基于 AI 驱动的新一代自动化测试平台，聚焦 AI 生成测试、AI 执行测试、AI 自动回归、AI 智能分析、AI 自动化修复 Bug 的完整解决方案。
- 智能分析需求文档和用户故事，自动生成测试用例
- 基于现有代码库推理生成测试场景
- 支持自然语言描述生成测试步骤
- 自动化测试用例优化与覆盖度分析
- 动态生成边界值和异常测试场景
- AI Agent 驱动的自动化测试执行引擎
- 智能识别页面元素和交互行为
- 实时执行状态跟踪与智能重试机制
- 支持多环境并发执行与负载均衡
- 执行日志智能分析与异常根因定位
- 智能分析代码变更，自动筛选回归测试集
- 增量测试策略，优化测试执行效率
- 基于风险优先级自动调整回归范围
- 自动检测回退问题，及时预警
- 历史缺陷库智能分析，预防回归风险
- 测试结果多维度智能分析与可视化
- 智能识别测试失败模式与共性缺陷
- 测试质量趋势预测与风险评估
- 代码覆盖率智能分析与优化建议
- 性能瓶颈智能诊断与优化方案
- 智能分析错误日志和堆栈信息
- 自动生成 Bug 修复建议代码
- 修复方案可行性评估与验证
- 自动提交 Pull Request 进行修复
- 修复效果智能验证与回归测试
- 丰富的 MCP 工具生态，扩展 AI 能力边界
- 支持文件系统、数据库、API、Git 等多种工具
- 自定义 MCP 工具开发与集成
- 工具调用链智能编排与优化
- MCP Server 生命周期管理与监控
- 可编程的 AI 技能/指令集管理
- 支持多种脚本语言（Python、JavaScript、YAML、JSON）
- 技能参数化配置与智能验证
- 技能版本管理与 A/B 测试对比
- 技能执行性能监控与优化
- 分布式技能代码管理
- 支持 Token、SSH 密钥等多种认证方式
- 手动、定时、Webhook 多种同步策略
- 技能文件变更智能追踪
- 团队协作开发与代码审查流程
- 支持多租户隔离与资源共享
- 细粒度权限管理与角色控制
- OAuth2 第三方登录集成（GitHub、Gitee、GitLab、钉钉）
- 项目级数据隔离与审计日志
- 用户行为分析与操作追溯
- Vue 3 (Composition API) - 响应式前端框架
- Element Plus - 企业级 UI 组件库
- Vue Router - 路由管理
- Pinia - 状态管理
- Axios - HTTP 请求库
- Vite - 现代化构建工具
- Flask - 轻量级 Web 框架
- Flask-RESTX - API 文档和 RESTful 框架
- SQLAlchemy - ORM 数据库操作
- Flask-CORS - 跨域请求支持
- Flask-Migrate - 数据库迁移管理
- Alembic - 数据库版本控制
- MySQL/PostgreSQL - 关系型数据库
- 大语言模型集成 (LLM) - 支持多种 LLM 提供商
- Model Context Protocol (MCP) - AI 工具集成标准协议
- AI Agent 引擎 - 智能测试执行与决策
- 自然语言处理 - 需求理解和测试生成
- 代码分析引擎 - 代码变更影响分析
testp/
├── backend/ # Flask后端
│ ├── app/
│ │ ├── __init__.py # 应用工厂，自动执行数据库迁移
│ │ ├── config.py # 配置文件
│ │ ├── models/ # 数据模型
│ │ │ ├── __init__.py
│ │ │ ├── tenant.py # 租户模型
│ │ │ ├── user.py # 用户模型
│ │ │ ├── project.py # 项目模型
│ │ │ ├── test_case.py # 测试用例模型
│ │ │ ├── test_plan.py # 测试计划模型
│ │ │ ├── test_env.py # 测试环境模型
│ │ │ ├── defect.py # 缺陷模型
│ │ │ ├── test_report.py # 测试报告模型
│ │ │ ├── mcp_tool.py # MCP Server、工具、资源模型
│ │ │ ├── skill.py # Skill 模型
│ │ │ └── skill_repository.py # Git 技能仓库模型
│ │ ├── apis/ # API路由
│ │ │ ├── __init__.py
│ │ │ ├── tenant.py
│ │ │ ├── user.py
│ │ │ ├── project.py
│ │ │ ├── test_case.py
│ │ │ ├── test_plan.py
│ │ │ ├── test_env.py
│ │ │ ├── defect.py
│ │ │ ├── test_report.py
