N-Tester AI测试平台

<div align="center">

基于AI驱动的智能化测试管理平台

在线体验 | 快速开始 | 文档 | 文末有交流群

</div>

---

📖 项目介绍

N-Tester 是一款AI驱动的智能化测试管理平台，采用前后端分离架构，融合 Python FastAPI 后端框架和 Vue3 前端框架，提供一站式开箱即用的测试解决方案。

🎯 核心特性

• 🤖 AI智能生成 - 基于大语言模型的测试用例自动生成
• 📝 需求管理 - 需求文档上传、拆分、评审一体化
• 🔄 自动化测试 - 支持接口、UI、APP多种自动化测试
• 💬 智能对话 - AI聊天助手，实时通信
• 📊 可视化报告 - 丰富的测试报告和数据看板
• 🔌 MCP集成 - 支持Model Context Protocol扩展
• 🎨 灵活配置 - 多LLM厂商配置，自定义提示词

---

🏗️ 技术架构

后端架构

backend/
├── app/
│   ├── models/              # 数据模型层
│   │   ├── system/          # 系统模型（用户、角色、权限）
│   │   └── aitestrebort/    # 业务模型目录（项目、用例、需求等）
│   ├── schemas/             # Pydantic数据验证
│   ├── routers/             # API路由层
│   │   ├── system/          # 系统路由
│   │   └── aitestrebort/    # 业务路由目录
│   ├── services/            # 业务逻辑层
│   │   ├── system/          # 系统服务
│   │   ├── aitestrebort/    # AI测试服务目录
│   │   └── ai/              # AI核心服务
│   ├── configs/             # 配置管理
│   └── utils/               # 工具类
├── migrations/              # 数据库迁移
└── logs/                    # 日志文件

核心技术栈：

• Web框架: FastAPI + Uvicorn
• ORM: Tortoise ORM
• 数据验证: Pydantic 2.0
• AI框架: LangChain + LangGraph
• 向量数据库: Qdrant
• MCP: FastMCP
• 数据库: PostgreSQL / MySQL
• 认证: JWT Token

前端架构

frontend/
├── src/
│   ├── views/               # 页面组件
│   │   ├── system/          # 系统管理页面
│   │   └── aitestrebort/    # 业务页面目录
│   ├── components/          # 公共组件
│   ├── composables/         # 组合式函数
│   ├── api/                 # API接口
│   ├── router/              # 路由配置
│   ├── stores/              # 状态管理
│   └── utils/               # 工具函数
├── public/                  # 静态资源
└── dist/                    # 构建输出

核心技术栈：

• 框架: Vue 3 + Composition API
• 构建工具: Vite
• UI组件: Element Plus
• 状态管理: Pinia
• 路由: Vue Router
• HTTP客户端: Axios
• Markdown渲染: Marked + Highlight.js
• Excel导出: XLSX

AI技术栈

AI服务层
├── LLM集成
│   ├── OpenAI (GPT-3.5/4)
│   ├── Azure OpenAI
│   ├── Anthropic (Claude)
│   ├── Google (Gemini)
│   └── Ollama (本地部署)
├── 向量存储
│   ├── Qdrant
│   └── 嵌入模型 (OpenAI/Azure/Ollama)
├── RAG检索
│   ├── 文档解析
│   ├── 向量化
│   └── 语义检索
└── Agent编排
    ├── LangGraph工作流
    ├── 工具调用
    └── 状态管理

---

🚀 功能模块

1. 项目管理

1.1 项目基础管理

• ✅ 项目创建、编辑、删除
• ✅ 项目成员管理
• ✅ 项目权限控制
• ✅ 项目统计看板

1.2 LLM配置管理

• ✅ 多LLM厂商配置（OpenAI、Azure、Claude、Gemini、Ollama）
• ✅ 模型参数配置（温度、最大Token等）
• ✅ API密钥管理
• ✅ 连接测试验证

1.3 MCP配置管理

• ✅ MCP服务器配置
• ✅ 传输协议支持（HTTP、SSE、WebSocket）
• ✅ 工具发现和调用
• ✅ 连接状态监控

---

2. 测试用例管理

2.1 用例基础功能

• ✅ 用例创建、编辑、删除
• ✅ 用例模块化管理（树形结构）
• ✅ 用例等级划分（P0-P3）
• ✅ 测试步骤管理
• ✅ 前置条件和预期结果
• ✅ Markdown格式支持

2.2 AI用例生成

• ✅ 在线AI生成 - 基于需求描述实时生成
• ✅ 离线AI生成 - 批量生成并预览
• ✅ 生成用例预览和编辑
• ✅ 一键保存到指定模块
• ✅ 支持多种生成策略

2.3 用例导入导出

• ✅ Excel格式导出
• ✅ XMind格式导出
• ✅ 批量导入
• ✅ 模板下载

---

3. 需求管理

3.1 需求文档管理

• ✅ 需求文档上传（Word、PDF、Markdown）
• ✅ 在线需求编辑
• ✅ 需求版本管理
• ✅ 需求状态跟踪

3.2 AI需求分析

• ✅ 需求拆分 - AI自动拆分需求为功能点
• ✅ 需求评审 - AI智能评审需求质量
• ✅ 需求检索 - 基于RAG的语义检索
• ✅ 用例生成 - 基于拆分需求生成测试用例

