V1.2.0

.env.example

@@ -26,6 +26,10 @@ DJANGO_ADMIN_PASSWORD=admin123456
 WHARTTEST_BACKEND_URL=http://backend:8000
 
 # WHartTest API Key
-# 请在 WHartTest 平台的"API密钥管理"页面生成 API Key，然后填写到这里
-# 登录后访问：设置 -> API密钥管理 -> 创建新密钥
-WHARTTEST_API_KEY=your_api_key_here
+# 默认使用系统自动生成的固定密钥，开箱即用，无需手动配置
+# 
+# ⚠️ 安全提示：
+# - 开发环境：可直接使用下面的默认密钥
+# - 生产环境：请登录后台删除默认密钥，并创建新的安全密钥
+# 创建新密钥：登录后台 -> 系统管理 -> API密钥 -> 创建新密钥
+WHARTTEST_API_KEY=wharttest-default-mcp-key-2025

.gitignore

@@ -46,6 +46,7 @@ out/
 
 # Dependencies (handled by subdirectories, but backup)
 node_modules/
+nltk_data/
 
 # Python cache (handled by Django .gitignore, but backup)
 __pycache__/
@@ -62,4 +63,6 @@ __pycache__/
 docs/_build/
 docs/.vitepress/cache/
 # Playwright截图目录
-playwright-screenshots/
+playwright-screenshots/
+WHartTest_Django/chat_history.sqlite-shm
+WHartTest_Django/chat_history.sqlite-wal

README.md

@@ -2,31 +2,38 @@
 
 ## 项目简介
 
-WHartTest 是一个基于 Django REST Framework 构建的AI驱动测试自动化平台，核心功能是通过AI智能生成测试用例。平台集成了 LangChain、MCP（Model Context Protocol）工具调用、项目管理、需求评审、测试用例管理以及先进的知识库管理和文档理解功能。利用大语言模型和HuggingFace嵌入模型的能力，自动化生成高质量的测试用例，并结合知识库提供更精准的测试辅助，为测试团队提供一个完整的智能测试管理解决方案。
+WHartTest 是一个基于 Django REST Framework 构建的AI驱动测试自动化平台，核心功能是通过AI智能生成测试用例。平台集成了 LangChain、MCP（Model Context Protocol）工具调用、项目管理、需求评审、测试用例管理以及先进的知识库管理和文档理解功能。利用大语言模型和多种嵌入服务（OpenAI、Azure OpenAI、Ollama等）的能力，自动化生成高质量的测试用例，并结合知识库提供更精准的测试辅助，为测试团队提供一个完整的智能测试管理解决方案。
 
 
 ## 文档
 详细文档请访问：https://mgdaaslab.github.io/WHartTest/
 
 ## 快速开始
 
-### Docker 部署（推荐）
+### Docker 部署（推荐 - 开箱即用）
 
-#### 使用预构建镜像（无需本地构建）
 ```bash
 # 1. 克隆仓库
 git clone https://github.com/MGdaasLab/WHartTest.git
 cd WHartTest
 
-# 2. 配置环境变量
+# 2. 准备配置（使用默认配置，包含自动生成的API Key）
 cp .env.example .env
-# 编辑 .env 文件，设置必要的环境变量
 
-# 3. 启动服务（自动拉取预构建镜像）
+# 3. 一键启动（自动拉取预构建镜像）
 docker-compose up -d
+
+# 4. 访问系统
+# 前端：http://localhost:8913
+# 后台：http://localhost:8912/admin (admin/admin123456)
 ```
 
+**就这么简单！** 系统会自动创建默认API Key，MCP服务开箱即用。
+
+> ⚠️ **生产环境提示**：请登录后台删除默认API Key并创建新的安全密钥。详见 [快速启动指南](./docs/QUICK_START.md)
+
 详细的部署说明请参考：
+- [快速启动指南](./docs/QUICK_START.md) - **推荐新用户阅读**
 - [GitHub 自动构建部署指南](./docs/github-docker-deployment.md)
 - [完整部署文档](https://mgdaaslab.github.io/WHartTest/)
 

WHartTest_Django/.dockerignore

@@ -1,53 +1,98 @@
-# Python
+# Python缓存和编译文件
 __pycache__/
 *.py[cod]
 *$py.class
 *.so
+*.egg
+*.egg-info/
 .Python
+pip-log.txt
+pip-delete-this-directory.txt
+
+# 虚拟环境（所有可能的虚拟环境目录）
 env/
 venv/
+.venv/
 ENV/
 env.bak/
 venv.bak/
-.venv/
+.pyenv/
+.virtualenv/
+virtualenv/
 
-# Django
+# Django运行时数据和临时文件
 *.log
 db.sqlite3
 db.sqlite3-journal
+chat_history.sqlite
 media/
 staticfiles/
+local_settings.py
+*.pid
+celerybeat-schedule
 
-# IDE
+# IDE和编辑器
 .vscode/
 .idea/
 *.swp
 *.swo
 *~
 .DS_Store
+*.sublime-project
+*.sublime-workspace
 