│ │ │ ├── mcp_skills.py # MCP Server 和 Skill API
│ │ │ ├── skill_repositories.py # Git 技能仓库 API
│ │ │ ├── oauth.py # OAuth2 认证 API
│ │ │ └── ai_execution.py # AI 执行 API
│ │ ├── services/ # 服务层
│ │ │ ├── mcp_client.py # MCP 客户端
│ │ │ ├── mcp_operations.py # MCP 操作
│ │ │ ├── mcp_process_manager.py # MCP 进程管理
│ │ │ └── git_sync_service.py # Git 同步服务
│ │ ├── utils/ # 工具函数
│ │ │ ├── crypto.py # 加密工具
│ │ │ └── async_helper.py # 异步辅助
│ │ └── middleware/ # 中间件
│ ├── migrations/ # 数据库迁移（自动执行）
│ ├── requirements.txt
│ └── run.py
├── frontend/ # Vue 3前端
│ ├── src/
│ │ ├── api/ # API调用
│ │ │ ├── mcp-skills.js
│ │ │ ├── skill-repositories.js
│ │ │ ├── oauth.js
│ │ │ └── ai-execution.js
│ │ ├── components/ # 公共组件
│ │ ├── views/ # 页面视图
│ │ │ ├── MCPSkills/ # MCP Server 管理页面
│ │ │ ├── Skills/ # Skill 管理页面
│ │ │ └── TestCase/ # 测试用例和 AI 执行页面
│ │ ├── router/ # 路由配置
│ │ ├── store/ # 状态管理
│ │ ├── App.vue
│ │ └── main.js
│ ├── package.json
│ └── vite.config.js
└── README.md
- Python 3.8+
- Node.js 16+
- MySQL 8.0+ 或 PostgreSQL 12+
- Git
cd backend
# 创建虚拟环境
python -m venv venv
# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate
# 安装依赖包
pip install -r requirements.txt
# 配置数据库和 AI 模型
# 修改 app/config.py 中的配置
FLASK_ENV=development
SECRET_KEY=your-secret-key
AI_MODEL_API_KEY=your-ai-model-api-key
# 启动服务（数据库迁移会自动执行）
python run.py后端服务将在 http://localhost:5000 启动
注意：应用启动时会自动执行数据库迁移到最新版本，无需手动运行 flask db upgrade。
cd frontend
# 安装依赖
npm install
# 启动开发服务器
npm run dev前端服务将在 http://localhost:5173 启动
在 backend/app/config.py 中配置数据库连接：
# MySQL
SQLALCHEMY_DATABASE_URI = 'mysql+pymysql://user:password@localhost/ai_test_platform'
# PostgreSQL
SQLALCHEMY_DATABASE_URI = 'postgresql://user:password@localhost/ai_test_platform'
# SQLite (开发环境)
SQLALCHEMY_DATABASE_URI = 'sqlite:///ai_test_platform.db'创建 .env 文件配置环境变量：
# 基础配置
FLASK_ENV=development
SECRET_KEY=your-secret-key-here
DATABASE_URL=your-database-url
# AI 模型配置
AI_MODEL_PROVIDER=openai
AI_MODEL_API_KEY=your-ai-model-api-key
AI_MODEL_NAME=gpt-4
# MCP 配置
ENABLE_MCP=true
MCP_TIMEOUT=30
# OAuth2 配置
OAUTH_GITHUB_CLIENT_ID=your-github-client-id
