# WHartTest **Repository Path**: mgdaas-lab/wharttest ## Basic Information - **Project Name**: WHartTest - **Description**: WHartTest 是基于 Django REST Framework 与现代大模型技术打造的 AI 驱动测试自动化平台。平台聚合自然语言理解、知识库检索与嵌入搜索能力，结合 LangChain 与 MCP（Model Context Protocol） 工具调用，实现从需求到可执行测试用例的自动化生成与管理，帮助测试团队提升效率与覆盖率。 - **Primary Language**: Python - **License**: MIT - **Default Branch**: master - **Homepage**: https://docs.wharttest.mgdaas.cn:4430 - **GVP Project**: No ## Statistics - **Stars**: 63 - **Forks**: 25 - **Created**: 2025-09-15 - **Last Updated**: 2026-05-18 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # WHartTest - AI驱动的智能测试用例生成平台 中文 | [English](README_EN.md) ## 项目简介 WHartTest 是基于 **Django 5.2 + DRF** 与现代大模型技术打造的 **AI 驱动智能测试平台**。平台采用前后端分离的 Monorepo 架构，由 6 个子项目组成（Django 后端、Vue 前端、UI 自动化执行器、MCP 工具服务、Agent 技能库、在线文档编辑器），聚合自然语言理解、知识库检索与嵌入搜索能力，结合 **LangChain/LangGraph** 与 **MCP（Model Context Protocol）** 工具调用，实现从需求到可执行测试用例的自动化生成、管理与执行，为测试团队提供完整的智能测试管理解决方案。 ## 平台功能 ### AI 智能测试用例生成 基于大语言模型（LLM）技术，实现从需求到测试用例的智能转化： - **多源输入**：支持需求文档、AI 对话、知识库检索等多种输入方式 - **结构化输出**：自动生成包含测试步骤、前置条件、输入数据、期望结果、优先级（P0-P3）的完整用例 - **流式对话**：LangGraph 驱动的流式 AI 对话，支持上下文摘要压缩与 Token 用量统计 - **多模型支持**：OpenAI、Azure OpenAI、Ollama、Xinference 等 OpenAI 兼容格式 LLM ### 智能编排（Orchestrator） AI 驱动的端到端测试生成流水线： - **自动化编排**：需求→知识库检索→AI 分析→测试用例生成 - **交互式执行**：执行计划确认，支持 Agent Loop 分步执行 - **HITL 审批**：人工审批中间件，关键节点可人工介入 ### 知识库管理与文档理解 构建项目级知识库，为 AI 生成提供精准上下文： - **多格式支持**：PDF、Word、Excel、PPT、Markdown、网页链接 - **智能分块**：自动文档解析、分块与向量化存储，支持图片提取与多模态嵌入 - **混合检索**：Dense + BM25 Sparse 稀疏-稠密混合检索 + RRF 融合排序 - **Reranker 精排**：可配置重排序模型提升检索精度 ### MCP 工具集成 通过 Model Context Protocol 实现 AI 与测试工具的无缝对接： - **远程服务管理**：streamable-http、SSE 等传输协议，支持多服务器配置 - **工具发现与同步**：自动从 MCP 服务器发现并同步可用工具 - **HITL 人工审批**：工具级别的敏感操作人工确认机制 - **内置工具集**：WHartTest 自身 MCP 工具（项目/模块/用例 CRUD）及第三方平台集成 ### 需求评审与风险分析 AI 驱动的需求质量评估，提前识别潜在风险： - **六维评分体系**：完整度、清晰度、一致性、可测性、可行性、逻辑性 - **状态流转**：上传→处理→模块拆分→用户调整→待评审→评审中→完成 - **专项分析报告**：8 种分析维度的独立报告 - **在线文档编辑**：集成 ONLYOFFICE 文档编辑器，支持 AI 补全与 AI 分析插件 ### 测试用例管理 全生命周期的测试用例管理能力： - **5 级模块树**：灵活的用例组织结构 - **7 种测试类型**：覆盖功能、接口、性能、安全等测试场景 - **用例审核**：待审核、通过、优化、不可用等状态流转 - **测试套件**：灵活组合用例，支持并发执行配置 - **Excel 导入/导出**：可配置字段映射的模板系统 - **批量操作**：用例的批量创建、编辑、移动、删除 ### UI 自动化测试 低代码 UI 自动化，降低自动化测试门槛： - **可视化编排**：5 级模块 → 页面管理 → 元素定位 → 步骤编排 → 用例组装 - **9 种定位策略**：CSS、XPath、Text、Role、Label、Placeholder、AltText、Title、TestId - **6 种步骤类型**：元素操作、断言、SQL 查询、自定义变量、条件判断、Python 代码 - **多浏览器支持**：Chromium / Firefox / WebKit，支持持久化浏览器上下文 - **Trace 追踪**：完整的截图、Trace 录制与回放 ### APP 自动化测试 集成 mobile-mcp，支持移动端应用自动化测试： - **多平台支持**：Android、iOS 设备自动化 - **元素交互**：点击、滑动、输入、手势操作 - **屏幕操作**：截图、录屏、亮度/音量调节 ### Skill 智能技能系统 可扩展的 Agent 技能管理框架： - **多来源导入**：ZIP 文件上传、Git 仓库导入 - **SKILL.md 规范**：标准化的技能描述文件 - **内置技能**：浏览器自动化（Playwright/agent-browser）、图表生成（Draw.io）、知识库查询、平台 CLI 工具 - **安全隔离**：技能文件独立存储，防止路径穿越攻击 - **专属资源**：加入技术交流群获取经过微调优化的 Skills 和 MCP 工具包 ### 任务中心 定时/周期任务调度： - **4 种调度策略**：一次性 / 每小时 / 每天 / 每周 - 关联 UI 自动化或测试套件执行 - 失败重试策略，基于 Celery Beat 数据库调度器 ### 执行报告与分析 全面的测试执行结果分析： - **实时监控**：执行进度、状态实时更新 - **多维度统计**：通过率、执行时长、失败原因分析 - **历史对比**：支持执行结果的历史趋势分析 ## 文档 详细文档请访问：https://docs.wharttest.mgdaas.cn:4430/ ## 快速开始 ### Docker 部署（推荐 - 开箱即用） ```bash # 1. 