TestBrain

基于大语言模型的智能测试平台，聚焦手工&接口测试用例生成、评审与知识复用、java源码分析，帮助测试团队打造高效、可扩展的“AI 测试助手”。

🧭 项目概览

TestBrain 通过 Django + LangChain + 多模型接入的方式，提供以下核心能力：

• 多 Agent 协同：针对不同测试场景提供专用智能体（测试用例生成、评审、PRD 分析、接口用例生成、Java 代码分析等）。
• 多 LLM 供应商：支持 DeepSeek、Qwen 等模型，并可按 Agent 维度配置默认模型/参数，前端也可手动切换。
• 知识库加持：集成 Milvus 向量数据库与 BGEM3 Embedding，支持文档解析、入库、向量检索与上下文增强。
• 可扩展架构：模块化的 LLM 工厂、Agent 封装、知识库服务，便于新增模型、Agent 或自定义流程。

🛠️ 功能模块

模块	功能	关键实现
AI Agents	- test_case_generator：根据需求生成用例（支持同步/异步调用 LLM） - test_case_reviewer：对生成的用例进行评审与打分 - prd_analyzer：解析 PRD，提炼测试点/场景（内置 JSON 修复兜底） - iface_case_generator：基于接口描述生成测试用例 - java_code_analyzer：分析 Java 代码并梳理潜在测试点	apps/ai_agents/*，配合统一的 Prompt 管理与服务调用
LLM 集成	- LLMServiceFactory 动态创建模型客户端 - get_agent_llm_configs() 返回 Agent 默认模型与 Provider 列表 - 支持同步 invoke 与异步 ainvoke	apps/llm/base.py / apps/llm/utils.py
知识库	- KnowledgeConfig.ready() 预热 Milvus + BGEM3 单例 - KnowledgeService 封装向量入库、检索、相似度匹配 - 支持多格式文档解析、批量嵌入与检索	apps/knowledge/*
核心应用	- Web 页面与 API（Django View） - 用例管理（TestCase 模型） - 配置管理、日志、权限预留	apps/core/*

🏗️ 技术栈 & 服务依赖

• 运行框架：Python 3.12、Django 5.1.6、LangChain
• 向量数据库：Milvus 2.4.x（需先启动 Milvus 服务）
• Embedding 模型：BAAI/bge-m3（通过 sentence-transformers，首启由 KnowledgeConfig 预热）
• 数据库：MySQL 8.x（默认使用 mysqlclient）
• 其他依赖：Celery、Redis（如需异步任务，可在后续扩展）

📁 项目结构

TestBrain/
├── apps/
│   ├── ai_agents/            # 各类智能体实现
│   │   ├── test_case_generator/
│   │   ├── test_case_reviewer/
│   │   ├── prd_analyzer/
│   │   ├── iface_case_generator/
│   │   └── java_code_analyzer/
│   ├── core/                 # 公共视图、模型、页面
│   ├── knowledge/            # Milvus & Embedding 服务
│   └── llm/                  # LLM 工厂、Provider 定义
├── config/                   # Django 配置（INSTALLED_APPS、数据库、LLM 设置等）
├── templates/                # 页面模板
├── static/                   # 静态资源
├── videos/                   # 功能演示视频
├── requirements.txt          # 依赖列表
└── manage.py

⚙️ 配置说明

1. 环境变量（.env 模板）

# LLM Keys
DEEPSEEK_API_KEY=your_key
QWEN_API_KEY=your_key

# 数据库
MYSQL_HOST=127.0.0.1
MYSQL_PORT=3306
MYSQL_USER=root
MYSQL_PASSWORD=123456
MYSQL_DB=testbrain

# 向量数据库
MILVUS_HOST=127.0.0.1
MILVUS_PORT=19530
MILVUS_COLLECTION=vv_knowledge_collection

2. LLM Provider 配置

config/settings.py 中维护：

LLM_PROVIDERS = {
    "default_provider": "deepseek",
    "deepseek": {...},
    "qwen": {...}
}