3.3 需求模块化

• ✅ 需求模块树形管理
• ✅ 需求关联测试用例
• ✅ 需求覆盖率统计

---

4. 自动化测试

4.1 接口自动化

• ✅ AI脚本生成 - 一键生成接口测试脚本
• ✅ 支持多种框架（Pytest、Unittest、TestNG）
• ✅ 接口用例管理
• ✅ 环境变量配置
• ✅ 断言规则配置

4.2 UI自动化

• ✅ Playwright代码生成
• ✅ Selenium脚本支持
• ✅ 页面元素管理
• ✅ 录制回放功能

4.3 APP自动化

• ✅ Appium集成
• ✅ 设备管理
• ✅ 用例执行

4.4 脚本执行

• ✅ 本地执行
• ✅ 远程执行
• ✅ 定时任务
• ✅ 并发执行

---

5. AI智能助手

5.1 AI聊天助手

• ✅ 实时对话 - 实时通信
• ✅ 流式响应 - 流式输出
• ✅ 上下文管理 - 智能上下文压缩和记忆
• ✅ Markdown渲染 - 支持代码高亮和格式化
• ✅ 对话历史 - 对话记录保存和查询

5.2 Agent智能执行

• ✅ 工具调用能力
• ✅ 多步骤推理
• ✅ 状态管理
• ✅ 错误处理和重试

---

6. 知识库管理

6.1 知识库基础

• ✅ 知识库创建和管理
• ✅ 文档上传（多格式支持）
• ✅ 文档分块和向量化
• ✅ 知识库配置

6.2 RAG检索

• ✅ 语义检索
• ✅ 混合检索（向量+关键词）
• ✅ 检索结果排序
• ✅ 上下文增强

6.3 知识库应用

• ✅ 基于知识库的问答
• ✅ 知识库辅助用例生成
• ✅ 需求文档检索

---

7. 测试执行与报告

7.1 测试执行

• ✅ 测试套件管理
• ✅ 执行计划配置
• ✅ 实时执行监控
• ✅ 执行进度跟踪

7.2 测试报告

• ✅ 可视化报告 - 丰富的图表展示
• ✅ 执行详情 - 详细的步骤记录
• ✅ 失败分析 - 失败原因统计
• ✅ 趋势分析 - 历史数据对比
• ✅ 报告导出 - HTML/PDF格式

7.3 数据看板

• ✅ 项目概览
• ✅ 用例统计
• ✅ 执行趋势
• ✅ 质量指标

---

8. 系统管理

8.1 用户管理

• ✅ 用户创建、编辑、删除
• ✅ 用户角色分配
• ✅ 密码管理
• ✅ 用户状态控制

8.2 角色权限

• ✅ 角色管理
• ✅ 权限配置
• ✅ 角色继承
• ✅ API权限控制

8.3 业务线管理

• ✅ 业务线创建
• ✅ 用户业务线绑定
• ✅ 数据隔离

8.4 全局配置

• ✅ 系统参数配置
• ✅ 提示词模板管理
• ✅ API密钥管理
• ✅ Webhook配置

---

🎨 界面展示

登录页面

AI接口自动化代码生成

测试执行进度

AI用例生成效果

智能对话页面

自动执行脚本用例页面

---

🚀 快速启动

环境要求

• Python: 3.11+
• Node.js: 18+
• 数据库: MySQL 8.0+ 或 PostgreSQL 13+
• 向量数据库: Qdrant (可选)

在线体验

🌐 体验地址: http://106.54.166.76/login

用户名: admin
密码: 123456

⚠️ 注意：请勿修改密码，这是共享的演示账号

---

📦 部署方式

方式一：Docker一键部署（推荐）

Linux/Mac

./start-docker.sh
# 或者
cd /ntest
docker compose up -d --build

Windows

start-docker.bat

详细说明请查看：DOCKER.md

---

方式二：一键部署脚本（推荐新手）

Linux/Mac

cd backend
chmod +x deploy.sh
./deploy.sh

Windows

cd backend
./deploy.bat

---

方式三：源码部署

1. 创建数据库

-- MySQL
CREATE DATABASE test_platform CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

-- 设置最大连接数
SET GLOBAL max_connections=16384;

-- PostgreSQL
CREATE DATABASE test_platform ENCODING 'UTF8';

⚙️ 配置说明

数据库配置

cp .env.example .env 编辑 .env 文件：

# MySQL 配置
DB_TYPE=mysql
DB_HOST=localhost
DB_PORT=3306
DB_USER=root
DB_PASSWORD=your_password
DB_NAME=test_platform

# PostgreSQL 配置
# DB_TYPE=postgresql
# DB_HOST=localhost
# DB_PORT=5432
# DB_USER=postgres
# DB_PASSWORD=your_password
# DB_NAME=test_platform

