Generate Test Cases

AI를 활용하여 스펙 문서로부터 테스트 케이스를 자동 생성합니다.

When to Use This Skill

이 스킬은 다음과 같은 상황에서 사용하세요:

• 사용자가 스펙 문서나 요구사항 문서로부터 테스트 케이스를 생성하고 싶을 때
• 기획서, PRD, 기능 명세서를 기반으로 구조화된 테스트 시나리오가 필요할 때
• 수동으로 케이스를 작성하는 시간을 절약하고 AI의 도움을 받고 싶을 때
• 기존 테스트 케이스의 커버리지를 확장하고 싶을 때

Prompt Files Architecture

QuickRail은 모듈형 프롬프트 시스템을 사용합니다. 각 파일은 명확한 역할을 가집니다:

📁 prompt_files/case_gen/

prompt_files/case_gen/
├── common_core.md         (필수) 모든 모드 적용 - 절대 규칙
├── common_booster.md      (권장) Balanced/Quality 모드 - 품질 강화
├── spec_digest.md         (선택) Quality 모드 - 스펙 분석
├── rewrite.md             (선택) Quality 모드 - 케이스 개선
├── validate.md            (선택) Quality 모드 - 최종 검증
├── profile_web_app.md     (선택) 웹 앱 특화
├── profile_api.md         (선택) API 테스트 특화
├── profile_mobile.md      (선택) 모바일 앱 특화
└── category_security.md   (선택) 보안 테스트 특화

1. common_core.md (필수, 모든 모드)

용도: 절대 규칙, 출력 형식, 품질 기준
수정 빈도: 분기 1회 이하
핵심 내용:

• 1 케이스 = 1 기대결과 규칙
• Steps/Expected/Priority 작성법
• JSON 출력 형식
• 테스트 설계 기법 (동등분할, 경계값, 상태전이)

2. common_booster.md (Balanced/Quality 모드)

용도: 품질 강화, 필수 커버리지 체크리스트
수정 빈도: 월 1-2회
핵심 내용:

• 8가지 필수 커버리지 영역 (Happy Path, 입력검증, 경계값...)
• 놓치기 쉬운 시나리오 (타이밍, 취소, 브라우저 이슈)
• info_requests 가이드

3. 도메인/카테고리 프롬프트 (선택)

용도: 프로젝트 특성별 추가 규칙
예시:

• profile_web_app.md

  : 브라우저 호환성, 반응형, SEO

• profile_api.md

  : HTTP 상태코드, 인증, Rate Limiting

• category_security.md

  : OWASP Top 10, XSS, CSRF

프롬프트 수정 가이드

common_core.md

common_booster.md

profile_*.md

category_security.md

프롬프트 수정 후 테스트:

# 간단한 스펙으로 테스트
curl -X POST http://localhost:5000/api/projects/1/cases/ai-generate \
  -d "spec_text=사용자 로그인 기능" \
  -d "generation_mode=balanced" \
  -H "Cookie: session=..."

Instructions

당신은 QuickRail의 테스트 케이스 생성 전문가입니다. 다음 단계를 정확히 따라 작업을 수행하세요.

Step 1: 요구사항 수집 및 검증

먼저 사용자에게 다음 정보를 확인합니다:

필수 정보

• 스펙 문서 경로 또는 텍스트 내용
  • 파일 경로 제공 시 → Read 도구로 내용 읽기
  • 텍스트 직접 제공 시 → 그대로 사용
  • 스펙 품질 간단 검증:

    ✅ 기능 목적이 명시되어 있는가?
    ✅ 입력/출력이 구체적인가?
    ✅ 성공/실패 시나리오가 있는가?
    
    ❌ 품질이 낮으면 사용자에게 스펙 개선 제안
    

선택 정보 (기본값 제공)

• 대상 프로젝트 ID (기본: 현재 활성 프로젝트)
• 생성 모드 (기본:

  balanced

  )

  • fast

    : 빠른 생성 (10-30초, 기본 품질)

  • balanced

    : 권장 (30초-1분, 체크리스트 적용)

  • quality

    : 최고 품질 (1-3분, 다단계 검증)
• 프로파일 키 (선택:

  web_app

  ,

  mobile_app

  ,

  api_testing

  )
• 카테고리 키 (선택:

  ui

  ,

  api

  ,

  security

  ,

  performance

  )

예시 대화:

사용자: "로그인 기능 테스트 케이스 만들어줘"

어시스턴트: 
"네, 로그인 기능 테스트 케이스를 생성하겠습니다.
몇 가지 확인할게요:

1. 스펙 문서가 있나요? (파일 경로 또는 요구사항을 직접 알려주세요)
2. 프로젝트 타입: 웹 앱인가요, 모바일 앱인가요? (기본: 웹)
3. 생성 모드: balanced 모드로 진행할까요? (권장)

스펙 문서가 없다면 기본적인 로그인 시나리오로 생성할 수도 있습니다."

