中文 | English

WHartTest 是基于 Django 5.2 + DRF 与现代大模型技术打造 of AI 驱动的智能自动化测试平台。平台采用前后端分离的 Monorepo 架构，由 5 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 of 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。

https://wharttest.mgdaas.com/

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
• 失败自愈：用例执行失败自动触发 AI 自愈任务，自愈过程在对话中实时展示

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

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

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

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

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

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
• 步骤录制：支持操作步骤录制，告别手工编写脚本
• 登录态管理：支持通过手动登录截取登录态，下次测试时自动注入，跳过重复登录

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

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
• Skill沙箱：Skill 执行链采用三层纵深防御架构，全面收敛 LLM 生成命令带来的执行风险

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

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

如有问题或建议，请通过以下方式联系：

• 提交 Issue
• 项目讨论区
• 微信群聊。
• 加群获取最新更新信息。

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！

复制 .env.example 为 .env 后，可按需调整文件管理相关配置：

# 文件管理：单文件上传大小限制，单位：字节，默认 100MB
FILE_MANAGEMENT_MAX_FILE_SIZE=104857600

# LLM 附件：单文件解析文本字符数限制；0 表示不限制，超限会报错且不会截断
FILE_MANAGEMENT_LLM_MAX_CHARS_PER_FILE=0