WHartTest 是一款国产化、全链路、智能化的 AI 智能测试平台
它面向软件研发全流程，以 AI Agent 为智能协同核心，以测试工程为专业场景，以自动化执行为落地能力，以开放工具生态为扩展基础，构建覆盖需求分析、测试设计、任务执行、结果诊断与质量反馈的智能化测试平台。

解决什么问题
传统测试工作中，需求往往需要人工逐条理解，用例编写重复度高，回归测试长期占用人力；接口和 UI 自动化脚本又散落在不同工具里，难以沉淀复用，一旦用例失效，维护成本也很高。
WHartTest 以测试资产为中心，把需求文档、知识库、用例生成和自动化执行器贯通起来：AI 负责需求拆分、用例生成、脚本自愈等重复性工作，测试人员把精力放在边界设计和结果评审上，让测试投入逐步沉淀为团队资产，而不是一次性消耗。

核心能力
①AI 生成与优化测试用例
基于需求文档、业务描述、历史用例和知识库上下文，对话式生成结构化用例，包括前置条件、步骤、预期结果和优先级分级；支持需求智能拆分与 AI 辅助需求评审，帮助提前发现歧义和逻辑漏洞。生成的用例可直接入库进入审核流，人工确认后成为正式测试资产。
②接口与 UI 自动化执行
接口测试覆盖定义、调试、断言、参数化和报告全流程；UI 测试支持页面操作录制和低代码可视化编排，零代码门槛生成可执行用例。执行器会自动采集日志、截图、视频和 Trace 数据，测试套件支持批量执行、定时调度和失败自动重试。
③Agent 协作与测试管理闭环
平台以 LangGraph 驱动对话式智能体，通过 MCP 标准协议扩展工具调用，串联测试分析、用例管理、任务执行和缺陷提交；同时提供用例全生命周期管理、统一任务中心和多维执行报告分析。
④项目知识库
支持 PDF、Word、Excel、Markdown 等多格式文档导入，自动完成分块、向量化与检索重排。AI 生成用例时可引用业务上下文，并支持项目级知识隔离和图片多模态理解。

技术特点
①前后端分离架构：后端采用 Django 5.2 + Django REST Framework，前端为 Vue，工程结构清晰，便于企业二次开发和私有化部署。
②智能体编排：基于 LangChain / LangGraph 进行推理与任务编排，会话状态可管理、执行过程可追踪。
③MCP 开放扩展：通过 Model Context Protocol 对接外部工具和业务系统，例如项目管理、CI/CD 等，更像一个连接器，而不是强制替换现有工具链。
④RAG 检索增强：覆盖文档分块、嵌入检索与重排，让 AI 生成内容时有据可依。
⑤多模型适配：不绑定单一模型厂商，商用 API 与私有化本地模型均可接入，具体模型、环境和执行权限以实际部署配置为准。
⑥Skills 技能体系：将领域测试能力打包成标准化扩展，测试经验可沉淀、可复用、可分发。

与单点 AI 工具的区别
①全链路闭环：覆盖"需求 → 评审 → 用例生成 → 接口/UI 执行 → 失败分析 → 资产沉淀"完整链路。相比只提供问答或单点脚本生成的工具，WHartTest 的产出是可管理、可执行、可回归的测试资产。
②资产持续沉淀：用例、知识和执行报告集中在平台内复用，团队资产会随着使用逐步增厚，减少人员流动带来的资产流失。
③开放架构，利旧存量投入：通过 MCP 和 Skills 开放扩展，客户已有的接口定义、UI 操作步骤和业务文档都可以导入使用，不必强行替换现有研发工具链。
④开源可信，私有化友好：社区版开源可审计，支持企业内网部署和本地模型接入，满足数据不出域的合规要求。

社区版（CE）与专业版（PE）
社区版：开源免费、功能完整，适合个人和小团队上手。
专业版：面向企业级管控与规模化质量保障——
①CI/CD 集成：支持嵌入 CI/CD 流水线（Jenkins / GitLab CI），代码一提交就自动跑回归。
②多模态与多 Agent：多 Agent 交叉审查降低幻觉，支持原型图入库和多模态检索。
③生态互联：VS Code / IDEA 插件，打通企业微信、飞书通知渠道，质量数据在团队内顺畅流转。

如需了解更多，可访问官网：https://wharttest.mgdaas.com