Step 2: QuickRail 서버 상태 확인

QuickRail 서버가 실행 중인지 확인합니다:

# Windows
tasklist | findstr python

# Linux/Mac
ps aux | grep python | grep run.py

결과 해석:

• ✅

  python run.py

  프로세스 있음 → Step 3으로
• ❌ 프로세스 없음 → 사용자에게 서버 시작 안내:

  "QuickRail 서버가 실행되지 않았습니다.
  새 터미널에서 다음 명령어로 서버를 시작해주세요:
  
  cd /path/to/quickrail
  python run.py
  
  서버가 시작되면 http://localhost:5000 에서 확인할 수 있습니다."
  

Step 3: 프롬프트 시스템 확인

3-1. 활성 프롬프트 확인 (DB)

venv/Scripts/python.exe -c "
import sys
sys.path.insert(0, '.')
from app import create_app, db
from app.models import CaseGenerationPrompt

app = create_app('development')
with app.app_context():
    prompt = CaseGenerationPrompt.query.filter_by(is_active=True).first()
    if prompt:
        print(f'✅ Active DB Prompt: {prompt.name} (ID: {prompt.id})')
        print(f'   Created: {prompt.created_at}')
        print(f'   Updated: {prompt.updated_at}')
    else:
        print('⚠️  No active DB prompt - using file-based prompts')
"

3-2. 파일 기반 프롬프트 확인

# 프롬프트 파일 목록 확인
ls -lh prompt_files/case_gen/

# 필수 파일 존재 여부
test -f prompt_files/case_gen/common_core.md && echo "✅ common_core.md" || echo "❌ common_core.md 누락"
test -f prompt_files/case_gen/common_booster.md && echo "✅ common_booster.md" || echo "❌ common_booster.md 누락"

파일 없으면 초기화:

venv/Scripts/python.exe scripts/init_case_generation_prompt.py

# 초기화 후 재확인
ls -lh prompt_files/case_gen/

3-3. 프롬프트 내용 간단 검증

# common_core.md 핵심 키워드 확인
grep -c "1 케이스 = 1 기대결과" prompt_files/case_gen/common_core.md
grep -c "Priority" prompt_files/case_gen/common_core.md

# common_booster.md 체크리스트 개수 확인
grep -c "\- \[ \]" prompt_files/case_gen/common_booster.md

Step 4: API 키 확인 및 검증

venv/Scripts/python.exe -c "
import sys
sys.path.insert(0, '.')
from app import create_app, db
from app.models import APIKey

app = create_app('development')
with app.app_context():
    key = APIKey.query.filter_by(service='openai', is_active=True).first()
    if key:
        print('✅ OpenAI API Key: Configured')
        # 키 마스킹 출력
        masked = key.api_key[:8] + '...' + key.api_key[-4:]
        print(f'   Key: {masked}')
        print(f'   Model: {key.model or \"gpt-4o-mini (default)\"}')
    else:
        print('❌ ERROR: No active OpenAI API key')
        print('   조치: Settings > API Keys에서 OpenAI 키를 추가하고 활성화하세요')
        sys.exit(1)
"

에러 발생 시 조치:

"OpenAI API 키가 설정되지 않았습니다.
다음 단계로 설정해주세요:

1. http://localhost:5000/settings/api-keys 접속
2. 'Add API Key' 클릭
3. Service: OpenAI 선택
4. API Key 입력 (sk-...로 시작)
5. Model: gpt-4o-mini 또는 gpt-4o 선택
6. 'Active' 체크박스 활성화
7. 저장"

Step 5: 케이스 생성 실행

방법 A: Web UI 사용 (권장)

사용자에게 다음 단계를 구체적으로 안내:

1. 브라우저에서 http://localhost:5000 접속

2. 좌측 사이드바에서 프로젝트 선택
   예: "QuickRail Project"

