Skip to content

Navigation Menu

Sign in
Appearance settings

Search code, repositories, users, issues, pull requests...

Provide feedback

We read every piece of feedback, and take your input very seriously.

Saved searches

Use saved searches to filter your results more quickly
Sign up
Appearance settings

一个基于AI的智能自动化测试平台,支持需求分析、测试用例生成、接口测试、UI自动化测试和性能测试。

License

Notifications You must be signed in to change notification settings

github653224/intelligent-test-platform

Folders and files

NameName
Last commit message
Last commit date

Latest commit

History

8 Commits

Repository files navigation

AI智能自动化测试平台

一个基于AI的智能自动化测试平台,支持需求分析、测试用例生成、接口测试、UI自动化测试和性能测试。

License Python Node FastAPI React

✨ 功能特性

🤖 AI驱动功能

  • 需求分析: 基于自然语言需求自动分析测试要点、边界条件和风险点
  • 智能测试用例生成: 基于需求自动生成功能测试用例(正向、异常、边界)
  • API测试脚本生成: 基于API文档自动生成接口测试脚本(支持OpenAPI/Swagger/Postman)
  • UI自动化脚本生成: 智能识别DOM元素,自动生成UI测试脚本(支持Selenium/Playwright)
  • 性能测试脚本生成: 基于需求自动生成k6性能测试脚本
  • AI性能分析: 自动分析性能测试结果,生成优化建议

🧪 测试管理

  • 项目管理: 项目创建、状态管理、配置管理
  • 需求管理: 需求跟踪、AI分析、测试关联
  • 测试用例管理: 测试用例CRUD、批量导入、AI生成
  • 测试套件管理: 测试套件创建、用例分组
  • 测试运行管理: 测试执行、状态监控、结果查看
  • 性能测试管理: k6脚本生成、执行、结果分析

🚀 测试执行

  • 多类型测试支持: 功能测试、API测试、UI自动化测试
  • 异步执行: 后台异步执行,不阻塞API
  • 并行执行: 支持测试用例并行执行
  • 执行控制: 支持启动、取消、暂停测试运行
  • 实时监控: 测试执行实时状态监控和进度显示

📊 测试报告

  • 多种报告格式: HTML、JSON、CSV、Markdown
  • 详细测试结果: 通过、失败、跳过、错误统计
  • 性能指标分析: 响应时间、吞吐量、错误率等
  • AI分析报告: 自动生成测试分析和优化建议
  • 报告下载: 支持报告导出和下载

🎯 智能特性

  • 智能元素识别: 类似Testim的智能DOM元素定位
  • 页面自动分析: 自动爬取页面结构,理解页面元素
  • API文档解析: 自动解析OpenAPI/Swagger/Postman文档
  • 跨浏览器测试: 支持Chrome、Firefox、Safari等
  • 数据驱动测试: 支持测试数据管理和参数化测试

🔧 技术特性

  • 前后端分离: React + TypeScript + FastAPI架构
  • AI模型支持: OpenAI GPT-4、Deepseek、本地Ollama模型
  • 数据库: PostgreSQL + Redis
  • 容器化部署: Docker + Docker Compose
  • 实时通信: WebSocket支持(可选)

项目结构

ai_test_agent/
├── backend/ # 后端服务
│ ├── app/
│ │ ├── api/ # API路由
│ │ ├── core/ # 核心配置
│ │ ├── models/ # 数据模型
│ │ ├── services/ # 业务逻辑
│ │ └── utils/ # 工具函数
│ ├── tests/ # 后端测试
│ └── requirements.txt # Python依赖
├── frontend/ # 前端应用
│ ├── src/
│ │ ├── components/ # React组件
│ │ ├── pages/ # 页面组件
│ │ ├── services/ # API服务
│ │ └── utils/ # 工具函数
│ └── package.json # Node.js依赖
├── ai_engine/ # AI引擎
│ ├── models/ # AI模型配置
│ ├── prompts/ # 提示词模板
│ └── processors/ # 处理器
└── docker-compose.yml # Docker配置

🚀 快速开始

环境要求

  • Python: 3.9+
  • Node.js: 16+
  • Docker & Docker Compose: 最新版本
  • PostgreSQL: 15+ (或使用Docker)
  • Redis: 7+ (或使用Docker)
  • k6: 最新版本(性能测试需要,安装指南)

方式一:Docker Compose(推荐)

