proffesor-for-testing/agentic-qe

Agentic QE Fleet is an open-source AI-powered QA/QE platform designed for use with Coding Agents (works best with Claude Code) featuring specialized agents and skills to support testing activities for a product at any stage of the SDLC. Free to use, fork, build, and contribute. Based on the Agentic QE Framework created by Dragan Spiridonov.

解决的问题

Agentic Quality Engineering (AQE) Fleet 能够自动执行软件测试和质量保证中繁琐且复杂的环节。它解决了在不同的技术栈和编程代理平台中，如何维持高测试覆盖率、识别具有风险的未测试代码路径以及修复 flaky test 的问题。

工作原理

AQE 作为一个由中央“Queen Coordinator”协调的专业 AI 代理舰队运行。该协调器将高层级的质量任务分解为较小的子任务，并将其分配给特定领域的代理（例如：测试架构师、安全扫描器或混沌工程师）。

关键技术机制包括：

  • Intelligent Routing: 一个名为 TinyDancer 的系统根据复杂程度将任务路由到不同的 LLM 层级（Haiku, Sonnet, Opus），以平衡成本和性能。
  • Pattern Learning: 系统在持久化数据库中索引成功的测试模式和缺陷指标，使其能够在不同的会话和项目之间复用有效的策略。
  • MCP Server: 它使用 Model Context Protocol (MCP) 与 Claude Code、Cursor 和 GitHub Copilot 等 11 个不同的编程代理平台进行无缝集成。
  • Quality Gates: 它采用反谄媚（anti-sycophancy）评分机制来拒绝空洞或同义反复的测试。

适用对象

希望将 AI 驱动的测试集成到现有 CI/CD 流水线以及跨多个平台的编程代理工作流中的软件工程师、QA 工程师和开发团队。

亮点

  • 大规模代理舰队: 协调分布在 13 个领域（包括安全、混沌工程和企业级集成 (SAP/SOAP)）的 60 个专业 QE 代理。
  • 75+ QE 技能: 一个经过验证和校验的技能库，涵盖从 TDD (London/Chicago) 到变异测试 (mutation testing) 的各种技能。
  • 多平台支持: 支持包括 Cursor、Cline 和 Windsurf 在内的 11 个主流编程代理。
  • 跨项目学习: 随着时间的推移学习代码库模式，以提高测试生成的准确性。
  • 成本优化: 通过 Ollama 支持本地 LLM，并通过智能路由来最大限度地减少 API 开销。