Automated Test Suite Generation
自动化测试生成
智能体自动分析目标模块的接口与边界，按 STLC 设计用例，并写出结构清晰的 Pytest 测试套件，覆盖空输入、边界值与异常路径。
STLC × CI/CD · 多智能体系统
会写测试、会自愈、也懂得等你拍板的发版智能体。
智能自动化测试与自愈发版智能体，是一套面向软件测试生命周期（STLC）与 CI/CD 自愈流水线的多智能体系统。它自动分析目标模块、生成 Pytest 测试，捕获异常后检索本地研发规范并自动重写代码，直到测试全部通过，最后在严格的人机协同关卡等待你的确认。
- STLC
- RAG
- [Y/N]
- ∞
项目简介
这是一套先进的多智能体系统，把测试工程师的日常拆解为可编排的节点：分析需求、设计用例、执行测试、定位失败、修补代码、再回到测试。
它围绕软件测试生命周期（STLC）构建，并把自愈能力嵌入 CI/CD 流水线。当一段代码无法通过测试时，系统不会止步于报错，而是检索本地的架构与研发规范，推断正确契约，自动重写实现，循环往复直到测试转绿，最后才把改动交给人类把关。
核心功能
Autonomous Self-Healing Loop
自主异常自愈
捕获测试抛出的异常后，触发本地 RAG 检索架构与研发规范，据此推断修复方案并自动重写代码，循环重跑，直到测试全部通过。
Human-in-the-Loop Approval
人机协同审批
实现严格的审批关卡：在推送代码或提交 PR 之前，必须由人工确认 [Y/N]。拒绝则带着上下文退回自愈循环，批准才放行。
技术栈
- LangGraph
管理循环式状态机，把「运行测试 ↔ 自愈修复」建模为带条件边的图，并通过检查点实现可中断、可恢复的执行。
- FastMCP
以标准协议暴露安全的沙箱工具（run_command、read_file、write_file），智能体经由类型化调用与系统交互，不直接触碰宿主机。
- LangChain & FAISS
用本地向量数据库存储并检索编码规范与架构标准（STLC、边界分析、PEP 8、除零检查），为自愈提供明确依据。
- Pytest & Python
Python 3.10+ 作为运行环境，Pytest 作为测试框架，测试结果与堆栈是驱动整个自愈循环的信号源。
高级 RAG 架构
检索质量决定自愈质量。这里把简单的向量检索升级为一条可评估的流水线：混合检索保证召回，重排保证精度，三元评估在喂给 LLM 之前把关，确保上下文既相关又可信。
RAG Pipeline
查询
混合检索
重排
评估
上下文
Hybrid Search
混合检索
把向量相似度（FAISS）与关键词匹配（BM25）按权重融合：向量召回语义近邻，BM25 兜住精确术语，两者互补以保证零样本（zero-shot）准确率。
Reranking
混合重排
用交叉编码器（Cross-Encoder）对混合检索的候选做精排。它同时编码「查询 + 候选」，比双塔召回更精准，把最相关的上下文排到最前。
RAG Triad
RAG 三元评估
在注入 LLM 前度量上下文相关性、接地性与答案相关性三项分数，任一不达阈值就收紧上下文，从源头消除幻觉。
RAG 三元评估分数
- 上下文相关性0.92
- 接地性0.88
- 答案相关性0.90
class AdvancedRAGEngine:
"""查询 -> 混合检索 -> 重排 -> RAG 三元评估 -> 上下文"""
def retrieve(self, query: str, k: int = 2) -> list[str]:
# 1. 混合检索：FAISS 向量召回 + BM25 关键词兜底
candidates = self.hybrid_search(query, k=4)
# 2. 交叉编码器对候选精排，最大化相关性
reranked = self.rerank(query, candidates, top_n=k)
# 3. RAG 三元评估：注入前度量质量，消除幻觉
triad = self.evaluate(query, reranked)
if not triad.passed: # 任一分数 < 0.7 则收紧上下文
reranked = reranked[:1]
return [c.text for c in reranked]部署指南
$ python -m venv .venv$ source .venv/bin/activate# 安装全部依赖$ pip install -r requirements.txt# 配置模型密钥$ export OPENAI_API_KEY="sk-..."运行指南
启动 MCP 服务
运行 mcp_server.py，启动 FastMCP 沙箱工具集（run_command、read_file、write_file），所有命令都在隔离环境中执行。
$ python mcp_server.py运行主演示程序
运行 main.py，连接沙箱工具、构建 RAG 检索库、编译 LangGraph 状态图，并启动 LangGraph + RAG 的自动化修复循环。
$ python main.py演示流程：从一个缺陷到一次审批
模拟缺陷
检索规范
自动自愈
等待 HIL 确认
测试已通过。是否批准并提交该 PR？ [Y/N]ReAct 推理日志
每一步推理都以「思考 / 行动 / 观察」三段式打印到控制台，让智能体的决策过程一眼可见。
这种 ReAct（Reasoning + Acting）风格的结构化日志，把「为什么这么做、调用了什么工具、看到了什么结果」清晰地分层呈现。你不再只看到最终结果，而是能跟随智能体一起推理，快速定位它在哪一步做出了关键判断。
- 思考
- 行动
- 观察