OAUTH_GITHUB_CLIENT_SECRET=your-github-client-secret平台支持多种 LLM 提供商，需要在配置中设置相应的 API Key 和模型参数：
- OpenAI (GPT-4, GPT-3.5)
- Anthropic (Claude)
- Google (Gemini)
- Azure OpenAI
- 本地部署的开源模型 (Llama, Mistral 等)
后端启动后访问 http://localhost:5000/api/doc 查看Swagger API文档
- 智能需求分析与测试用例生成
- 自然语言描述转换为测试步骤
- 自动识别边界值和异常场景
- 测试覆盖度智能分析
- AI Agent 驱动的实时执行展示
- 智能页面元素识别
- 执行日志智能分析
- 异常自动重试机制
- 代码变更影响分析
- 智能筛选回归测试集
- 风险优先级排序
- 回归效率优化
- 测试结果多维度可视化
- 失败模式智能识别
- 质量趋势预测
- 优化建议自动生成
- 错误日志智能分析
- 自动生成修复代码
- 修复效果验证
- 自动化回归测试
- 项目架构设计
- 多租户与用户管理
- 项目与测试环境管理
- 测试用例管理系统
- 测试计划与执行管理
- 缺陷管理与跟踪
- 测试报告与统计分析
- MCP (Model Context Protocol) 集成
- AI 技能引擎开发
- Git 技能仓库同步
- OAuth2 第三方登录
- AI 测试执行引擎
- 数据库自动迁移
- AI 测试生成引擎
- AI 自动回归测试
- AI 智能分析平台
- AI Bug 修复系统
- AI 测试用例优化算法
- 智能测试覆盖率分析
- 性能测试智能诊断
- 多环境并发执行优化
- 用户权限管理增强（RBAC）
- 测试数据导入导出优化
- 移动端适配
- 实时协作编辑
- 性能优化和缓存策略
- 更多 LLM 模型支持
- 自定义 MCP Server 开发工具
在 backend/app/config.py 中配置 OAuth2 提供商：
# GitHub OAuth
OAUTH_GITHUB = {
'client_id': 'your-github-client-id',
'client_secret': 'your-github-client-secret'
}
# Gitee OAuth
OAUTH_GITEE = {
'client_id': 'your-gitee-client-id',
'client_secret': 'your-gitee-client-secret'
}
# GitLab OAuth
OAUTH_GITLAB = {
'client_id': 'your-gitlab-client-id',
'client_secret': 'your-gitlab-client-secret'
}系统支持两种认证方式：
Token 认证：
- 适用于 GitHub、Gitee、GitLab
- 需要提供 Personal Access Token
- Token 会被加密存储
SSH 密钥认证：
- 适用于所有 Git 仓库
- 需要提供 SSH 私钥内容
- 支持可选的密钥密码
- 提供 Git 仓库 URL
- 选择分支（默认：main）
- 指定技能文件路径
- 选择认证方式或使用公共仓库
手动同步： 需要手动触发同步
定时同步： 按配置的时间间隔自动同步
Webhook 同步： 通过 Git Webhook 触发同步（需配置 webhook secret）
适用于本地进程启动的 MCP Server：
{
"name": "Filesystem MCP",
"code": "filesystem",
"transport_type": "stdio",
"command": "npx",
"arguments": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/directory"],
"env": {
"PATH": "/usr/local/bin:/usr/bin:/bin"
},
"timeout": 30
}适用于远程 MCP Server：
{
"name": "Remote MCP",
"code": "remote-mcp",
"transport_type": "sse",
"url": "https://example.com/mcp/sse",
"timeout": 30
}项目使用 Alembic 进行数据库版本管理。应用启动时会自动执行迁移到最新版本。
如需手动管理迁移：
# 创建新迁移
flask db migrate -m "描述信息"
# 手动升级到最新版本
flask db upgrade
# 查看当前版本
flask db current
# 回滚迁移
flask db downgrade# 构建镜像
docker build -t ai-test-platform .
