feat(executor): 重构用例加载与执行逻辑，支持参数化变量优先级

- 引入 CaseEntity 包装器，实现数据模型与执行上下文解耦。
 - 移除加载阶段的 deepcopy，优化大规模参数化用例的内存占用。
 - 实现 perform 阶段的局部变量注入，确保参数化数据优先级高于全局缓存。

core/executor.py

@@ -7,7 +7,7 @@
 
 import logging
 import importlib
-from typing import Any, List
+from typing import Any, List, Optional
 
 from pydantic import TypeAdapter
 
@@ -28,9 +28,20 @@ class WorkflowExecutor:
         self.session = session
         self.exchanger = exchanger
 
-    def perform(self, case_info: CaseInfo) -> Any:
+    def perform(self, case_info: CaseInfo,context: Optional[dict[str, Any]] = None) -> Any:
         """执行单个用例：支持直接请求和PO模式调用"""
+        context = context or {}
+
+        # 1. 局部变量优先级注入
+        # 备份全局缓存，将当前行数据合并进去
+        old_cache = self.exchanger._variable_cache.copy()
+        self.exchanger._variable_cache.update(context)
+
         try:
+            # 2. 动态更新标题（如果 context 中包含 title）
+            current_title = context.get("title") or case_info.title
+            logger.info(f"🚀 执行用例: {current_title}")
+
             # raw_data = case_info.model_dump(by_alias=True, exclude_none=True)
             # 1. 变量替换（将 ${var} 替换为真实值）
             # rendered_dict = self.exchanger.replace(raw_data)
@@ -62,6 +73,10 @@ class WorkflowExecutor:
         except Exception as e:
             logger.error(f"用例执行失败: {case_info.title} | 原因: {e}", exc_info=True)
             raise
+        finally:
+            # 4. 关键：清理现场，还原全局变量池
+            self.exchanger._variable_cache = old_cache
+
 
     def _execute_po_method(self, action: ApiActionModel):
         """核心反射逻辑：根据字符串动态加载 api/ 目录下的类并执行方法"""