测试框架与自动化测试工具：2026 精选

Playwright 是一个用于 Web 测试与自动化的框架，通过统一 API 驱动 Chromium、Firefox 和 WebKit。

用高级 API 控制 Chrome 或 Firefox 的 JavaScript 库，默认无界面运行。

用于独立开发、文档化和测试 UI 组件的前端工作台，支持 React、Vue、Angular 等框架。

一款用 Go 编写的自托管一体化软件开发服务，涵盖 Git 托管、代码评审、议题与 CI/CD。

可自托管的开源开发平台，集代码托管、CI/CD 流水线、Gitspaces 开发环境和制品仓库于一体。

让 LLM 客户端通过 Playwright 基于无障碍快照操控真实浏览器的 MCP 服务器。

开源的 LLM 工程平台，用于追踪、评估、管理提示词并调试 LLM 应用，支持自托管。

GitHub 官方 MCP 服务器，让 AI 助手读取仓库、管理 Issue 与 PR 并操作 GitHub Actions。

一款命令行工具，用于在 Git 仓库、文件和标准输入中检测密码、API 密钥、令牌等敏感信息。

开源 AI 工程平台，用于调试、评估、监控和优化智能体、LLM 应用与机器学习模型。

免费开源的本地 AWS 模拟器，无需云账号即可在本机运行兼容 AWS 的服务。

用于评估提示词和对 LLM 应用做红队测试的命令行工具与库，支持声明式配置和 CI/CD 集成。

可自托管的 GitLab 社区版，基于 Ruby on Rails 的 Git 仓库管理平台，集成代码评审、CI/CD 与议题跟踪。

一款声明式 GitOps 持续交付工具，可将 Kubernetes 应用同步为 Git 仓库中定义的状态。

开源的 LLM 可观测与评估平台，用于 AI 智能体追踪、LLM 输出评估、提示词管理和生产监控。

轻量的 React DOM 测试工具，按用户实际使用的方式查询和操作组件。

开源 Python LLM 评测框架，可像 Pytest 一样对 LLM 应用做单元测试，内置 RAG、Agent、多轮对话等指标。

开源 API 与集成测试工具，通过 eBPF 录制真实流量并回放为测试和数据 Mock，无需修改代码。

开源静态分析工具，用接近源码的模式查找代码缺陷并执行编码规范，支持 30 多种语言。

可编程的自动化引擎，基于容器构建、测试和发布代码，可在本地、CI 或云端运行。

一个用于构建 Apple 平台应用的 Swift 库，提供统一的状态管理、可组合的功能模块与便于测试的副作用处理。

一个 Python 测试框架，写小型测试简单，也能支撑应用和库的复杂功能测试。

统一的语言模型少样本评测框架，覆盖大量标准学术基准测试。

面向 AI 编程助手和测试套件的 Android 自动化工具，用自然语言驱动真机或模拟器。

开源、可自托管的 AI 可观测性平台，用于追踪、评估和调试 LLM 应用与智能体。

面向 Web 与移动应用的端到端测试框架，可用自然语言描述测试目标，由智能体驱动应用完成。

自托管的代码质量与安全平台，扫描项目中的缺陷、漏洞和可维护性问题，并可在 CI 流程中设置质量门禁。

按类别整理的 120 多个 LLM 开源库清单，涵盖训练、推理、RAG、智能体、评估与监控等环节。

用 Rust 编写的以太坊智能合约开发工具集，包含 Forge、Cast、Anvil 和 Chisel。

开源命令行工具，用于探测大语言模型在提示注入、数据泄露、越狱和有害输出等方面的漏洞。

在 GitHub PR 和 Issue 中运行 Claude Code，用于回答问题、审查代码和实现改动。

开源 Java 应用，用于对 Web 应用及其他服务进行负载测试和性能测量。

用于编译、部署、测试和调试以太坊智能合约与去中心化应用的开发环境。

一站式大模型评测平台，覆盖 100 多个数据集，支持多种模型与推理后端。

一个面向企业应用的 Next.js 15 启动模板，集成 TypeScript、Tailwind CSS、测试与代码规范工具。

一个独立的命令行工具，监视文件变化并自动执行指定命令。

统一的 Web 开发工具链，通过一个 vp 命令整合 Vite、Vitest、Oxlint、Oxfmt 等工具，并管理 Node.js 与包管理器。

多语言测试报告工具，将多种测试框架和 CI/CD 系统的结果生成清晰的图形化 HTML 报告。

开源 IaC 编排工具，在现有 CI 流水线中运行 Terraform 与 OpenTofu，通过 PR 评论触发 plan 和 apply。

一个可定制的大模型评测框架，覆盖 LLM、VLM 和 AIGC 模型的基准评测与推理性能压测。

一个基于 SIMD 优化的图片逐像素对比工具，提供命令行与 Node.js 接口，并生成差异图。

一个代理技能，让编程智能体编写并运行定制的 Playwright 浏览器自动化脚本，用于页面测试和多步骤网页任务。

DBLab Engine 为 PostgreSQL 提供基于写时复制的瘦克隆与分支，用于开发、测试和 CI/CD。

收集真实 DevOps、SRE 与云工程面试题，按公司和岗位分类整理。

为 Claude Code 提供的插件，内含技能与智能体，指导 Claude 按最佳实践开发 Spring Boot 4.x / Java 21+ 应用。

让 AI 编程代理在真实运行的 Web 或桌面应用中验证改动，并返回通过、失败或无法判定的结论。

用于测试 LLM 应用输出的 Python/TypeScript 评估库，提供现成评估器和 LLM-as-judge 打分。

开源 AI 测试智能体，把 Gherkin 用例自动转为端到端浏览器、API、安全、无障碍和视觉测试。

基于 vCluster 以 Docker 容器运行 Kubernetes 集群，是 KinD 的替代方案，支持暂停恢复与内置负载均衡。

一套让编码智能体先出测试计划、再经多重校验并附证据报告的 skill。

一款基于 ADB 的 Android 应用测试桌面图形工具，支持 Windows 和 macOS。

一个有状态、多轮对话式的基准测试，用于评估大模型agent的工具调用能力，内置用户模拟器。

无需 ADB、USB 数据线或 root，用代码自动化控制真实 Android 手机，用于应用测试、重复任务和手机农场。