AI 測試平台

2026-11-03 6

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 随着 AI 技术普及，很多团队都希望搭建一套 AI 测试平台：统一管理各类测试资产，把 AI 能力嵌入测试流程，帮助日常测试提效。同时现在不少企业招聘里，测试平台搭建、二次定制开发，也已经是测试工程师很重要的加分项。如果只会使用现成工具，很难做出差异化竞争力。基于这些考量，我这边也开始进行AI测试平台的开发。市面上同类产品虽然不少，但大多很难贴合自己的业务场景。所以还是打算按照真实测试需求，从零搭建一套适配度更高的平台。平台定位覆盖测试全流程常见场景，接入 AI 能力赋能测试提效。目前核心功能已经完成了一些，后续也会持续迭代扩充能力。核心功能介绍一、需求管理首先是

随着 AI 技术普及，很多团队都希望搭建一套 AI 测试平台：统一管理各类测试资产，把 AI 能力嵌入测试流程，帮助日常测试提效。同时现在不少企业招聘里，测试平台搭建、二次定制开发，也已经是测试工程师很重要的加分项。如果只会使用现成工具，很难做出差异化竞争力。

基于这些考量，我这边也开始进行AI测试平台的开发。市面上同类产品虽然不少，但大多很难贴合自己的业务场景。

所以还是打算按照真实测试需求，从零搭建一套适配度更高的平台。平台定位覆盖测试全流程常见场景，接入 AI 能力赋能测试提效。

目前核心功能已经完成了一些，后续也会持续迭代扩充能力。

核心功能介绍

一、需求管理

首先是需求管理，这里支持上传多种文件格式，包括md、txt、pdf、docx等等

创建之后，可以看到有下面的功能

需求分析

能够对当前的文件或者文本做分析，目的是让我们能够快速地去理解需求，这个设计的初衷是因为现在产品也很多用AI做需求设计，写出来的文档内容十分多，按照以前的方式去一行一行阅读，废话太多，阅读成本也很高，因此设计了该需求分析

主要输出内容有：功能清单（能够更加清晰的看到这个需求的功能点是什么）、界面描述（如果有界面或者截图的话，则会梳理出有什么页面）、待澄清项（则是输出需求中有什么是不清晰的，需要补齐的）

同时，右边也提供一个对话agent，能够去调整和修改本次的需求分析

例如：你这边可以将待澄清项发给产品，让产品做解答，解答完之后，你就可以将结果给到对话Agent，让它做修改就好

测试计划

能够基于当前的需求文档，输出测试计划，可以梳理出本需求文档中，目标和范围，以及能够帮你估算人天这些，对于需要编写测试计划的团队来说，能够进行一定的提效

二、功能测试

主要包含下面这些能力

AI生成用例：先生成草稿，再由用户决定是否写入用例管理

用例管理：用来管理用例

三、知识库

支持创建知识库、文档上传、分块、试检索

当然最主要的是提供给AI用例生成等Agent进行知识库内容的检索

四、接口自动化

接口资产

首先是可以导入接口资产，这个一般指的是openapi或者swagger文件，这些文件一般是用来存放接口信息的，一种标准规范。可以让开发导出swagger文件，或者openapi文件

导入后就能够看到，接口清单，可以一键导入到接口管理

接口管理

之后接口管理中就会出现前面导入的接口

能够像postman一样，直接在接口管理中发起调试

单接口Agent

这个是用来做什么的呢？主要是用于单接口的用例设计的，简单来说，就是只针对单独一个接口，按照接口用例设计方法，生成用例

在对话页面中，先选择接口

直接发送

之后会生成草稿，如果觉得不满意的，还能够进行修改

场景Agent

这个应该是实际中使用的会多一些，比较符合实际业务，就是要将多个接口给串联起来，进行完整业务的操作

同样，也是选择接口，直接发送

之后会输出草稿，绘制了数据流、以及详细的接口请求，这里如果不符合的话，则可以对话做调整

确认没问题之后，进行写入

之后可以进入编辑页做编排，当然，这里也提供了编排Agent，能够对话去修改

之后可以执行，执行后如果失败，有 AI 归因

五、UI 自动化测试

功能测试用例执行

在功能测试的测试用例中，支持对用例进行自动化执行

支持探索生成脚本的模式，以及 Agent直跑的方式

探索生成脚本的话，就是 AI 会先进行页面探索，操作网站，之后生成对应的 UI 自动化脚本，支持后续回归使用

Agent 直跑，就会使用 playwright 的无障碍树中的元素做操作，简单理解就是只执行一次，不支持复用

这里以带验证码的登录界面做演示，在执行之后，会生成截图，遇到一些需要图片识别的，则采用 midscene 进行识别

识别完之后，会生成脚本，如果觉得脚本没问题，则可以写入到 UI 用例中

还有一种就是 Agent 直跑的，步骤也是一样的，不过它不会生成脚本，这里就不演示了

这里有个需要讲解的地方，就是环境变量的注入

我们在实践中，会有一个场景，就是业务用例（非登录），我们不想要每次都进行登录，这个时候可以通过 localStorage 进行变量设置

在环境中配置变量，之后执行用例的时候，就不需要去登录了

也支持自由对话，提供网站和上下文信息，探索界面生成用例，有问题进行修复等

六、项目管理

本系统的话，主要是以项目作为关键载体进行维护的，也就是说后续的需求、用例、接口等等都围绕着项目进行

七、系统AI配置

提供多种模型配置方案

这里可以看到，总共有3个可以配置的信息，分别为：

大模型管理

这个就是项目中，Agent的基础大模型，包含让大模型决策、改东西都用它，可以理解为是大模型使用的一个基础，建议配置为多模态的，虽然文本的也可以，但是文本的话，可能就没法解析图片那些了，内部预设了一些模型，常见的话可以用deepseek之类的，deepseek apikey的获取，

向量模型管理

这个的话是提供给知识库使用的向量模型，它能够将文档的内容进行切片，之后进行向量化入库，这里后面我们在知识库的时候，再详细做讲解。

内部也预设了模型，方便快速进行填写

Midscene

这里为啥还需要midscene呢？它是用于UI自动化的，目的是用于补齐playwright的局限的，playwright对于一些复杂元素没法处理的时候，就采用midscene进行处理，同样也是有支持预设，不过注意是需要多模态模型

以上是今天的分享。AI 测试平台源码与部署文档，现已更新至知识星球。接下来我会在星球更新平台的开发思路、模块技术拆解内容。大家拿到源码后，可以对照教程动手调试，吃透底层实现；也可以基于项目改造，适配自身团队的业务场景。实操过程中遇到任何问题，都可以找 Raina 交流提问。

我也会结合大家反馈的痛点与实际需求持续迭代平台功能，让这套项目能够真正落地到大家的工作里。