# 运行容器
docker run -p 5000:5000 \
-e DATABASE_URL=mysql+pymysql://user:password@db:3306/ai_test_platform \
-e AI_MODEL_API_KEY=your-api-key \
-e SECRET_KEY=your-secret-key \
ai-test-platform- 设置
FLASK_ENV=production - 使用生产级数据库（MySQL/PostgreSQL）
- 配置反向代理（Nginx）
- 设置
SECRET_KEY为强随机密码 - 启用 HTTPS
- 配置 AI 模型 API 限流和重试机制
- 设置日志级别为 INFO 或 WARNING
- 配置数据库连接池
- 使用 Redis 缓存 AI 响应结果
- 启用数据库查询缓存
- 配置 CDN 加速静态资源
- 使用队列系统处理 AI 任务
- 启用 GZIP 压缩
检查数据库配置是否正确，确保数据库服务已启动，验证数据库用户权限。
检查后端服务是否启动，确认 CORS 配置是否正确，验证 API 端点地址。
- 验证 API Key 是否正确
- 检查网络连接和代理设置
- 确认 API 配额是否充足
- 查看日志获取详细错误信息
查看日志获取详细错误信息，确保数据库用户有足够权限。
- 检查 MCP Server 配置是否正确
- 验证传输类型和参数设置
- 查看 MCP 进程日志
- 确认端口号未被占用
欢迎提交 Issue 和 Pull Request！
MIT
如有问题或建议，请通过以下方式联系：
- 提交 GitHub Issue
- 发送邮件至：support@example.com
基于大语言模型的测试用例自动生成系统，通过分析需求文档、用户故事和代码结构，智能生成全面的测试场景：
- 需求理解：AI 深度理解业务逻辑和功能需求
- 场景推理：基于领域知识推导出完整的测试路径
- 边界识别：自动识别边界条件和异常场景
- 用例优化：持续优化测试用例的覆盖率和有效性
智能化的测试执行引擎，通过 AI Agent 驱动测试流程：
- 智能元素识别：AI 自动识别页面元素和交互节点
- 自适应执行：根据页面变化智能调整执行策略
- 智能重试机制：自动识别失败原因并智能重试
- 异常预测：提前识别潜在的执行风险
基于代码变更分析的智能回归测试系统：
- 变更影响分析：AI 分析代码变更的影响范围
- 智能筛选：自动筛选受影响的测试用例
- 风险优先级：根据代码变更风险调整测试优先级
- 增量回归：只回归受影响的部分，提高效率
全方位的测试数据智能分析与挖掘：
- 模式识别：AI 识别测试失败的共同模式
- 趋势预测：预测测试质量趋势和风险
- 根因分析：智能分析失败的深层原因
- 优化建议：提供针对性的优化建议
基于代码理解的自动化 Bug 修复系统：
- 日志分析：AI 智能分析错误日志和堆栈信息
- 修复建议：自动生成修复代码片段
- 可行性评估：评估修复方案的可行性和风险
- 自动验证：自动执行修复验证和回归测试
开放的 AI 工具集成标准协议，扩展 AI 能力边界：
- 工具生态：连接文件系统、数据库、API 等外部工具
- 智能编排：AI 自动编排工具调用链
- 标准化接口：统一的工具调用和管理接口
- 生命周期管理：完整的工具部署、监控、扩缩容管理
可编程的 AI 技能管理平台：
- 多种语言：支持 Python、JavaScript、YAML、JSON
- 参数化配置：灵活的参数定义和智能验证
- 版本管理：完整的技能版本控制和 A/B 测试
- 性能监控：实时的技能执行性能监控和优化
分布式技能管理和协作平台：
- 代码托管：基于 Git 的技能代码管理
- 多种认证：支持 Token、SSH 密钥等多种认证方式
- 智能同步：手动、定时、Webhook 多种同步策略
- 变更追踪：完整的技能变更历史和追溯