AI自动化测试平台

基于 AI Agent 的测试全流程平台。用户上传/粘贴需求文档后，系统自动提取关键词、匹配需求知识库，由 LLM 生成 8-15 条结构化功能测试用例，并给出 AI 预评审覆盖度评分；人工 Review 通过后可一键转化为 pytest-playwright 自动化用例（自动做语法自校验）；随后由执行引擎调用 Playwright 无头浏览器运行，回写执行结果并沉淀执行历史。覆盖"需求识别 → 用例生成 → 人工评审 → 自动化转化 → 执行 → 报告"的完整链路。

1）整体架构与设计思路：采用 FastAPI + SQLite 的轻量单体架构，前端为原生 HTML/JS。后端按职责拆分为：knowledge_base（需求知识库与关键词提取）、agents（基于 OpenAI 兼容接口接入百炼/DeepSeek 的多个 AI Agent：需求匹配、用例生成、AI 预评审、自动化转化）、workflow（状态机编排全流程）、executor（pytest + Playwright 无头执行引擎）、database（SQLite 持久化）。核心设计是用"AI 预评审 + 人工 Review 闸门"双重保障用例质量，再把"需求→代码"的转化交给 LLM 自动完成，实现从人写用例到 AI 生成的升级。

2）我负责的模块与成果：独立完成 用例生成 Agent、自动化代码转化 Agent（含语法自校验与错误自动修复重试）、执行引擎、整套工作流状态机。一次可生成 8-15 条功能用例；转化环节对 LLM 生成的 pytest 代码做语法自校验，出错自动重试修复；配套被测应用并做端到端验证（覆盖 11 项业务逻辑与全流程），把"需求到可执行自动化用例"从人工数小时压缩到分钟级。

3）难点与解决： ① LLM 生成代码不可靠 → 引入"语法自校验 + 失败自动修复重试"，显著降低生成错误率； ② 自动化用例定位真实页面元素不确定 → 约定被测系统提供稳定的账号/密码/登录按钮等锚点，并支持对实际元素做可配置定位； ③ 多 Agent 流程串行易出错、难排查 → 用显式状态机（workflow.py）驱动，每步落库、可回滚、可复查； ④ 知识库召回不准 → 结合关键词提取 + 语义检索匹配需求，提升用例与需求的关联度。