3. 상단 탭에서 "Cases" 클릭

4. 우측 상단의 "AI Generate Cases" 버튼 클릭
   (파란색 버튼, AI 아이콘)

5. 팝업 창에서:
   ┌─────────────────────────────────────┐
   │ Specification Text                  │
   │ ┌─────────────────────────────────┐ │
   │ │ 여기에 스펙 입력 또는           │ │
   │ │ "Upload File" 버튼으로 파일     │ │
   │ └─────────────────────────────────┘ │
   │                                     │
   │ Generation Mode: [Balanced ▼]      │
   │ Profile: [None ▼] (선택)           │
   │ Category: [None ▼] (선택)          │
   │                                     │
   │ [Generate Preview]                  │
   └─────────────────────────────────────┘

6. "Generate Preview" 클릭 후 대기 (30초~1분)

7. 결과 확인:
   - 좌측: 생성된 섹션 및 케이스 트리
   - 우측: 각 케이스의 상세 내용
   - 체크박스로 선택 가능

8. 품질 검토 (Step 6 참고)

9. 커밋:
   - "Commit All": 모든 케이스 저장
   - "Commit Selected": 체크된 케이스만 저장

방법 B: API 직접 호출

Python 스크립트로 API 호출 (자동화/스크립트용):

import requests
import json
from pathlib import Path

# 1. 스펙 파일 읽기
spec_path = Path("specs/login_feature.md")
if not spec_path.exists():
    print(f"❌ 스펙 파일 없음: {spec_path}")
    exit(1)

spec_text = spec_path.read_text(encoding='utf-8')
print(f"✅ 스펙 로드: {len(spec_text)} 글자")

# 2. 세션 생성 및 로그인
session = requests.Session()
login_response = session.post(
    'http://localhost:5000/auth/login',
    data={
        'email': 'admin@quickrail.com',
        'password': 'admin123'
    }
)

if login_response.status_code != 200:
    print(f"❌ 로그인 실패: {login_response.status_code}")
    exit(1)

print("✅ 로그인 성공")

# 3. AI 케이스 생성 요청
print("📝 케이스 생성 중...")
response = session.post(
    'http://localhost:5000/api/projects/1/cases/ai-generate',
    data={
        'spec_text': spec_text,
        'generation_mode': 'balanced',  # fast | balanced | quality
        'profile_key': 'web_app',       # 선택
        'category_key': '',             # 선택
        'model': 'gpt-4o-mini'          # gpt-4o-mini | gpt-4o
    }
)

# 4. 결과 처리
if response.status_code == 200:
    result = response.json()
    
    # 통계 출력
    sections = result.get('sections', [])
    total_cases = sum(len(s.get('cases', [])) for s in sections)
    
    print(f"✅ 생성 완료:")
    print(f"   섹션: {len(sections)}개")
    print(f"   케이스: {total_cases}개")
    
    # 파일 저장
    output_path = Path('generated_cases.json')
    with open(output_path, 'w', encoding='utf-8') as f:
        json.dump(result, f, indent=2, ensure_ascii=False)
    
    print(f"   저장 위치: {output_path}")
    
    # info_requests 확인
    info_requests = result.get('info_requests', [])
    if info_requests:
        print(f"\n⚠️  추가 정보 필요 ({len(info_requests)}건):")
        for req in info_requests:
            print(f"   - {req['topic']}: {req['question']}")
    
else:
    print(f"❌ 생성 실패: {response.status_code}")
    print(f"   에러: {response.text}")
    
    # 에러 분석
    if response.status_code == 400:
        print("\n   가능한 원인:")
        print("   - 스펙 텍스트가 너무 짧음 (최소 50자 필요)")
        print("   - 잘못된 generation_mode 값")
    elif response.status_code == 401:
        print("\n   가능한 원인:")
        print("   - 세션 만료 (로그인 재시도)")
    elif response.status_code == 500:
        print("\n   가능한 원인:")
        print("   - OpenAI API 키 오류")
        print("   - 프롬프트 파일 손상")
        print("   - 서버 로그 확인: tail -f logs/quickrail.log")

Step 6: 생성 결과 검증 및 품질 체크

생성된 케이스를 다음 체크리스트로 검증하도록 안내:

✅ 구조 검증

• 섹션이 논리적으로 그룹화되었는가?
  • 예: "로그인 > 정상 케이스", "로그인 > 에러 처리"
• 각 섹션에 최소 2개 이상의 케이스가 있는가?
• 관련 없는 케이스가 섞여있지 않은가?