  1. 克隆项目
git clone https://github.com/github653224/intelligent-test-platform.git
cd ai_test_agent
  1. 配置环境变量
# 复制环境变量模板
cp .env.example .env
# 编辑 .env 文件,设置你的配置
# 至少需要设置:
# - OPENAI_API_KEY 或 DEEPSEEK_API_KEY(如果使用AI服务)
# - POSTGRES_PASSWORD(数据库密码)
# - SECRET_KEY(安全密钥)
  1. 启动所有服务
# 使用启动脚本
./start.sh
# 或使用 Docker Compose
docker-compose up -d
  1. 访问应用

方式二:本地开发

  1. 克隆项目
git clone https://github.com/github653224/intelligent-test-platform.git
cd ai_test_agent
  1. 配置环境变量
cp .env.example .env
# 编辑 .env 文件
  1. 启动数据库和Redis
docker-compose up -d postgres redis
  1. 初始化数据库
cd backend
python init_db.py
  1. 安装后端依赖
cd backend
pip install -r requirements.txt
  1. 启动后端服务
PYTHONPATH=backend uvicorn app.main:app --reload --host 0.0.0.0 --port 8000
  1. 安装AI引擎依赖
cd ai_engine
pip install -r requirements.txt
  1. 启动AI引擎服务
python -m ai_engine.main
  1. 安装前端依赖
cd frontend
npm install
  1. 启动前端服务
npm start

验证安装

# 检查后端API
curl http://localhost:8000/api/v1/health
# 检查AI引擎
curl http://localhost:8001/health
# 检查前端(浏览器访问)
open http://localhost:3000

📖 使用指南

1. 项目管理

  1. 进入"项目管理"页面
  2. 创建新项目,填写项目名称和描述
  3. 设置项目状态和配置

2. 需求分析

  1. 进入"需求管理"页面
  2. 创建需求,输入自然语言需求描述
  3. 点击"AI分析",系统自动分析:
    • 测试要点和边界条件
    • 风险点评估
    • 测试策略建议

3. 测试用例生成

  1. 进入"AI引擎" → "测试用例生成"
  2. 输入需求描述和项目背景
  3. 选择测试类型(功能测试/API测试/UI测试)
  4. 点击"生成测试用例"
  5. 选择需要的测试用例,保存到项目

4. API测试生成

  1. 进入"AI引擎" → "API测试生成"
  2. 方式一:上传API文档(OpenAPI/Swagger/Postman)
    • 点击"上传API文档"
    • 系统自动解析并填充基础URL
  3. 方式二:手动输入API文档和基础URL
  4. 选择测试场景(正常流程/异常处理/边界条件/性能测试)
  5. 点击"生成API测试"
  6. 查看生成的测试代码,可复制或下载

5. UI测试生成

  1. 进入"AI引擎" → "UI测试生成"
  2. 输入页面URL
  3. 点击"分析页面"(可选,自动分析页面结构)
  4. 输入业务需求/测试场景(例如:"测试用户注册完整流程")
  5. 选择测试场景类型(正常流程/异常处理/边界条件等)
  6. 点击"生成UI测试"
  7. 查看生成的测试代码,可复制或下载

6. 性能测试

  1. 进入"性能测试"页面
  2. 创建性能测试,输入测试需求(例如:"100并发用户持续30秒")
  3. 系统自动生成k6脚本
  4. 点击"执行"开始测试
  5. 测试完成后,点击"分析"查看AI分析报告

7. 测试执行

  1. 进入"测试运行"页面
  2. 创建测试运行,选择测试用例或测试套件
  3. 配置执行参数(环境、超时时间等)
  4. 点击"执行"开始测试
  5. 实时查看执行进度和结果
  6. 查看详细报告(HTML/JSON/CSV)

8. 测试报告

  1. 在"测试运行"页面查看测试结果
  2. 点击"查看详情"查看详细报告
  3. 支持多种报告格式:
    • 摘要报告:关键指标概览
    • 详细报告:完整的测试结果
    • HTML报告:可视化报告
    • JSON报告:结构化数据
    • CSV报告:可导入Excel分析

⚙️ 配置说明

环境变量配置

复制 .env.example 为 .env 并配置以下变量:

