基于大模型的文档自动化测试用户提交文件进行文档测试

[# doc-llm-autotest 基于大模型的文档自动化测试平台:：用户提交文件进行文档测试

合集 - 文档自动化测试平台(1)

1.doc-llm-autotest 基于大模型的文档自动化测试平台:：用户提交文件进行文档测试12-08

收起

一、技术选型与功能设计

使用minio服务，进行文件的中转与存储。用户提交文件到doc-llm-controller，控制面将文件转存到minio中，关联此次任务id。然后doc-llm-worker轮询redis发现有需要执行的任务，拿到id后，根据id从minio拿取文件，然后将文件解析成结构化信息，再提交到大模型，进行文档测试。

那么此部分功能流程图大致如下：

相对应的，在整体业务流程中补充文件存取步骤，最后如下：

二、minio配置与使用

minio安装部署：我们使用docker镜像来部署minio服务，暴露9000端口提供给我们自己服务使用：

bash 复制代码

docker run -d --name doc-llm-minio -p 9000:9000 -p 9001:9001 --restart=always -e MINIO_ROOT_USER=root -e MINIO_ROOT_PASSWORD=password -v /home/workspace/minio:/data minio/minio:latest server /data --console-address ":9001"

通过python来调用minio服务：

arduino 复制代码

# minio下载
pip install minio

python 复制代码

from minio import Minio
from minio.error import S3Error
import io

# 配置minio
client = Minio(
    "localhost:9000",
    access_key="root",
    secret_key="xiao1234",
    secure=False,
)

bucket_name = "doc-llm-bucket"
try:
    if not client.bucket_exists(bucket_name):
        client.make_bucket(bucket_name)
    else:
        print(f"Bucket '{bucket_name}' already exists.")
except S3Error as e:
    print(f"Error occurred: {e}")

# 通过python上传文件到minio
def upload_file(local_file_path, object_name):
    try:
        client.fput_object(bucket_name, object_name, local_file_path)
        print(f"'{local_file_path}' is successfully uploaded as '{object_name}' to bucket '{bucket_name}'.")
    except S3Error as e:
        print(f"Error occurred while uploading: {e}")


# 文件下载
def download_file(object_name, local_file_path):
    try:
        client.fget_object(bucket_name, object_name, local_file_path)
        print(f"'{object_name}' is successfully downloaded to '{local_file_path}'.")
    except S3Error as e:
        print(f"Error occurred while downloading: {e}")


# 列出所有文件
def list_files():
    try:
        objects = client.list_objects(bucket_name)
        print(f"Objects in bucket '{bucket_name}':")
        for obj in objects:
            print(f"- {obj.object_name} (size: {obj.size} bytes)")
    except S3Error as e:
        print(f"Error occurred while listing objects: {e}")


# 删除指定文件
def delete_file(object_name):
    try:
        client.remove_object(bucket_name, object_name)
        print(f"'{object_name}' is successfully deleted from bucket '{bucket_name}'.")
    except S3Error as e:
        print(f"Error occurred while deleting: {e}")

测试效果如下：

三、控制面doc-llm-controller服务适配

总体思路：

接口层接收到带文件的创建任务请求，先新增一条任务数据到mysql，其中doc字段为__PENDING_FILE__。然后拿到任务id后，调用推送文件服务将文件关联任务id一起推送到minio，结束后更新任务信息doc字段为：f"minio://{MINIO_BUCKET}/{object_name}"。

至此控制面业务结束。

services层：

新增file_service.py，提供minio服务的调用

python 复制代码

# 代码样例
def _ensure_bucket():
    """确保 bucket 存在"""
    if not _minio_client.bucket_exists(MINIO_BUCKET):
        _minio_client.make_bucket(MINIO_BUCKET)


def save_task_file(task_id: int, file_obj: FileStorage) -> str:
    """
    把用户上传的文件存到 MinIO，文件名格式：{task_id}_{orig_filename}
    返回存入数据库的 doc 字段值，例如：minio://doc-llm-bucket/123_xxx.docx
    ...
   doc_path = f"minio://{MINIO_BUCKET}/{object_name}"
    return doc_path

python 复制代码

# doc_check_service
def update_task_doc(task_id: int, doc: str) -> None:
    """更新任务的 doc 字段"""
    task = task_service.get_task_by_id(task_id)
    if not task:
        raise TaskNotFoundError(f"任务 {task_id} 不存在")
    
    task_service.update_task_doc(task_id, doc)


# task_service
def update_task_doc(task_id: int, doc: str) -> None:
    """更新任务的 doc 字段"""
    with get_session() as session:
        task = session.scalar(
            select(TaskDocLLM).where(TaskDocLLM.task_id == task_id)
        )
        if not task:
            raise ValueError(f"任务 {task_id} 不存在")
        task.doc = doc

更新接口函数，兼容传文本信息、文本文件两种方式：

ini 复制代码

@bp.route("/tasks/", methods=["POST"])
def create_doc_task():
    # 判断是不是文件上传
    if request.content_type and "multipart/form-data" in request.content_type:
        return _create_task_with_file()

    # 默认走老的 JSON 逻辑
    return _create_task_with_json()


def _create_task_with_json():
    ...
    task_id = doc_check_service.submit_doc_task(task_name, doc, product, feature)
    ...

