从项目资料生成可追溯测试用例集

BMCLI 的优势不只是批量执行，而是让测试意图、命令和证据保持同一种可读表达。测试脚本本身就是文档，用例也可以直接成为可审查的工程资产。

将需求、通信矩阵、DBC、CDD、诊断调查表和目标变体纳入版本管理。先运行 bmcli bench show --format=json，确认目标网络、节点和硬件绑定，再按当前 Help 使用 database load/list/info/validate 检查数据库资源。

AI 可以提取信号范围、枚举、超时、诊断服务、前置条件和预期响应，生成包含需求 ID、输入组合、BMCLI 命令、期望结果、证据文件和清理动作的用例。条件组合可以批量扩展，但每条用例仍保持接近自然语言的顶层语义。

与把全部语义埋入通用 Python 框架相比，BMCLI 脚本直接呈现“发送什么、读取什么、诊断什么、期望什么”。评审人员无需理解底层 API 即可检查测试意图；JSON/JSONL 和日志又能反向关联到同一用例，因此更容易满足 ASPICE 等流程对需求—用例—执行—结果双向追踪的要求。

执行前使用 bmcli bench validate --hardware --format=json。每条用例保存命令、退出码、结构化输出、时间戳和附件，并区分传输失败、UDS 否定响应、断言失败与基础设施失败。