把整个测试流程交给 AI 是什么体验？我开源了（附在线体验地址）

🎉 项目已开源（MIT License）：https://gitee.com/wwcs/ai_test_sheng
🚀 在线体验：http://111.229.22.12（体验账号 admin / admin123）

一、先说说测试人的日常

作为测试工程师，你有没有过这样的时刻：

• 😫 需求文档滞后，页面全靠自己一点点探索
• 📝 用例设计靠经验，等价类、边界值想起来一个写一个
• 🌙 回归测试熬夜点点点，眼睛盯屏幕盯到花
• 📊 测试报告手动整理，Excel 排版比写用例还费时间

我选择把这些全部交给 AI。

在 ai_test_sheng 这个开源平台上，你只需要用自然语言说一句：

"帮我测一下订单流程"

AI 就会自动完成：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，整个过程在对话里实时可见，哪里不满意直接让 AI 改。

一句话总结：你提需求，AI 帮你测，全程可见、可干预、可修复。

开源地址（Gitee）：https://gitee.com/wwcs/ai_test_sheng

二、核心特性

三、系统架构（四层）

┌─────────────────────────────────────────────┐
│  前端展示层  React + UmiJS + Ant Design      │
│  Chat 对话页 / 脚本管理 / 修复中心 / 定时任务  │
├─────────────────────────────────────────────┤
│  后端 API 层  Django + DRF                   │
│  ScriptViewSet / ChatSession / Repair / Cron │
│  SSE 流式接口 / 租户隔离 / 权限控制           │
├─────────────────────────────────────────────┤
│  AI 客户端层  ai_client.py                   │
│  claude-code-server (HTTP 常驻, 8085 端口)   │
│  Claude Code / DeepSeek 兼容端点             │
├─────────────────────────────────────────────┤
│  执行与持久化  SandboxRunner + MySQL/Redis   │
│  subprocess 沙箱执行 / Celery 异步任务       │
└─────────────────────────────────────────────┘

技术栈一览

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_*.py

AI 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 StreamingHttpResponse，AI 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：

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_JENKINS=1        # 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_URL=https://api.deepseek.com/anthropic
ANTHROPIC_AUTH_TOKEN=sk-你的DeepSeekKey
ANTHROPIC_MODEL=deepseek-v4-flash
ANTHROPIC_SMALL_FAST_MODEL=deepseek-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 👇

八、License

本项目基于 MIT License 开源，可自由使用、修改、商用。

写在最后

把测试流程交给 AI 之后，我们团队最大的感受是：重复的活 AI 干，测试人把精力留给真正需要判断力的事。

这个项目沉淀了我们在 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。

如果这个项目帮你省下了一个加班的夜晚，欢迎：

• ⭐ 点个 Star：https://gitee.com/wwcs/ai_test_sheng —— 让更多测试人早点下班 🙏
• 🐛 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，在线体验环境随时可玩，不用部署

求 Star！求关注！让 AI 多干活，让测试少加班！ 🚀