# 数据库配置
POSTGRES_SERVER=localhost
POSTGRES_USER=postgres
POSTGRES_PASSWORD=your_password
POSTGRES_DB=ai_test_platform
# Redis配置
REDIS_URL=redis://localhost:6379/0
# AI模型配置(至少配置一个)
OPENAI_API_KEY=your_openai_api_key # OpenAI API密钥
DEEPSEEK_API_KEY=your_deepseek_api_key # Deepseek API密钥
OLLAMA_BASE_URL=http://localhost:11434 # Ollama本地模型地址
DEFAULT_AI_MODEL=ollama # 默认使用的AI模型
# 安全配置
SECRET_KEY=your_secret_key_here # 请修改为随机字符串
ACCESS_TOKEN_EXPIRE_MINUTES=11520
# CORS配置
BACKEND_CORS_ORIGINS=http://localhost:3000,http://127.0.0.1:3000

AI模型配置

支持三种AI模型:

  1. OpenAI API(推荐用于生产环境)

    • 设置 OPENAI_API_KEY
    • 支持 GPT-4, GPT-3.5-turbo 等模型
    • 质量高,但需要付费

  2. Deepseek API(性价比高)

    • 设置 DEEPSEEK_API_KEY
    • 支持 deepseek-chat 模型
    • 价格便宜,质量较好

  3. 本地Ollama(免费,推荐用于开发)

    • 设置 OLLAMA_BASE_URL
    • 支持 Llama3.2, CodeLlama 等本地模型
    • 完全免费,但需要本地资源

数据库初始化

首次运行需要初始化数据库:

cd backend
python init_db.py

或使用 Alembic 迁移:

cd backend
alembic upgrade head

k6 安装(性能测试需要)

参考 K6_SETUP.md 安装 k6。

📁 项目结构

ai_test_agent/
├── backend/ # 后端API服务
│ ├── app/
│ │ ├── api/v1/ # API路由
│ │ │ └── endpoints/ # 各个功能端点
│ │ ├── core/ # 核心配置
│ │ ├── models/ # 数据模型
│ │ ├── schemas/ # Pydantic模式
│ │ ├── services/ # 业务逻辑服务
│ │ └── utils/ # 工具函数
│ ├── alembic/ # 数据库迁移
│ ├── requirements.txt # Python依赖
│ └── Dockerfile # Docker配置
├── ai_engine/ # AI引擎服务
│ ├── models/ # AI模型客户端
│ ├── processors/ # 处理器(需求分析、测试生成等)
│ ├── main.py # FastAPI主服务
│ ├── requirements.txt # Python依赖
│ └── Dockerfile # Docker配置
├── frontend/ # React前端
│ ├── src/
│ │ ├── components/ # React组件
│ │ ├── pages/ # 页面组件
│ │ ├── services/ # API服务
│ │ └── utils/ # 工具函数
│ ├── package.json # Node.js依赖
│ └── Dockerfile # Docker配置
├── .env.example # 环境变量模板
├── .gitignore # Git忽略文件
├── docker-compose.yml # Docker编排配置
├── LICENSE # MIT许可证
├── CONTRIBUTING.md # 贡献指南
└── README.md # 项目说明

🔌 API文档

启动后端服务后,访问以下地址查看API文档:

🧪 测试

运行测试

# 后端测试
cd backend
pytest
# 前端测试
cd frontend
npm test
# AI引擎测试
python test_ai_engine.py

🐛 故障排除

常见问题

  1. 数据库连接失败

    • 检查 PostgreSQL 是否运行
    • 检查 .env 中的数据库配置
    • 检查数据库是否已初始化

  2. AI引擎无法连接

    • 检查 AI引擎服务是否运行
    • 检查 API密钥是否正确
    • 检查网络连接

  3. 前端无法访问后端

    • 检查后端服务是否运行
    • 检查 CORS 配置
    • 检查端口是否被占用

  4. 性能测试执行失败

    • 检查 k6 是否已安装
    • 检查 k6 脚本语法
    • 查看后端日志

更多问题请查看 QUICK_START.md 或提交 Issue。

🤝 贡献指南

我们欢迎所有形式的贡献!请查看 CONTRIBUTING.md 了解详细信息。

贡献流程

  1. Fork 项目
  2. 创建功能分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 创建 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🙏 致谢

  • FastAPI - 现代化的 Python Web 框架
  • React - 用于构建用户界面的 JavaScript 库
  • Ant Design - 企业级 UI 设计语言
  • k6 - 现代化的性能测试工具
  • OpenAI - AI 模型服务
  • Ollama - 本地 AI 模型运行环境

📞 支持

⭐ 如果这个项目对你有帮助,请给个 Star!

About

一个基于AI的智能自动化测试平台,支持需求分析、测试用例生成、接口测试、UI自动化测试和性能测试。

Resources

License

Contributing

Stars

Watchers

Forks

Packages

No packages published

AltStyle によって変換されたページ (->オリジナル) /