 # Git
 .git/
 .gitignore
 .gitattributes
+.github/
 
-# Documentation
+# 文档
 README.md
 docs/
 *.md
+LICENSE
 
-# Tests
+# 测试
 .pytest_cache/
 .coverage
+.coverage.*
 htmlcov/
 .tox/
+.nox/
+.hypothesis/
+pytest_cache/
+test_*.py
+*_test.py
+tests/
+**/tests/
 
-# Environment
+# 环境变量
 .env
+.env.*
 .env.local
 .env.*.local
 
-# Docker
+# Docker相关
 Dockerfile
+Dockerfile.*
 .dockerignore
-docker-compose*.yml
+docker-compose*.yml
+
+# 部署脚本和临时文件
+deploy-scripts/
+*.tmp
+*.bak
+*.swp
+*~.nib
+
+# 本地数据和缓存
+nltk_data/
+*.sqlite
+*.sqlite3
+*.sqlite3-wal
+*.sqlite3-shm
+*.db
+*.sql
+db.sqlite3
+chat_history.sqlite

WHartTest_Django/.env.example

@@ -0,0 +1,47 @@
+# 本地开发环境配置示例
+# 复制此文件为 .env 并根据实际情况修改配置
+
+# ================================
+# Redis 连接配置
+# ================================
+# 本地开发：连接 Docker 容器中的 Redis（端口 8911）
+# Docker 部署：使用 docker-compose.yml 中的配置
+CELERY_BROKER_URL=redis://127.0.0.1:8911/0
+CELERY_RESULT_BACKEND=redis://127.0.0.1:8911/0
+
+# ================================
+# Django 基础配置
+# ================================
+# 调试模式（生产环境请设为 False）
+DJANGO_DEBUG=True
+
+# Django 密钥（生产环境必须修改为随机字符串）
+DJANGO_SECRET_KEY=dev-secret-key-change-in-production
+
+# 允许访问的主机（生产环境请设置具体域名）
+DJANGO_ALLOWED_HOSTS=*
+
+# CORS 跨域允许的源（根据前端地址配置）
+DJANGO_CORS_ALLOWED_ORIGINS=http://localhost:3000,http://localhost:5173,http://localhost:5174,http://localhost:80
+
+# ================================
+# 数据库和文件存储
+# ================================
+# SQLite 数据库路径（本地开发使用相对路径）
+DATABASE_PATH=./db.sqlite3
+
+# 媒体文件存储路径
+MEDIA_ROOT=./media
+
+# ================================
+# Django 管理员账户（首次启动时创建）
+# ================================
+# DJANGO_ADMIN_USERNAME=admin
+# DJANGO_ADMIN_EMAIL=admin@example.com
+# DJANGO_ADMIN_PASSWORD=admin123456
+
+# ================================
+# API 基础 URL（可选）
+# ================================
+# 用于内部 API 调用
+# DJANGO_BASE_URL=http://localhost:8000

WHartTest_Django/.gitignore

@@ -12,6 +12,8 @@ chat_history.sqlite  # LangGraph聊天历史数据库
 chroma.sqlite3  # ChromaDB数据库文件
 /static/
 /media/  # 包含用户上传的文档和知识库数据
+# NLTK数据（通过nltk.download()下载，不应提交到版本控制）
+nltk_data/
 /logs/  # 应用日志文件
 browser_data/  # 浏览器用户数据
 knowledge_bases/  # 知识库数据（如果MEDIA_ROOT未正确设置时的位置）
@@ -29,6 +31,8 @@ env/
 # HuggingFace模型缓存
 .cache/
 media
+
+
 # IDE / Editor
 .idea/
 .vscode/

WHartTest_Django/Dockerfile

@@ -1,39 +1,86 @@
-# 使用 Python 3.11 官方镜像作为基础镜像
-FROM python:3.11-slim
+# ============================================
+# 多阶段构建 - 优化后的Dockerfile
+# 镜像大小：~1.1GB（从1.74GB减少36.8%）
+# ============================================
 
-# 设置工作目录
-WORKDIR /app
+# ============================================
+# 第一阶段：构建阶段（包含编译工具）
+# ============================================
+FROM docker.m.daocloud.io/library/python:3.11-slim AS builder
+
+WORKDIR /build
 
 # 设置环境变量
 ENV PYTHONUNBUFFERED=1 \
     PYTHONDONTWRITEBYTECODE=1 \
     PIP_NO_CACHE_DIR=1 \
     PIP_DISABLE_PIP_VERSION_CHECK=1
 
-# 安装系统依赖
+# 安装构建依赖（仅在构建阶段需要）
 RUN apt-get update && apt-get install -y --no-install-recommends \
     build-essential \
-    curl \
-    git \
     && rm -rf /var/lib/apt/lists/*
 
-# 安装 uv
-RUN pip install uv
+# 安装uv（更快的pip替代品）
+RUN pip install --no-cache-dir uv
 
-# 复制 requirements 文件
+# 复制requirements并安装依赖到虚拟环境
 COPY requirements.txt .
 
