ARTICLE · 1106167

一个 AI 驱动的软件测试平台集群,性能/UI/移动/需求测试全覆盖

发布时间：2026-09-30 22:27:16 最近访问：2026-09-30 22:27:16

需求、接口、性能、UI、移动端——传统测试工具各管一摊，数据割裂、登录都要点好几次。今天拆解一个开源项目 AI-SoftwareQualityPlatform：它把测试全流程收拢成一个集群，用统一门户做 SSO 单点登录，用 AI 贯穿「生成脚本 → 执行 → 自愈修正 → 分析报告」的每个环节。

一、先看整体：一个门户，四个引擎，共享一套数据

项目的架构一张图就能看懂：

│  JMeter  │ │Playwright│ │Mobile│ │    ReqTest     ││ 性能测试 │ │ UI自动化 │ │移动端 │ │ 需求测试一体化 │└────┬─────┘ └───┬────┘ └──┬───┘ └───────┬────────┘     │           │         │              │     └───────────┴─────────┴──────────────┘                         │                         ▼              ┌──────────────────┐              │    MySQL 8.0     │  ← 共享数据库              └──────────────────┘

四个测试引擎各司其职，最终共享同一个 MySQL，通过 SHARED_JWT_SECRET 实现一次登录、全线贯通。

二、核心大脑：LifengTest 需求-测试一体化平台

这是整个集群功能最重的一块，也是"需求驱动测试"理念的落地。光看它内部的模块划分，就能感受到工程深度：

需求评审：AI 自动分析需求文档的一致性、完整性、可行性、可测试性，并集成 DOCX 编辑器在线协同，还能自动拆分大型需求为可测试单元

测试用例：基于需求文档 + 知识库，AI 智能生成用例；支持模块化嵌套分组、Excel/CSV 模板导入导出

API 测试：内置 HttpRunner 执行引擎，支持 HTTP/Thrift，多环境配置切换

UI 自动化：集成 Playwright，WebSocket 实时回传测试步骤，支持 Trace 解析

知识库：基于 Qdrant 向量数据库做 RAG，配合可定制的中英文 Prompt 模板

任务调度：Celery 异步 + Cron 定时任务

企业集成：企业微信机器人消息推送 + SSO 统一认证

技术栈是Django REST Framework + Vue 3 + LangChain/LangGraph + MCP，单这一个模块就挂了 PostgreSQL、MySQL、Qdrant、Redis 四类存储，Docker 编排多达12 个服务。

三、JMeter：让 AI 替你写压测脚本

性能测试平台基于Flask + React/Ant Design，核心是AI 智能生成 JMeter 脚本：

用自然语言描述需求，AI 自动生成 JMeter 5.6.3 测试计划 XML 脚本

内置「单接口 / 多接口 / 结果分析」三类 Prompt 模板

脚本管理 + 版本控制，JMX 脚本可上传、编辑、保存

内置 Nmap 安全扫描，扫描脚本管理、执行、报告一条龙

AI 分析压测结果，给出优化建议

一个有意思的设计是：Prompt 模板是预置在 data/init_prompts_jmeter.json 里的，首次启动自动导入，用户还能自行定制。

四、Playwright：不止 UI 自动化，还有「会自愈」的白盒测试

这是四个平台里 AI 味道最浓的一个。它支持Playwright（UI 自动化）和Pytest（白盒测试）双引擎：

脚本生成规则（抽取自后端实现）：

UI 脚本：强制语义化定位（getByRole/getByText）、显式等待、CommonJS 规范

白盒脚本：要求覆盖分支/决策、条件、路径、边界值、异常路径（pytest.raises）、参数化、Mock 隔离——把白盒测试的准则直接写进了 System Prompt

最值得称道的是"AI 自愈循环"：

 生成脚本 → node --check / py_compile 语法校验    ↓ 失败  AI 自动修正 → 重新校验（最多 3 次）       ↓ 3 次仍失败    反向生成「Prompt 模板改进建议」，回写模板库

也就是说，脚本生成失败不会就此打住，而是会倒逼 Prompt 模板本身持续优化——这是一个自我进化的闭环。

此外它还集成了SonarQube 静态分析、批量生成（一次最多 50 条）、Jenkins 集成、以及「一键白盒」：直接读取被测源码 → AI 生成 → 执行。

五、Mobile：让 AI 自主「玩」你的 App

移动端平台最有想象力。它基于Kotlin/Ktor + Koog Agent 框架，核心是让大模型自主决策测试步骤：

LLM 通过 ADB 工具操控真实 Android 设备：截图、点击、滑动、输入、按键

支持 DeepSeek、Claude、Gemini、OpenRouter、Ollama 多模型，运行时热切换

自动记录工具调用、截图、视频片段，生成 JSON manifest + HTML 报告

测试场景、报告全部持久化到 MySQL

换句话说，你只要给它一个「目标 + 步骤清单」，Agent 会自己连上设备、唤醒屏幕、启动 App、逐步验证、最后吐出一份 PASS/FAIL 汇总。这种「自主探索式测试」正是移动端测试最缺的东西。

六、统一门户：一次登录，全线贯通

门户基于Flask + PyJWT + Bcrypt，是集群的认证中枢：

用户浏览器    │ 1. 用户名/密码登录    ▼┌──────────────┐   2. Bcrypt 密码校验│  Portal 5003 │   3. 签发 JWT (SHARED_JWT_SECRET)└──────┬───────┘       │ JWT Token  ┌────┴─────┬──────────┐  ▼          ▼          ▼JMeter    Playwright   LifengTest

各子平台用同一把密钥验签，实现真正的单点登录。门户还集成了 Docker SDK，能实时检测各子平台的容器运行状态，并作为统一导航入口。

七、技术亮点小结

亮点	说明
AI 贯穿全流程	生成 → 执行 → 自愈修正 → 分析报告，四个平台全部 AI 驱动
自愈闭环	Playwright 脚本失败自动修正 3 次，还能反向优化 Prompt 模板
RAG 知识库	Qdrant 向量库 + Prompt 模板，让 AI 生成更贴合业务
MCP 协议	支持远程工具注册，AI 能力可扩展
自主探索测试	移动端 Agent 自主决策步骤，无需编写脚本
统一 SSO	一次登录访问全部平台

八、部署：Docker Compose 一键拉起

git clone https://github.com/plfmail/AI-SoftwareQualityPlatform.git     cd AI-SoftwareQualityPlatform cp .env.example .env填入 API Key 等配置  docker-compose up -d

启动后即可访问：门户 3003、JMeter 前端 3001、Playwright 前端 3002、Mobile 3005。

安全方面：.env 已加 .gitignore，API Key 不泄露；数据库端口仅内网暴露；生产环境务必改掉默认密钥。

九、写在最后

这个项目最打动我的，不是它铺得多广，而是每个环节都有真实的 AI 工程落地——不是"套个 ChatGPT 壳"，而是把 AI 嵌进了脚本生成规范、语法自愈循环、白盒覆盖准则、移动端自主探索这些具体问题上。

对测试工程师和 DevOps 来说，无论是直接部署使用，还是研究「AI + 测试」的工程实现，它都是一个相当值得一看的参考。

项目地址：https://github.com/plfmail/AI-SoftwareQualityPlatform技术栈：Django / Vue3 / React / Flask / Kotlin / LangGraph / MCP / Qdrant / Docker