✅ 완성도 검증

• Title: 테스트 의도가 명확한가?

  • ❌ "로그인 테스트"
  • ✅ "잘못된 비밀번호로 로그인 시도 시 에러 메시지 표시"

• Steps: 구체적인 행동이 번호로 나열되었는가?

  • ❌ "로그인 시도"
  • ✅ "1) 이메일 필드에 'test@example.com' 입력\n2) 비밀번호 필드에 'wrong123' 입력\n3) [로그인] 버튼 클릭"

• Expected Result: 검증 가능한 결과인가?

  • ❌ "정상 동작"
  • ✅ "비밀번호 필드 하단에 빨간색 '비밀번호가 일치하지 않습니다' 에러 메시지 표시"

✅ 우선순위 검증

• Priority가 Blocker/Critical/High/Medium/Low 중 하나인가?
• 핵심 기능은 Blocker/Critical로 설정되었는가?
• 엣지 케이스는 Medium/Low로 설정되었는가?

✅ 커버리지 검증

• Happy Path (정상 흐름) 케이스가 있는가?
• Negative 케이스 (에러, 예외)가 있는가?
• 입력 검증 케이스가 충분한가? (빈 값, 형식 오류, 특수문자)
• 경계값 케이스가 있는가? (최소, 최대, 0)
• 인증/권한 케이스가 있는가? (해당 시)

✅ 중복/유사 케이스 체크

# 중복 검사 스크립트
import json

with open('generated_cases.json', 'r', encoding='utf-8') as f:
    data = json.load(f)

titles = []
for section in data['sections']:
    for case in section.get('cases', []):
        title = case['title'].lower()
        if title in titles:
            print(f"⚠️  중복 케이스: {case['title']}")
        titles.append(title)

검증 실패 시 조치:

• Web UI: 체크박스 해제하여 해당 케이스만 제외
• API:

  generated_cases.json

  수정 후 수동 커밋
• 재생성: 더 구체적인 스펙 제공 후 다시 생성

Generation Modes 상세

Fast Mode

사용 시기: 프로토타이핑, 간단한 기능, 빠른 피드백 필요
적용 프롬프트:

common_core.md

예시 결과:

• 섹션: 2-3개
• 케이스: 5-10개
• 커버리지: Happy Path + 기본 에러

Balanced Mode (권장)

사용 시기: 일반적인 모든 케이스, 프로덕션 사용
적용 프롬프트:

common_core.md

common_booster.md

예시 결과:

• 섹션: 4-6개 (중첩 가능)
• 케이스: 15-30개
• 커버리지: Happy Path + 입력검증 + 경계값 + 에러처리

Quality Mode

사용 시기: 중요한 기능, 복잡한 시나리오, 최고 품질 필요
적용 프롬프트: 모든 프롬프트 + 다단계 검증
예상 시간: 1-3분
장점: 최고 품질, 포괄적 커버리지, 다단계 검증
단점: 느림

예시 결과:

• 섹션: 6-10개 (중첩 구조)
• 케이스: 30-50개
• 커버리지: 모든 체크리스트 항목 + 엣지케이스 + 통합 테스트

Quality 모드 파이프라인:

1. spec_digest.md   → 스펙 분석 및 핵심 추출
2. common_core.md   → 기본 규칙 적용
3. common_booster.md → 체크리스트 적용
4. profile_*.md     → 도메인 특화 (선택)
5. category_*.md    → 카테고리 특화 (선택)
6. [AI 초안 생성]
7. rewrite.md       → 품질 개선 (Steps 구체화, Expected 명확화)
8. validate.md      → 최종 검증 (중복 제거, 우선순위 재조정)
9. [최종 출력]

Best Practices

1. 스펙 문서 품질이 결과를 좌우합니다

좋은 스펙 예시:

## 기능: 사용자 로그인

### 목적
등록된 사용자가 이메일과 비밀번호로 인증하여 시스템에 접근

### 입력 필드
- 이메일 (필수)
  - 형식: RFC 5322 표준
  - 예시: user@example.com
  - 최대 길이: 255자
  
- 비밀번호 (필수)
  - 최소 8자, 최대 128자
  - 영문 대소문자, 숫자, 특수문자 조합
  - 마스킹 처리됨

### 성공 시나리오
1. 올바른 이메일/비밀번호 입력
2. 서버 인증 성공
3. 세션 생성 (유효기간 30분)
4. 대시보드 페이지로 리다이렉트

### 실패 시나리오
- 잘못된 비밀번호 → "비밀번호가 일치하지 않습니다" 에러
- 존재하지 않는 이메일 → "등록되지 않은 이메일입니다" 에러
- 5회 연속 실패 → 계정 잠금 (15분)
- 빈 필드 제출 → 해당 필드에 "필수 입력입니다" 에러

