AI 测试全流程平台 ai_test_sheng 开源了从需求分析到 UI 自动化脚本全程 AI 辅助 项目已开源MIT Licensehttps://gitee.com/wwcs/ai_test_sheng 在线体验http://111.229.22.12体验账号admin/admin123一、这是什么ai_test_sheng是一个AI 驱动的接口测试与提效平台把软件测试的完整流程 ——需求分析 → 页面探索 → 用例设计/评审 → 测试执行 → 报告输出 → UI 自动化脚本生成—— 全部用 AI 串起来测试人员只需要用自然语言和 AI 对话就能完成一整套测试工作。简单说你提需求AI 帮你测全程可见、可干预、可修复。GitHub 风格的项目地址Giteehttps://gitee.com/wwcs/ai_test_sheng二、核心特性特性说明AI 测试全流程8 阶段工作流需求分析 → 页面探索 → 用例设计 → 用例评审 → 测试执行 → 报告输出 → 持续优化 → UI 自动化脚本生成AI 对话驱动真实浏览器操作基于 Playwright MCP 无头浏览器页面探索、元素定位、断言、截图全自动多会话隔离每个对话独立 UUID 工作区权限隔离会话文件可操作项目代码受保护旧平台数据迁移lim-db 一键迁移 增量同步平滑切换⚙️开箱即用部署docker compose 一键部署 可选 Jenkins CI/CD附带实战踩坑指南L1-L3 故障自愈脚本执行失败自动分层修复重试 → AI 修复 → 人工介入组合脚本AI 自动合并多个子脚本为组合用例⏰定时任务Cron 表达式定时执行 执行记录回溯三、系统架构四层四、AI 测试全流程8 阶段平台内置了一套完整的AI 功能测试流程规范每个阶段都有明确的目标、对 AI 的指令、交付物和通过标准阶段一 需求分析 收集需求 → 拆解功能点 → 可测性评估 → 范围与优先级界定 阶段二 页面探索 浏览器截图快照 → 逐元素探索 → 输出元素定位规则 阶段三 用例设计 等价类划分 边界值分析 场景流程推演 → 用例矩阵 阶段四 用例评审 3 轮评审覆盖追溯 / 用例质量 / 冗余与数据 阶段五 测试执行 Playwright 逐条执行实时判定 PASS/FAIL/BUG/BLOCKED 阶段六 报告输出 HTML 报告 Markdown 报告 遗漏分析 阶段七 持续优化 用例精简 / 回归集推荐 / BUG 跟踪 / 遗漏复盘 阶段八 脚本生成 通用函数库 逐条转换 → 可执行 test_*.pyAI 对话界面核心页面 Chat.tsx左侧会话列表 右侧消息流thinking 过程、文本、代码块实时展示底部输入框自然语言下达测试指令SSE 流式返回执行过程全透明。五、几个值得说的设计1. SSE 流式对话过程全透明前端fetch() ReadableStream消费后端StreamingHttpResponseAI 的 thinking / tool_call / tool_result / text 事件实时推送到页面用户输入 → POST /chats/{id}/send_stream/ → AI 客户端 → SSE 事件流 → 前端逐帧渲染2. L1-L3 故障自愈体系脚本执行失败不会直接躺平而是分层自动处理级别处理方式L1瞬态错误timeout 类自动重试L2AI 驱动修复分析错误 → 修改代码 → 沙箱验证 → 自动重执行L3修复失败标记破损脚本进入修复中心人工介入错误分类系统内置20 种错误类型代码差异用 unified diff 展示修复过程实时可见。3. 多会话隔离 沙箱执行每个会话独立 UUID 工作区会话文件可操作、项目代码受保护天然权限隔离脚本在本地沙箱.limvenv虚拟环境 subprocess执行不污染宿主机4. 多租户所有数据模型通过tenant外键隔离Tenant → AiProject → Script → ExecutionRecord / ChatSession → ChatMessage全局查询走_tenant_filter()企业内部分团队使用互不干扰。六、快速开始一键部署# 1. 拿代码只需仓库地址与账号 export GIT_REPO你的仓库地址 export GIT_USER账号 GIT_PASS密码 export SKIP_JENKINS1 # 不需要 CI 就跳过 Jenkins ​ # 2. 执行自动拉代码 → 生成 .env → 构建启动全部容器 → 健康检查 sudo -E bash deploy/docker/setup-host.sh手动部署git clone https://gitee.com/wwcs/ai_test_sheng /opt/ai_test_sheng cd /opt/ai_test_sheng cp deploy/docker/.env.example deploy/docker/.env # 填好必填项 docker compose -f deploy/docker/docker-compose.yml up -d --build bash deploy/docker/healthcheck.sh # 验证没有 Anthropic Key接 DeepSeek# 编辑 deploy/docker/.env追加 ANTHROPIC_BASE_URLhttps://api.deepseek.com/anthropic ANTHROPIC_AUTH_TOKENsk-你的DeepSeekKey ANTHROPIC_MODELdeepseek-v4-flash ANTHROPIC_SMALL_FAST_MODELdeepseek-v4-flash ​ # 重建 claude-code-server 并验证 docker compose -f deploy/docker/docker-compose.yml up -d claude-code-server docker compose -f deploy/docker/docker-compose.yml exec claude-code-server claude -p 只回复: 通了 --model deepseek-v4-flash 完整部署、AI 接入、权限模型、生产环境踩坑 FAQ与开源检查清单见仓库内docs/DEPLOYMENT-GUIDE.md和docs/ARCHITECTURE.md。七、在线体验无需部署直接访问体验环境 项目地址平台入口http://111.229.22.12体验账号admin/admin123八、License本项目基于MIT License开源可自由使用、修改、商用。写在最后这个项目沉淀了团队在AI 测试方向上的一线实战经验AI 测试流程规范8 阶段、Playwright MCP 真实浏览器驱动、SSE 流式 AI 对话、L1-L3 故障自愈、一键部署……希望能给做测试平台、做 AI 提效的同学们一些参考。如果对你有帮助欢迎⭐Star支持https://gitee.com/wwcs/ai_test_sheng 提 Issue / PR一起把 AI 测试做得更好 有任何疑问欢迎评论区交流求 Star求关注