2. 后端部署

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
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，配置数据库连接信息

# 初始化数据库
python -m aerich init -t app.configs.config.tortoise_orm_conf
python -m aerich init-db
python db_manager.py setup

# 启动服务
python main.py
# 或使用 uvicorn
uvicorn main:app --host 0.0.0.0 --port 8018 --reload

# 启动接口自动化，APP自动化，UI自动化定时任务器
python -m scheduledtask.job

3. 前端部署

cd frontend

# 安装依赖
npm install

# 开发环境
npm run dev

# 生产环境
npm run build

4. 访问应用

• 前端: http://localhost:8016
• 后端API: http://localhost:8018
• API文档: http://localhost:8018/docs

---

AI配置

# OpenAI配置
OPENAI_API_KEY=sk-your-key-here
OPENAI_BASE_URL=https://api.openai.com/v1

# Azure OpenAI配置
AZURE_OPENAI_API_KEY=your-azure-key
AZURE_OPENAI_ENDPOINT=https://your-resource.openai.azure.com/
AZURE_OPENAI_API_VERSION=2024-02-15-preview

向量数据库配置

# Qdrant配置
QDRANT_HOST=localhost
QDRANT_PORT=6333
QDRANT_API_KEY=your-qdrant-key

---

🔄 数据库切换

使用切换脚本

# 切换到 MySQL
python switch_database.py mysql

# 切换到 PostgreSQL
python switch_database.py postgresql

数据库迁移

# 首次初始化
python -m aerich init -t app.configs.config.tortoise_orm_conf
python -m aerich init-db
python db_manager.py setup

# 模型变更后
python -m aerich migrate --name "描述"
python -m aerich upgrade

# 或使用数据库管理器
python db_manager.py migrate
python db_manager.py upgrade

---

🎯 使用指南

1. 创建项目

1. 登录系统
2. 进入"项目管理"
3. 点击"新建项目"
4. 填写项目信息并保存

2. 配置LLM

1. 进入项目详情
2. 点击"LLM配置"
3. 添加LLM配置（OpenAI、Azure等）
4. 测试连接并保存

3. AI生成测试用例

1. 进入"测试用例"页面
2. 点击"AI用例生成"
3. 选择生成模式（在线/离线）
4. 输入需求描述
5. 选择LLM配置
6. 点击"生成"
7. 预览并保存用例

4. 需求管理

1. 进入"需求管理"
2. 上传需求文档或在线编辑
3. 使用AI进行需求拆分
4. 基于拆分结果生成测试用例
5. 进行需求评审

5. 自动化测试

1. 进入"自动化脚本"
2. 选择测试用例
3. 点击"生成脚本"
4. 选择框架类型（Pytest/Unittest等）
5. 下载或直接执行脚本

6. AI聊天助手

1. 点击左侧菜单"AI聊天助手"
2. 输入问题或需求
3. AI实时响应并提供建议
4. 支持代码生成、问题解答等

---

🛠️ 开发指南

代码风格

• Python: 遵循 PEP 8 规范，使用 Black 格式化
• TypeScript: 使用 ESLint + Prettier
• 提交信息: 遵循 Conventional Commits

项目结构

N-Tester/
├── backend/                 # 后端服务
│   ├── app/                 # 应用代码
│   ├── migrations/          # 数据库迁移
│   ├── logs/                # 日志文件
│   ├── requirements.txt     # Python依赖
│   └── main.py              # 入口文件
├── frontend/                # 前端应用
│   ├── src/                 # 源代码
│   ├── public/              # 静态资源
│   └── package.json         # Node依赖
├── docker-compose.yml       # Docker编排
├── .env.example             # 环境变量模板
└── README.md                # 项目文档

API开发

1. 在 app/models/ 定义数据模型
2. 在 app/schemas/ 定义请求/响应模型
3. 在 app/services/ 实现业务逻辑
4. 在 app/routers/ 定义API路由
5. 使用 @router.add_get_route 等装饰器添加路由

前端开发

1. 在 src/views/ 创建页面组件
2. 在 src/api/ 定义API接口
3. 在 src/router/ 配置路由
4. 使用 Composition API 编写组件逻辑

---

🐛 常见问题

1. 端口被占用

# Windows
netstat -ano | findstr :8018
taskkill /PID <进程ID> /F

# Linux/Mac
lsof -ti:8018 | xargs kill -9

2. 数据库连接失败

• 确认数据库服务正在运行
• 检查 .env 中的数据库配置
• 确认数据库已创建

3. 依赖安装失败

# 使用国内镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
npm install --registry=https://registry.npmmirror.com

4. AI功能无法使用

• 检查LLM配置是否正确
• 确认API密钥有效
• 检查网络连接

---

🚀 生产部署

使用Gunicorn

gunicorn main:app -c gunicorn_config_main.py

使用Nginx反向代理

server {
    listen 80;
    server_name your-domain.com;

    # 前端
    location / {
        root /path/to/fro