克隆仓库 git clone https://github.com/MGdaasLab/WHartTest.git cd WHartTest # 2. 准备配置（使用默认配置，包含自动生成的API Key） cp .env.example .env # 3. 一键启动（以下两种方式二选一） # 方式一：使用部署脚本（推荐，支持镜像源择优） ./run_compose.sh # 方式二：直接使用 docker-compose docker-compose up -d # 4. 访问系统 # http://localhost:8913 (admin/admin123456) ``` **就这么简单！** 系统会自动创建默认API Key，MCP服务开箱即用。 ### 统一部署脚本 如果你使用仓库自带脚本部署，现在启动后会先让你在“远程拉镜像”和“本地构建镜像”之间二选一： ```bash ./run_compose.sh ``` 这个脚本现在会： - 先选择部署方式：`remote` 远程镜像下载，或 `local` 本地构建镜像 - `remote` 模式会自动在内置远程镜像仓库候选里测速择优，用户只需选择 `1` 即可 - `remote` 会按仓库类型分别选择：Docker Hub 使用官方 / `docker.1panel.live` / `docker.1ms.run` / `docker.xuanyuan.me` / `docker.m.daocloud.io`，GHCR 使用官方 / `ghcr.1ms.run` / `ghcr.nju.edu.cn` / `ghcr.m.daocloud.io`，MCR 使用官方 / `mcr.azure.cn` / `mcr.m.daocloud.io` - `local` 模式会自动探测当前网络下更快的 `APT / PyPI / npm / Hugging Face` 下载地址 - Python 依赖安装现在支持自动回退：首选测速最快的 PyPI 源，某个包下载超时会顺序切到其余候选继续安装 - `local` 内置候选包含官方源、清华、中科大、阿里云、腾讯云、华为云、北外、上海交大、`npmmirror`、`hf-mirror` 等 - 支持通过环境变量继续追加你自己的候选镜像源 - 本地构建默认使用 Docker 缓存，不再每次都 `--no-cache` 常用示例： ```bash # 交互选择部署方式 ./run_compose.sh # 直接使用远程预构建镜像 ./run_compose.sh remote # 直接使用本地构建，并自动选择更快下载源 ./run_compose.sh local # 本地构建时强制使用原生官方源 DOCKER_SOURCE_PROFILE=native ./run_compose.sh local # 本地构建时强制只在镜像源里择优 DOCKER_SOURCE_PROFILE=mirror ./run_compose.sh local # 给 PyPI 追加自定义候选源（注意用引号包起来） DOCKER_PIP_CANDIDATES_EXTRA="corp|https://pypi.example.com/simple|https://pypi.example.com/simple/pip/" ./run_compose.sh local # 只有在本地全量重建时才禁用缓存 DOCKER_BUILD_NO_CACHE=1 ./run_compose.sh local ``` > ⚠️ **生产环境提示**：请登录后台删除默认API Key并创建新的安全密钥。 ## 页面展示 | | | |---|---| | ![alt text](docs/public/img/image-a1.png) | ![alt text](docs/public/img/image-a2.png) | | ![alt text](docs/public/img/image-a3.png) | ![alt text](docs/public/img/image-a4.png) | | ![alt text](docs/public/img/image-a5.png) | ![alt text](docs/public/img/image-a17.png) | | ![alt text](docs/public/img/image-a7.png) | ![alt text](docs/public/img/image-a8.png) | | ![alt text](docs/public/img/image-a9.png) | ![alt text](docs/public/img/image-a10.png) | | ![alt text](docs/public/img/image-a11.png) | ![alt text](docs/public/img/image-a12.png) | | ![alt text](docs/public/img/image-a13.png) | ![alt text](docs/public/img/image-a14.png) | | ![alt text](docs/public/img/image-a15.png) | ![alt text](docs/public/img/image-a16.png) | ## 贡献指南 1. Fork 项目 2. 创建功能分支 3. 提交更改 4. 创建 Pull Request ## 联系方式 如有问题或建议，请通过以下方式联系： - 提交 Issue - 项目讨论区 - 添加微信时请备注 github ，拉你进微信群聊。 - 加群获取最新更新信息及SKill。 image qq群： 1. 8xxxxxxxx0（已满） 2. 1017708746 --- ## 【重要安全警示】关于 v1.4.0 以及后续版本 Skills 权限及部署安全的声明 鉴于 Skills 模块具备较高的系统执行权限，为了保障您的数据与环境安全，我们做出以下严正提示： 部署建议：强烈建议仅在内网环境或受信任的私有网络中部署使用。 访问控制：切勿将服务直接暴露于公网（Public Internet），或授予任何未经身份验证及不可信人员访问权限。 免责声明：本项目（WHartTest）仅供学习与研究使用。用户需自行承担因违规部署（如开放公网、未做鉴权等）所导致的一切安全风险与后果。对于因不当配置引发的数据泄露、服务器被入侵等安全事故，WHartTest 团队不承担任何法律及连带责任。 **WHartTest** - AI驱动测试用例生成，让测试更智能，让开发更高效！