当前位置: 首页 > news >正文

告别AI幻觉!WHartTest PE版7大核心升级,让智能测试更懂你

🚀 写在前面:WHartTest 项目介绍

WHartTest-AI驱动的智能测试平台,是由山东麦港数据系统有限公司旗下麦港实验室(MGdaas Lab)推出的开源智能测试平台,隶属于 WHart 系列。该系列聚焦于为开源社区贡献优质产品与组件,致力于通过技术共享赋能行业生态,推动测试领域的技术创新与应用发展。

💡 核心技术实现

平台基于Django 5.2 + DRF与现代大模型技术构建,采用前后端分离的 Monorepo 架构,聚合自然语言理解、知识库检索与嵌入搜索能力,结合LangChain/LangGraphMCP(Model Context Protocol)工具调用,实现从需求到可执行测试用例的自动化生成、管理与执行。WHartTest 致力于将测试团队从重复性的用例编写与维护工作中解放出来,让测试工作更高效、更智能。

最近很多同学问到,WHartTest 的 CE 版本和 PE 版本究竟有什么区别?可以看出大家对 PE 版本的功能特别感兴趣。下面,我们就来详细盘点一下 PE 版本在哪些核心功能上进行了全面升级。

🔍 CE版 vs PE版:核心差异全解析

1. LLM 模块独立配置 🧠

  • CE 版本:具备基础的 LLM 配置能力,支持接入 OpenAI、DeepSeek、Qwen 等主流大模型,满足日常测试辅助需求。
  • PE 版本:在 CE 的基础上,支持按模块精细化配置模型。您可以根据不同模型的特性,将它们分配到平台的不同功能模块中,做到“各司其职”。此外,还支持模型配置在团队内共享,或设为个人专属。

2. 专属子代理(Sub-Agent)库 🤖

这是PE 版本独有的核心亮点!
针对单 Agent 执行任务易产生“幻觉”、导致生成效果不佳的问题,PE 版本引入了“子 Agent”机制。通过创建子 Agent 来审查主 Agent 的用例生成结果,并提出修改意见,主 Agent 会据此进行二次优化,从而大幅提升用例的生成质量与准确率。

3. AI 执行进度看板可视化 📊

在 LLM 对话执行复杂任务时,PE 版本提供了可视化的进度看板。您可以实时查看 Agent 的任务待办列表(To-Do List),全程跟踪任务的执行状态,让 AI 的工作过程不再是一个“黑盒”。

4. 知识库图片增强处理 🖼️
  • CE 版本:知识库仅支持检索文档中的纯文本内容。
  • PE 版本:全面升级多模态能力!支持图片提取、图片查看及多模态向量检索增强。完美适配图文并茂的需求文档,让 Agent 在生成用例时能获取更精确的上下文信息。

5. API 自动化项目变量配置 🔗

在进行 API 自动化测试时,提取接口数据并设置变量供后续使用是高频操作。

  • CE 版本:仅支持设置临时变量。
  • PE 版本:支持在项目变量临时变量之间灵活切换,更好地满足不同生效范围和时效性的复杂测试场景。

6. UI 自动化测试截图自动回传 📸

PE 版本在执行 UI 自动化测试时,会自动在当前步骤进行截图,并保存上传至对应的测试用例中。让您无需手动干预,即可直观、完整地回溯测试的全部流程。

7. VS Code / IDEA 接口自动化插件 💻

PE 版本提供官方配套的 IDE 插件(支持 VS Code 与 IDEA)。开发者可以快速将本地开发的接口一键导入至 WHartTest 平台的接口自动化模块中,无缝实现在线调试与测试操作,打通研发与测试的壁垒。

🌟 写在最后

以上列举的 7 点,是 WHartTest 在 CE 版本与 PE 版本上的核心功能差异。无论是在 UI 自动化、接口自动化,还是在 AI 用例生成的质量与体验上,PE 版本都做到了全方位的进阶。随着后续版本的不断迭代,PE 版本的差异化优势将更加显著。

下面,我们通过一张直观的对比图,带大家快速回顾两个版本的差异:

📩 获取 PE 版本

如果您希望进一步提升团队的测试效能,对 WHartTest 的 PE 版本非常感兴趣,欢迎随时联系我们获取详细方案!

👉WHartTest PE 版咨询
请点击下方链接或扫描下方二维码,我们将有专人与您对接:

专业版咨询https://www.wenjuan.com/s/UZBZJv6cjq/

http://www.jsqmd.com/news/1072714/

相关文章:

  • 最便宜稳定 GPT5.5 大模型中转平台
  • 手游 BGP 边缘分发部署实战:三网联机延迟优化与 UDP 异常流量过滤配置方案
  • 2026年6月适合个体户的5大微信小程序制作工具
  • 2 建立连接
  • LIVE项目解析:基于图像先验与时间一致性的AI视频编辑技术
  • 高股息投资笔记-股票的人性2
  • MacBook的实用小技巧
  • 华为OD机试真题-预测新能源发电量(C/C++/Py/Java/Js/Go)
  • 企业低价使用 GPT5.5 API 解决方案
  • 量子计算与分子模拟在药物设计中的革命性突破
  • 自动驾驶高清地图向量化实验中的常见评价指标解析
  • 极小超曲面与Yau猜想:对称流形中的无限存在性定理
  • 2026新能源下乡155款车型全拆解:从625亿国补到铁锂涨价,全产业链机会地图
  • 知名做PE自封袋的厂家
  • 基于 Harmony 7.0 应用的信用卡管理应用首页实现
  • 研发与业务协同工具怎么选?2026 主流团队云存储架构深度横评与避坑指南
  • [崛起]大国纪录片系列合集
  • AI如何从视频中学习物理规律:从视觉真实到物理有效的跨越
  • 东南亚多人手游区域 CDN 调优实战:新加坡、曼谷本地边缘节点降低联机延迟、过滤 UDP 异常流量
  • 基于参考感知比较建模的AIGC视频质量评估方法(RefVQA)详解
  • 状态 / 类型定义 策略模式 统一返回码
  • Vite vs Webpack 深度对比:从启动原理到生产构建,一篇就够了
  • 视觉语言模型中的熵梯度证据定位技术解析
  • VLCKit字幕设置与字体调整的实践
  • 4.从数字电路视角吃透 PLC:扫描周期原理 + Codesys ST 电机正反转完整工程
  • Carleman线性化在流体动力学模拟中的应用与优化
  • 多团队协同开发数据库(中):并行开发的操作冲突与性能干扰
  • 百考通AI,论文降重与去AI痕迹,更安心,让数据为你说话
  • 【C++大型项目之高性能服务器框架 (三) 】协程调度器定时器IO协程管理器篇 (上)
  • TSM-Pose:基于拓扑感知与Mamba的类别级6D姿态估计框架解析