### 제약사항
- 동시 로그인: 최대 3개 디바이스
- Rate Limiting: IP당 분당 10회
- 2FA 활성화 시: OTP 추가 입력 필요

나쁜 스펙 예시:

로그인 기능 만들기
- 이메일이랑 비밀번호 입력받음
- 맞으면 로그인됨
- 틀리면 에러 보여줌

2. 적절한 모드 선택

3. 프로파일/카테고리 활용

프로파일 선택 기준:

• 웹 앱 →

  web_app

  : 브라우저 이슈, CORS, SEO
• 모바일 앱 →

  mobile_app

  : 화면 회전, 백그라운드, 오프라인
• REST API →

  api_testing

  : HTTP 메서드, 상태코드, 인증

카테고리 선택 기준:

• 로그인, 결제, 개인정보 →

  security

  : XSS, CSRF, SQL Injection
• 대시보드, 목록 →

  performance

  : 로딩 시간, 대용량 데이터
• 폼, 입력 →

  ui

  : 접근성, 반응형, 브라우저 호환성

조합 예시:

웹 쇼핑몰 결제 기능:
- Profile: web_app
- Category: security
→ SSL, PCI DSS, XSS 방어 케이스 자동 추가

4. 생성 후 검증은 필수

AI는 도구일 뿐입니다. 반드시 검토하세요:

• 비즈니스 로직이 정확한가?
• 중복 케이스는 없는가?
• Priority가 적절한가?
• 실제로 실행 가능한가?

검증 실패 사례:

생성된 케이스: "관리자가 사용자 삭제 시 확인 팝업 표시"
문제: 실제 스펙에는 "삭제" 기능 없음
→ AI가 일반적인 CRUD 패턴으로 추측

5. 반복적 개선

첫 생성 → 검토 → 프롬프트 튜닝 → 재생성 사이클:

1차 생성:
- 입력 검증 케이스 부족
→ common_booster.md 수정: "입력 검증 최소 5개" 명시

2차 생성:
- Steps가 너무 추상적 ("로그인 시도")
→ common_core.md 수정: "나쁜 예시" 섹션에 추가

3차 생성:
- ✅ 품질 만족
→ 프롬프트 버전 관리 (git commit)

Troubleshooting

문제 1: 프롬프트 파일 없음

증상:

FileNotFoundError: prompt_files/case_gen/common_core.md

해결:

# 프롬프트 초기화 스크립트 실행
venv/Scripts/python.exe scripts/init_case_generation_prompt.py

# 결과 확인
ls -la prompt_files/case_gen/

문제 2: OpenAI API 키 오류

증상:

OpenAI API Error: Incorrect API key provided

해결:

1. API 키 확인: http://localhost:5000/settings/api-keys
2. OpenAI 대시보드에서 키 유효성 확인
3. 키 재생성 및 교체
4. 서버 재시작

문제 3: 생성된 케이스가 너무 적음

증상:

• Balanced 모드인데 케이스 5개만 생성됨

원인:

• 스펙이 너무 짧거나 모호함
• common_booster.md가 적용 안 됨

해결:

# 1. 모드별 프롬프트 로딩 확인
grep -r "generation_mode" app/routes/api.py

# 2. 스펙 보강 (최소 200자 이상 권장)
# 3. Quality 모드로 재시도

문제 4: 생성 중 타임아웃

증상:

504 Gateway Timeout

원인:

• 스펙이 너무 김 (5000자 초과)
• Quality 모드에서 복잡한 스펙

해결:

# 스펙을 섹션별로 분할하여 생성
sections = ["로그인", "회원가입", "비밀번호 찾기"]

for section in sections:
    spec = extract_section(section)  # 섹션별 추출
    generate_cases(spec, mode='balanced')
    
# 최종 병합

문제 5: DB 마이그레이션 에러

증상:

sqlalchemy.exc.OperationalError: no such table: case_generation_prompt

해결:

