auto-wing

auto-wing is a tool that uses LLM to assist automated testing, give your automated testing wings.

auto-wing是一个利用LLM辅助自动化测试的工具, 为你的自动化测试插上AI的翅膀。

Features

⭐ 多端支持：主流 playwright、selenium、appium 库，覆盖 Web UI 与 App UI 的 AI 操作。

⭐ 多模型：openai、deepseek、qwen、doubao、gemini 和 kimi，模型版本可通过环境变量自定义。

⭐ 多种操作：ai_action（页面操作）、ai_query（信息查询）、ai_assert（智能断言）、ai_function_cases（功能用例生成）。

⭐ 丰富的动作集：click、fill、press、select（下拉框）、hover、check/uncheck、scroll、upload。

⭐ 视觉模式：截图随请求传给视觉模型辅助定位（AUTOWING_VISION=true），不支持时自动降级为纯文本。

⭐ 失败重试与重规划：动作失败/非法响应时自动携带错误信息重新规划，失效缓存自动淘汰。

⭐ 跨 frame 覆盖：标记注入与元素采集覆盖同源 iframe 与 open Shadow DOM。

⭐ 智能缓存管理：进程级共享缓存，减少 LLM 调用，提升执行速度。

⭐ 调试辅助：操作超时、失败自动截图、执行轨迹（trace.jsonl）、AUTOWING_DEBUG 全量日志。

⭐ 可测试性：支持注入自定义 LLM 客户端，离线 Mock 测试无需真实模型。

⭐ 无痛集成到现有自动化项目（pytest、unittest）中。

Install

• 支持pip安装，python >= 3.10。

pip install autowing

# playwright [optional]
pip install pytest-playwright

# selenium [optional]
pip install selenium

# appium [optional]
pip install appium-python-client

Setting Env

方法一

申请LLM需要的key，在项目的根目录下创建.env文件。

各提供商的模型版本均可通过环境变量自定义：OPENAI_MODEL_NAME / DEEPSEEK_MODEL_NAME / QWEN_MODEL_NAME / GEMINI_MODEL_NAME / DOUBAO_MODEL_NAME（豆包为必填）/ KIMI_MODEL_NAME。

👉 完整配置项（含模型名、API 端点、视觉模式、缓存、重试、超时等运行配置）见： docs/env_config.md，模板文件 examples/.env.example。

方法二

如果不想使用python-dotenv配置环境变量，可以直接配置环境变量。

export AUTOWING_MODEL_PROVIDER=deepseek
export DEEPSEEK_API_KEY=sk-abdefghijklmnopqrstwvwxyz0123456789

其他LLM模型环境变量同样的方式配置。

Examples

👉 查看 examples

import pytest
from playwright.sync_api import Page
from autowing.playwright.fixture import create_fixture
from dotenv import load_dotenv


@pytest.fixture
def ai(page):
    """ai fixture"""
    # load .env file config
    load_dotenv()
    ai_fixture = create_fixture()
    return ai_fixture(page)


def test_bing_search(page: Page, ai):
    # 访问必应
    page.goto("https://cn.bing.com")

    # 使用AI执行搜索
    ai.ai_action('搜索输入框输入"playwright"关键字，并回车')
    page.wait_for_timeout(3000)

    # 使用AI查询搜索结果
    items = ai.ai_query('string[], 搜索结果列表中包含"playwright"相关的标题')

    # 验证结果
    assert len(items) > 1

    # 使用AI断言
    assert ai.ai_assert('检查搜索结果列表第一条标题是否包含"playwright"字符串')

• 运行日志：

> pytest test_playwright_pytest.py -s
> ================================================= test session starts =================================================
> platform win32 -- Python 3.12.3, pytest-8.3.4, pluggy-1.5.0
> rootdir: D:\github\seldomQA\auto-wing
> configfile: pyproject.toml
> plugins: base-url-2.1.0, playwright-0.6.2
> collected 1 item

test_playwright_pytest.py 2025-02-04 10:00:30.961 | INFO | autowing.playwright.fixture:ai_action:88 - 🪽 AI Action:
搜索输入框输入"playwright"关键字，并回车
2025-02-04 10:00:40.070 | INFO | autowing.playwright.fixture:ai_query:162 - 🪽 AI Query: string[], 搜索结果列表中包 含"
playwright"相关的标题
2025-02-04 10:00:48.954 | DEBUG | autowing.playwright.fixture:ai_query:218 - 📄
Query: ['Playwright 官方文档 | Playwright', 'Playwright - 快速、可靠的端到端测试框架', 'Playwright 中文文档 | Playwright', 'Playwright 入门指南 | Playwright', 'Playwright 测试框架 | Playwright', 'Playwright 教程 | Playwright', 'Playwright 使用指南 | Playwright', 'Playwright 自动化测试工具 | Playwright', 'Playwright 安装与配置 | Playwright', 'Playwright 示例代码 | Playwright']
2025-02-04 10:00:48.954 | INFO | autowing.playwright.fixture:ai_assert:267 - 🪽 AI Assert: 检查搜索结果列表第一条标
题是否包含"playwright"字符串
.

================================================= 1 passed in 27.99s ==================================================

Prompting Tips

1.提供更详细的描述以及样例

提供详细描述和示例一直是非常有用的提示词技巧。

错误示例 ❌: "搜'耳机'"

正确示例 ✅: "找到搜索框（搜索框的上方应该有区域切换按钮，如 '国内'， '国际')，输入'耳机'，敲回车"

错误示例 ❌: "断言：外卖服务正在正常运行"

正确示例 ✅: "断言：界面上有个“外卖服务”的板块，并且标识着“正常”"

2.一个 Prompt (指令)只做一件事

尽管 auto-wing 有自动重规划能力，但仍应保持指令简洁。否则，LLM 的输出可能会变得混乱。指令的长度对 token 消耗的影响几乎可以忽略不计。

错误示例 ❌:"点击登录按钮，然后点击注册按钮，在表单中输入'test@test.com'作为邮箱，'test'作为密码，然后点击注册按钮"

正确示例 ✅: 将任务分解为三个步骤："点击登录按钮" "点击注册按钮" "在表单中输入'test@test.com'作为邮箱，'test'作为密码，然后点击注册按钮"

3.从界面做推断，而不是 DOM 属性或者浏览器状态

所有传递给 LLM 的数据都是截图和元素坐标。DOM和浏览器 对 LLM 来说几乎是不可见的。因此，务必确保你想提取的信息都在截图中有所体现且能被 LLM “看到”。

正确示例 ✅：标题是蓝色的

错误实例 ❌：标题有个 test-id-size 属性

错误实例 ❌：浏览器有两个 tab 开着

错误实例 ❌：异步请求已经结束了

4.中、英文提示词无影响

由于大多数 AI 模型可以理解多种语言，所以请随意用你喜欢的语言撰写提示指令。即使提示语言与页面语言不同，通常也是可行的。

交流

欢迎添加微信，交流和反馈问题。