用 AI Agent 做 BDF 日常测试:OpenClaw + BDFAutotest 实战

我是 BDF 的开发者，同时也是 OpenClaw（一个开源 AI Agent 平台）的用户。

在日常开发中，每次提交代码后最麻烦的事就是手动跑测试——编译、等结果、对结果、记录问题。尤其是当代码涉及到多模块耦合时，漏检一个 regression 是常有的事。

最近我把 BDFAutotest 和 OpenClaw 结合起来，实现了代码更新自动触发测试、结果自动推送的流程。本文就是这个玩法的实战分享。

BDFAutotest 是一个专门用来做 BDF 自动化编译与测试的 AI Agent，协助维护 BDF 的日常开发工作。它的核心功能：

一条命令搞定完整测试流程：

git clone  https://github.com/bingbingsuo/BDFAutotest.git
cd BDFAutotest
python3 -m src.orchestrator --config config/config.yaml

我通过 OpenClaw 来调度 BDFAutotest，核心逻辑：

每天定时触发 → 检查代码是否更新 →
无更新 → 跳过测试，发送通知
有更新 → 启动编译 + 完整测试 → 推送报告

自动化带来的变化：

- 不用每天手动登录集群跑测试 

- 代码有更新才测试，节省计算资源 

- 测试结果自动推送到手机，随时掌握状态 

- 每次结果自动归档，方便回溯

以我最近的测试为例：

推送效果：

�� BDF 测试报告 - hdf5-chkfil-primary
提交：51c0eac
结果：150/160 通过 ✅
失败：10 个（已知问题）
编译：Intel ifx + MKL

开发者不需要登录服务器，在手机上就能看到今天有没有引入新问题。

# 1.克隆仓库

git clone https://github.com/bingbingsuo/BDFAutotest.git
cd BDFAutotest

# 2.安装依赖

pip install -r requirements.txt

# 3.配置（编辑 config/config.yaml）

#   - 设置 git 仓库地址和分支

#   - 选择编译器（gnu/intel/llvm）

#    - 配置数学库路径

#   - 设置hdf5路径  

# 4.运行

python3 -m src.orchestrator --config config/config.yaml

常用选项

#仅跑 smoke 测试（快速验证）

python3 -m src.orchestrator --config config.yaml --profile smoke

#跳过编译，仅运行测试

python3 -m src.orchestrator --config config.yaml --skip-build

#单独测试某个用例

python3 -m src.orchestrator run-test test004

如果想实现我这样的自动调度流程，需要：

1. 部署一个 OpenClaw Agent 

2. 配置定时任务（每天自动检查） 

3. 对接飞书/钉钉等 IM 推送报告

具体实现可以参考 BDFAutotest 仓库中的 AI_AGENT_INTEGRATION.md 文档。

1. 日常开发

— 每次 push 后自动跑测试，第一时间发现 regression

2. 多人协作

— 不同开发者提交后自动测试，结果统一归档

3. 版本发布前

— 完整回归测试，确保发版质量

4. 长期维护

— 记录每次测试历史，追溯问题来源

BDFAutotest 解决的是一个很实际的问题：让代码质量检查变成可持续的日常流程，而不是每次发版前的手忙脚乱。

配合 AI Agent 使用，进一步减少了人工干预——代码更新了自动测试，有问题自动通知，结果自动归档。这对于长期维护一个大型量子化学软件包的团队来说，是实实在在的效率提升。

相关链接：

- BDFAutotest：

https://github.com/bingbingsuo/BDFAutotest

- BDF 主站：

https://bdf-manual.readthedocs.io/zh-cn/latest/