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

Ne0inhk

— 3 min read
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。

在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述


在这里插入图片描述

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

Read more

量化交易必备：用python、JavaScript (Node.js)、JAVA等多种语言教你如何获取股票数据

量化交易必备：用python、JavaScript (Node.js)、JAVA等多种语言教你如何获取股票数据

近一两年来，股票量化分析逐渐受到广泛关注。而作为这一领域的初学者，首先需要面对的挑战就是如何获取全面且准确的股票数据。因为无论是实时交易数据、历史交易记录、财务数据还是基本面信息，这些数据都是我们进行量化分析时不可或缺的宝贵资源。我们的核心任务是从这些数据中挖掘出有价值的信息，为我们的投资策略提供有力的支持。 我最近的两年量化分析研究中，已实测确认以下数据接口均可用、稳定、数据更新及时。为了便于大家验证，下方的所有接口连接我已加入了超链接，均可直接点击即立即获取到数据，以此验证我提供的接口可用性。同时，在底部我提供了这些数据接口的API文档，详细说明这些接口返回的字段说明以及接口连接的使用方法。 【特别提示】：下方验证接口的licence证书（TEST-API-TOKEN-MOMA-836089C22111）为官方提供的验证证书，该证书只能验证股票代码000001的股票，因此，下方的接口连接中，即使换掉代码实际返回的也是000001的数据，在实际应用中，需要自己去申请一个免费证书更换掉就可以随意请求数据了，免费证书的申请连接（点击即可马上得到证书）：https://momaapi.

By Ne0inhk
JAVA 动态代理：从原理剖析到实战应用

JAVA 动态代理：从原理剖析到实战应用

JAVA 动态代理：从原理剖析到实战应用 1.1 本章学习目标与重点 💡 掌握动态代理的核心概念与分类，理解动态代理在 Java 开发中的核心价值。 💡 熟练掌握 JDK 动态代理的实现流程与核心 API，能够独立编写 JDK 动态代理代码。 💡 了解 CGLIB 动态代理的实现原理与适用场景，对比 JDK 动态代理与 CGLIB 动态代理的差异。 💡 结合实际业务场景，掌握动态代理在 AOP 编程、权限控制、日志记录等场景中的实战应用。 ⚠️ 本章重点是 JDK 动态代理的核心实现 和 动态代理在 AOP 中的实战应用，这是 Java 高级开发与框架设计的必备技能。 1.2 动态代理的核心概念与价值 1.2.1 什么是动态代理 💡 动态代理 是

By Ne0inhk
Java中的char、String、StringBuilder与StringBuffer 深度详解

Java中的char、String、StringBuilder与StringBuffer 深度详解

文章目录 * 第一章：一切的基础——char原始类型 * 1.1 定义与本质 * 1.2 字符编码的演变：从char到byte * 1.3 char的初始化与赋值 * 1.4 char的运算 * 第二章：不可变的字符串——String类 * 2.1 类的定义与不可变性 * 2.2 不可变性的优势 * 2.3 创建String对象的两种方式 * 2.4 操作的真相：总是生成新对象 * 2.5 字符串拼接的陷阱与优化 * 第三章：可变的字符序列——StringBuilder与StringBuffer * 3.1 AbstractStringBuilder：共同的祖先 * 3.2 StringBuilder：非线程安全的“快枪手” * 3.3

By Ne0inhk
探索AI安全治理，打造大模型时代的可信AI

探索AI安全治理，打造大模型时代的可信AI

探索AI安全治理，打造大模型时代的可信AI * 0. 前言 * 1. CCF-CV 企业交流会 * 1.1 活动介绍 * 1.2 走进合合信息 * 2. 大模型发展与安全挑战 * 3. 打造大模型时代的可信 AI * 3.1 平衡生成式AI的创新与风险 * 3.2 视觉内容安全技术的前沿进展与应用 * 3.3 人工智能安全检测评估的逻辑和要点 * 3.4 深度伪造视频的主动防御与被动检测技术 * 3.5 生成式人工智能安全与治理 * 小结 0. 前言 随着人工智能 (Artificial Intelligence, AI) 技术，特别是大模型的迅猛发展，AI 技术滥用与造假问题愈加严重，给全球经济和社会发展带来了前所未有的挑战。人工智能的滥用不仅危及个人隐私安全，还对社会秩序和法律规范构成潜在威胁。在这一背景下，AI 安全的有效治理已经成为学术界和产业界共同关注的焦点。

By Ne0inhk