# DB 마이그레이션 적용
cd /path/to/quickrail
venv/Scripts/flask.exe db upgrade

# 마이그레이션 히스토리 확인
venv/Scripts/flask.exe db history

# 최신 상태 확인
venv/Scripts/flask.exe db current

문제 6: 한글 인코딩 깨짐

증상:

• 생성된 케이스에 ��� 같은 문자

해결:

# 스펙 파일 읽을 때 UTF-8 명시
spec_text = Path("spec.md").read_text(encoding='utf-8')

# API 호출 시 헤더 추가
response = session.post(
    url,
    data={'spec_text': spec_text},
    headers={'Content-Type': 'application/x-www-form-urlencoded; charset=utf-8'}
)

Related Files

코드

• app/routes/api.py:5809

  -

  ai_generate_cases()

  함수 (메인 로직)

• app/models.py

  -

  CaseGenerationPrompt

  모델

• app/utils/prompt_files.py

  - 프롬프트 파일 로딩 유틸

• app/services/openai_service.py

  - OpenAI API 호출 (추정)

스크립트

• scripts/init_case_generation_prompt.py

  - 프롬프트 초기화

프롬프트

• prompt_files/case_gen/common_core.md

  - 절대 규칙

• prompt_files/case_gen/common_booster.md

  - 품질 강화

• prompt_files/case_gen/profile_*.md

  - 도메인 특화 (선택)

• prompt_files/case_gen/category_*.md

  - 카테고리 특화 (선택)

설정

• config.py

  - QuickRail 설정

• .env

  - 환경 변수 (API 키 등)

Advanced Tips

1. 커스텀 프롬프트 작성

새 프로파일 추가 예시:

# prompt_files/case_gen/profile_iot.md 생성
cat > prompt_files/case_gen/profile_iot.md << 'EOF'
# IoT 디바이스 테스트 특화 프롬프트

## 추가 체크리스트

### 하드웨어 연동
- [ ] 센서 데이터 수신 실패 시나리오
- [ ] 펌웨어 업데이트 중단
- [ ] 배터리 부족 상황

### 네트워크
- [ ] WiFi 연결 끊김
- [ ] MQTT 브로커 다운
- [ ] 저대역폭 환경

### 물리적 상황
- [ ] 온도 범위 (-10°C ~ 50°C)
- [ ] 습도 영향
- [ ] 진동/충격
EOF

2. 배치 생성 스크립트

#!/bin/bash
# batch_generate.sh

SPECS_DIR="specs/"
OUTPUT_DIR="generated_cases/"

for spec_file in $SPECS_DIR/*.md; do
    echo "Processing: $spec_file"
    
    python - <<EOF
import requests
from pathlib import Path

spec_text = Path("$spec_file").read_text(encoding='utf-8')
session = requests.Session()
session.post('http://localhost:5000/auth/login', 
             data={'email': 'admin@quickrail.com', 'password': 'admin123'})

response = session.post(
    'http://localhost:5000/api/projects/1/cases/ai-generate',
    data={'spec_text': spec_text, 'generation_mode': 'balanced'}
)

output_file = Path("$OUTPUT_DIR") / Path("$spec_file").with_suffix('.json').name
output_file.write_text(response.text, encoding='utf-8')
EOF
done

3. 품질 메트릭 추적

# analyze_quality.py
import json
from pathlib import Path

def analyze_cases(json_file):
    with open(json_file, 'r', encoding='utf-8') as f:
        data = json.load(f)
    
    total_cases = 0
    priorities = {'Blocker': 0, 'Critical': 0, 'High': 0, 'Medium': 0, 'Low': 0}
    avg_steps = []
    
    for section in data['sections']:
        for case in section.get('cases', []):
            total_cases += 1
            priorities[case['priority']] += 1
            steps_count = len(case['steps'].split('\n'))
            avg_steps.append(steps_count)
    
    print(f"Total Cases: {total_cases}")
    print(f"Priorities: {priorities}")
    print(f"Avg Steps: {sum(avg_steps)/len(avg_steps):.1f}")
    print(f"Info Requests: {len(data.get('info_requests', []))}")

analyze_cases('generated_cases.json')

Changelog

2025-01-22

• SKILL.md 대폭 개선
• 프롬프트 파일 아키텍처 섹션 추가
• Troubleshooting 섹션 확장
• 실전 예시 코드 보강

2025-01-15

• Generation Modes 상세 설명 추가
• Best Practices 섹션 신규 작성

2025-01-10

• 초기 버전 작성