AGENT_LLM_DEFAULTS = {
    "test_case_generator": {"provider": "deepseek"},
    "prd_analyzer": {"provider": "deepseek"},
    ...
}

• 前端使用 providers 渲染下拉列表，可手动切换模型。
• 后端通过 get_agent_llm_configs(agent_name) 获取默认 Provider 及配置。

3. 知识库单例初始化

apps/knowledge/apps.py 中的 KnowledgeConfig.ready()：

class KnowledgeConfig(AppConfig):
    name = "apps.knowledge"

    def ready(self):
        from .embedding import BGEM3Embedder
        from .vector_store import MilvusVectorStore

        if not hasattr(self, "embedder"):
            self.embedder = BGEM3Embedder()
        if not hasattr(self, "vector_store"):
            self.vector_store = MilvusVectorStore()

业务侧通过 KnowledgeService() 自动复用该单例。

🚀 本地运行

1. 准备依赖

   python -m venv .venv
   source .venv/bin/activate   # Windows 使用 .venv\Scripts\activate
   pip install -r requirements.txt

2. 配置环境变量

   • 复制 .env 示例并补全数据库、Milvus、LLM Key。

3. 初始化数据库

   python manage.py migrate

4. 启动服务

   python manage.py runserver 0.0.0.0:8000

5. 启动java源码分析服务 仓库地址:https://github.com/MangoFisher/java-analyzer.git

   mvn spring-boot:run -Dspring-boot.run.profiles=dev

6. 访问页面

   • Web 控制台：http://127.0.0.1:8000/

🧠 Agent 详情

Agent	入口页面	描述
测试用例生成	/test_case_generator/	根据需求文本生成结构化测试用例列表，支持自定义设计方法、测试类型、生成条数，并可保存到数据库。
测试用例评审	/test_case_reviewer/	对既有用例进行评审，输出风险 & 改进建议。
PRD 分析	/prd_analyzer/	解析 PRD Markdown，产出测试点与测试场景；内置 JSON 修复逻辑以提升容错。
接口用例生成	/iface_case_generator/	根据接口定义生成测试思路，支持模型切换。
Java 代码分析	/java_code_analyzer/	静态分析 Java 源码，输出潜在缺陷与测试关注点。

📚 知识库最佳实践

为了让 LLM 生成的测试用例更加贴合业务，建议：

1. 上传与需求相关的文档：PRD、设计文档、API 文档、过往测试用例、UI 设计稿等。
2. 确保文件命名规范、内容清晰，便于向量检索与上下文匹配。
3. 使用知识库检索功能，确认相关内容已写入 Milvus 并能搜索到。

🧪 常见问题（FAQ）

Q1. 为什么日志里多次出现 “正在加载 BGE-M3 模型…”？
默认 runserver 会启动监视进程 + 工作进程，两次初始化属正常现象。上线部署（Gunicorn/Uvicorn）或使用 --noreload 可验证单例。

Q2. LLM 输出的 JSON 仍解析失败怎么办？
系统已内置 _basic_json_fix() 处理未转义换行、中文引号、缺逗号等常见问题。如仍失败，建议检查 Prompt 或手动修正模型输出。

Q3. 如何新增模型供应商？
在 LLM_PROVIDERS 中新增配置，并在 LLMServiceFactory 里实现创建逻辑。随后可在 AGENT_LLM_DEFAULTS 或前端下拉中引用。

Q4. 是否支持异步调用？
TestCaseGeneratorAgent 已支持 async_generate，可在异步视图或任务中直接 await 调用，LangChain 内部使用 ainvoke。

📼 演示视频

• 测试用例生成：videos/测试用例生成.mp4
• 测试用例评审：videos/测试用例评审.mp4
• 知识库文档上传：videos/知识库文档上传.mp4

☕️ 支持作者

创作不易，欢迎扫码鼓励：

---

若在使用中遇到问题或有新需求，欢迎提 Issue 或 PR，一起打造更强大的智能测试平台！