AI测试 开源项目：WHartTest v2.0.0 发布 - AI 驱动的智能测试用例生成平台

WHartTest v2.0.0 发布：AI 驱动的测试自动化平台

如果你还没听过 WHartTest，可以先用一句话理解它：

WHartTest 是一个开源的 AI 驱动测试自动化平台，帮助团队把“需求理解 -> 用例生成 -> 测试执行 -> 结果回传”串成一个完整流程。

它基于 Django REST Framework + Vue 构建，融合 LangChain/LangGraph、知识库检索、MCP 工具调用等能力，目标是让测试团队更快、更稳地落地 AI。

为什么做 WHartTest？

很多团队在用 AI 做测试时会遇到几个共同问题：

1. 只能“对话”，难进真实测试流程
2. 工具调用不够可控，缺少审批与边界
3. Token 成本和质量数据不可观测
4. 自动化能力零散，难形成闭环

WHartTest 的定位就是：不是单点 AI 功能，而是面向测试团队的工程化平台能力。

WHartTest 可以做什么？

1. 基于需求文档和知识库生成结构化测试用例
2. 支持 AI 需求评审、风险提示与测试建议
3. 集成 MCP 工具调用，支持自动化执行与回传
4. 支持项目隔离、权限控制、提示词管理
5. 支持测试执行过程管理、截图与结果追踪

v2.0.0 重点升级

这次 v2.0.0 的核心不是“加几个按钮”，而是把稳定性、可控性、可观测性全面升级。

1. 架构升级：Agent 能力更稳定

• LangChain 升级到 v1.x 体系（含 LangGraph v1.x）
• 重构 Agent Loop，统一创建方式
• 引入 Middleware 机制，支持上下文压缩与 HITL 流程

2. 可控升级：AI 工具调用可治理

• 新增工具“始终拒绝”策略（自动拒绝高风险工具调用）
• 图表编辑器支持 HITL 工具审批卡片与中断恢复
• 集成并优化 agent-browser 稳定性

3. 可观测升级：Token 与成本更透明

• Token 用量追踪与统计看板增强
• 优化计费精度，按真实 usage_metadata 统计
• 修复重复累加与时区偏差问题

4. 体验与韧性升级

• 修复重试导致的消息前后端不同步
• 修复 HTML 消息显示与换行问题
• 优化流式响应在审批等待场景的状态判断
• 增加版本检查与 Draw.io 超时降级机制

这对团队意味着什么？

1. 更稳：长链路 Agent 场景更可靠
2. 更可控：关键工具调用可审批、可限制
3. 更可管：Token 成本和执行过程可追踪
4. 更易落地：从“AI 能用”走向“团队可持续使用”

快速体验（Docker）

如果项目对您有用请点个 star~ 支持一下，谢谢

git clone https://github.com/MGdaasLab/WHartTest.git cd WHartTest cp .env.example .env docker-compose up -d