面向医药物流低代码平台的持续交付场景：平台页面、流程与数据服务由配置生成，版本迭代频繁，回归验证长期依赖人工点击和零散脚本，接口报错与页面报错混在一起难以定位，跨系统的长流程（入库→出库→运输→回传）无法端到端串测，测试资产散落在个人手里、不能版本化复用。同时 AI 已开始参与页面与用例生成，但生成结果不能直接写进生效资产，必须有一道校验和人工审批。TestLab 因此立项：把页面动作、业务流程、接口场景、夹具与测试集统一建模为可版本化资产，提供 UI、API、数据库三类执行能力和分级并发压测，对内支撑 PC 端与 PDA 双端回归，对外通过 MCP 服务让 AI 客户端生成草稿、提交测试、查询报告，形成「生成 → 校验 → 审批 → 发布 → 执行 → 归档」的闭环。平台部署在客户内网，使用对象是低代码平台的测试与开发人员。
平台按使用动线划分功能区：资产库，管理页面动作、长流程、接口场景、夹具与数据集，支持分组运行、导出、回滚、问题上报和资产健康度检查；流程编排，把接口下发与页面动作混合编排，支持 if / loop / foreach / try 控制流、流程模板与预览；接口压测，维护压测配置与 SLA 判据，按并发梯度执行并留存结果历史、CSV 导出，压测与功能测试排队互斥；运行中心，提供任务队列、运行记录、失败收件箱、失败项重跑、HTML / JSON 报告与证据文件；数据集，支持数据驱动执行，含测试集、列绑定、行数据、批次、场景预览与再生成、报告导出；造数工具，用声明式 fixture spec 完成校验、执行、schema 描述和行内草稿编辑；生成审核，AI 草稿经校验、人工审批后才发布，支持批量审核与版本回滚，AI 提交只产生草稿、不改变生效版本；留痕与体检，含实时画面、逐帧抓图、webm 录像、GIF 回放、事件流与证据链，以及菜单/页面扫描体检和问题登记。此外提供 MCP 服务（stdio 与 HTTP/SSE 双通道）与命令行工具，便于 AI 客户端和 CI 流水线调用。
我负责平台整体设计与执行引擎开发：定义测试资产模型和草稿—校验—审批—发布—回滚的生命周期；实现 Playwright 驱动的 UI 逐步执行、网关 API 调用、数据库断言与造数、运行后自动清理对端单据；搭建任务队列、并发槽位、超时与资源锁；打通实时抓帧、录像回放与报告链路；开发 MCP 工具集和 Web 控制台，让 AI 生成与校验资产、提交测试、查询报告；补充接口自动化回归、分级并发压测、同单号并发一致性专项和跨系统回传链端到端验证。技术栈为 Python 3.11 + FastAPI + Playwright + SQLite + YAML + Jinja2，Docker Compose 编排 MCP 服务、Web 服务、独立浏览器容器与 Nginx，MCP 使用 JSON-RPC over stdio / HTTP-SSE。实现难点与做法：UI 并发用跨进程文件锁互斥并按槽位分配 CDP 端口，避免多浏览器串台；写资产未显式确认即拒绝执行并聚合引用检查防绕过，容器只读、业务库只读账号、官方模式审计，防止测试污染生产数据；AI 生成与人工发布解耦，草稿与生效版本分离；PC / PDA 双端 profile 与登录态注入，扫码枪按键盘事件处理，失败定位区分接口问题与页面问题；高频 WAL 库放置 Docker 命名卷，规避挂载目录并发写异常。
评论