复打开浏览器的问题

pytest命令

fixture是 pytest 的核心功能，通过合理使用可以：✅ 减少重复代码✅ 提升测试可维护性✅ 优化测试执行效率。