def _create_task_with_file():
    ....
    try:
        # 1. 先写一条任务，doc 用占位符，保证非空
        placeholder_doc = "__PENDING_FILE__"
        task_id = doc_check_service.submit_doc_task(
            task_name=task_name,
            doc=placeholder_doc,
            product=product,
            feature=feature,
        )
        doc_path = file_service.save_task_file(task_id, file_obj)

        # 3. 回写 doc 字段
        doc_check_service.update_task_doc(task_id, doc_path)
    ...

用postman测试下接口效果，大致是OK的：

接口请求：

flask这边日志、数据库、minio表现都OK，数据一致性有保障：

四、数据面doc-llm-worker服务适配

当前数据流的流转：从时间先后顺序，最先会写入task到mysql，此时doc字段是pending字样，然后写入task_id到redis，再就是把文件传给minio，最后更新mysql.doc为minio的文件路径。

doc-llm-worker初始逻辑是：读redis队列找到需要执行的任务，读mysql拿到doc文本信息，调用大模型进行测试。因此数据面doc-llm-worker要做一些适配：

1.新增文件任务的下载

从minio下载文件，在file_service层补充函数：

python 复制代码

def download_file(bucket: str, object_name: str) -> bytes:
    """
    从 MinIO 下载文件并返回 bytes 内容。

    调用方式：
        content = download_file("doc-llm-bucket", "15_readme.txt")
        text = content.decode("utf-8")
    """
    try:
        response = _minio_client.get_object(bucket, object_name)
        data = response.read()
        return data
    except S3Error as e:
        raise RuntimeError(f"Download from minio failed: {e}") from e

2.将文件解析

其中如果doc是纯文本的话走老逻辑；是minio格式的话，走文件下载，然后解析成文本；是pending的话，等待知道文件上传ok

新增doc_loader.py

python 复制代码

# app/worker/doc_loader.py
import logging
from typing import Tuple

from app.services import file_service

PENDING_MARK = "__PENDING_FILE__"

def _is_minio_path(doc: str) -> bool:
    """
    判断 doc 是否为 MinIO 路径：
      - /bucket/object_name
      - minio://bucket/object_name
    """
    ...


def _parse_minio_path(doc: str) -> Tuple[str, str]:
    """解析 doc 字段为 (bucket, object_name)"""
    ...


def load_doc_for_task(task) -> str:
    """
    根据任务对象，返回真正要给 LLM 的 doc 文本（str）
    1. doc == "__PENDING_FILE__"        -> 抛 DocPendingError
    2. doc 是 MinIO 路径 (/bucket/obj)  -> 从 MinIO 下载并 decode
    3. 其他                             -> 当作普通文本直接返回
    """
    doc = (task.doc or "").strip()
    if not doc:
        raise DocPathError(f"task {task.id} doc is empty")
    
    if doc == PENDING_MARK:
        raise DocPendingError(f"task {task.id} doc is still pending file upload")
    
    if _is_minio_path(doc):
        bucket, object_name = _parse_minio_path(doc)
        logging.info(
            f"task {task.id} doc is minio path, bucket={bucket}, object={object_name}"
        )
        content_bytes = file_service.download_file(bucket, object_name)
        return content_bytes.decode("utf-8", errors="replace")
    
    return doc

3.worker的处理

读redis队列，根据任务id找到这条task，但当文件任务doc字段还是"PENDING_FILE"时，做阻塞等待，直到doc字段更新为"minio://{bucket}/{object_name}"，从minio下载文件再处理，适配doc_llm_test_worker

新增阻塞等待函数

python 复制代码

def wait_for_doc_ready(task_id: int):
    """
    当 doc == "__PENDING_FILE__" 时，等待 doc 字段被控制面更新。
    超过最大重试次数仍未更新则抛出异常。
    """
    PENDING_RETRY_INTERVAL = 2
    PENDING_RETRY_MAX = 5

    for i in range(PENDING_RETRY_MAX):
        time.sleep(PENDING_RETRY_INTERVAL)
        task = task_service.get_task_by_id(task_id)
        if not task:
            raise RuntimeError(f"task {task_id} disappeared during pending wait")
        
        doc = (task.doc or "").strip()
        if doc != doc_loader.PENDING_MARK:
            logging.info(f"task {task_id} doc is ready after {i+1} retries: {doc}")
            return task
        logging.info(f"task {task_id} doc still pending (retry {i+1}/{PENDING_RETRY_MAX})")

    raise RuntimeError(f"task {task_id} doc still pending after max retries")

适配文档处理函数process_task

python 复制代码

def process_task(task_id: int):
    """处理文档检查任务"""
    logging.info(f"start process task {task_id}")
    ...
    try:
        try:
            doc_text = doc_loader.load_doc_for_task(task)
        except doc_loader.DocPendingError as e:
            logging.info(f"task {task_id} doc pending, waiting...")
            try:
                task = wait_for_doc_ready(task_id)
                doc_text = doc_loader.load_doc_for_task(task)
            except Exception as e2:
                logging.error(f"task {task_id} pending wait failed: {e2}")
                task_service.mark_task_failed(task_id, str(e2))
                return
        except doc_loader.DocPathError as e:
            logging.error(f"task {task_id} invalid doc path: {e}")
            task_service.mark_task_failed(task_id, str(e))
            return

测试效果：

数据库数据

&x-orig-expires=1765277283&x-orig-sign=Whtv5x93h9vggTE%2FW5awUqo5oyg%3D)

worker处理日志：

最终效果：

五、前端界面适配接口

补充文本上传的操作方式，适配

旧的文本输入方式：

新支持的文件输入方式