MangoFisher/TestBrain

解决的问题

TestBrain 通过自动化测试用例的生成、审查和分析，解决了软件测试中的人工操作和不一致性问题。它帮助团队构建一个可扩展的 AI 助手，能够解析产品需求、分析 Java 源代码，并使用大语言模型生成接口测试用例。

工作原理

该平台基于 Django 和 LangChain 构建，采用模块化架构，由专门的 AI 代理处理特定的测试任务。它与 Milvus 集成用于向量存储，使系统能够检索相关的项目文档、PRD 或过去的测试用例，以提供上下文感知的结果。用户可以为每个代理切换不同的 LLM 提供商（如 DeepSeek 或 Qwen），系统还包含内置的错误处理机制，以修复模型输出的格式错误的 JSON。

适用对象

该工具专为希望将 AI 集成到工作流程中的软件测试团队设计，以提高效率、标准化测试用例创建，并从现有项目文档和源代码中获得更深入的见解。

亮点

• 多代理系统：包括专门的代理，用于测试用例生成、审查、PRD 分析、接口测试和 Java 代码分析。
• 灵活的 LLM 集成：支持多个模型提供商，能够为每个代理配置特定模型，或通过 UI 手动切换。
• 知识检索：使用 Milvus 和 BGE-M3 嵌入模型来存储和搜索项目文档，以获得更好的上下文。
• 可扩展架构：采用模块化工厂模式设计，便于添加新模型、代理或自定义处理工作流。