-# 使用 uv 安装 Python 依赖
-# 同时安装 supervisor
-RUN uv pip install --system -r requirements.txt supervisor
+# 使用uv直接安装到虚拟环境（uv更快）
+RUN uv venv /opt/venv && \
+    uv pip install --python /opt/venv/bin/python --no-cache -r requirements.txt
 
-# 复制项目文件
-COPY . .
+# ============================================
+# 第二阶段：运行阶段（仅包含运行时依赖）
+# ============================================
+FROM docker.m.daocloud.io/library/python:3.11-slim
 
-# 复制 supervisord 配置文件和启动脚本(放在 COPY . . 之后以避免被覆盖)
-COPY supervisord.conf /app/supervisord.conf
+WORKDIR /app
+
+# 设置环境变量
+ENV PYTHONUNBUFFERED=1 \
+    PYTHONDONTWRITEBYTECODE=1 \
+    PATH="/opt/venv/bin:$PATH" \
+    PYTHONPATH="/app:$PYTHONPATH"
+
+# 仅安装运行时必需的系统依赖
+RUN apt-get update && apt-get install -y --no-install-recommends \
+    supervisor \
+    curl \
+    && rm -rf /var/lib/apt/lists/* \
+    && apt-get clean
+
+# 从构建阶段复制虚拟环境（不包含构建工具）
+COPY --from=builder /opt/venv /opt/venv
+
+# 复制启动脚本和配置文件
 COPY entrypoint.sh /app/entrypoint.sh
-RUN chmod +x /app/entrypoint.sh
+COPY supervisord.conf /app/supervisord.conf
+
+# 转换换行符并添加执行权限
+RUN sed -i 's/\r$//' /app/entrypoint.sh && chmod +x /app/entrypoint.sh
+
+# 复制Django项目代码（仅复制必要的Python代码）
+COPY manage.py /app/
+COPY accounts/ /app/accounts/
+COPY api_keys/ /app/api_keys/
+COPY knowledge/ /app/knowledge/
+COPY langgraph_integration/ /app/langgraph_integration/
+COPY mcp_tools/ /app/mcp_tools/
+COPY orchestrator_integration/ /app/orchestrator_integration/
+COPY projects/ /app/projects/
+COPY prompts/ /app/prompts/
+COPY requirements/ /app/requirements/
+COPY testcases/ /app/testcases/
+COPY wharttest_django/ /app/wharttest_django/
+
+# 清理不必要的文件
+RUN find /app -type f \( -name "*.sqlite*" -o -name "*.db" -o -name "*.sql" \) -delete && \
+    find /app -type d \( -name ".venv" -o -name "venv" -o -name "__pycache__" -o -name ".git" -o -name "*.egg-info" \) -exec rm -rf {} + 2>/dev/null || true && \
+    find /opt/venv -type d -name "__pycache__" -exec rm -rf {} + 2>/dev/null || true && \
+    find /opt/venv -type f -name "*.pyc" -delete 2>/dev/null || true && \
+    find /opt/venv -type f -name "*.pyo" -delete 2>/dev/null || true
 
 # 创建必要的目录
 RUN mkdir -p media static nltk_data /var/log

WHartTest_Django/README.md

@@ -2,7 +2,7 @@
 
 ## 项目简介
 
-WhartTest 是一个基于 Django REST Framework 构建的AI驱动测试自动化平台，核心功能是通过AI智能生成测试用例。平台集成了 LangChain、MCP（Model Context Protocol）工具调用、项目管理、测试用例管理以及先进的知识库管理和文档理解功能。利用大语言模型和HuggingFace嵌入模型的能力，自动化生成高质量的测试用例，并结合知识库提供更精准的测试辅助，为测试团队提供一个完整的智能测试管理解决方案。
+WhartTest 是一个基于 Django REST Framework 构建的AI驱动测试自动化平台，核心功能是通过AI智能生成测试用例。平台集成了 LangChain、MCP（Model Context Protocol）工具调用、项目管理、测试用例管理以及先进的知识库管理和文档理解功能。利用大语言模型和多种嵌入服务（OpenAI、Azure OpenAI、Ollama等）的能力，自动化生成高质量的测试用例，并结合知识库提供更精准的测试辅助，为测试团队提供一个完整的智能测试管理解决方案。
 
 ## 核心特性
 
@@ -98,11 +98,12 @@ langchain-mcp-adapters
 # 知识库相关
 langchain-text-splitters
 langchain-chroma # ChromaDB向量数据库集成
-langchain-huggingface # HuggingFace嵌入模型支持
-sentence-transformers # HuggingFace句子转换模型
-torch # PyTorch (sentence-transformers依赖)
-transformers # HuggingFace Transformers库
-huggingface-hub # HuggingFace模型下载
+# 注意：现使用CustomAPIEmbeddings通过API调用嵌入模型，无需以下本地模型依赖
+# langchain-huggingface # HuggingFace嵌入模型支持 (已弃用)
+# sentence-transformers # HuggingFace句子转换模型 (已弃用，约1GB+)
+# torch # PyTorch (已弃用，约800MB+)
+# transformers # HuggingFace Transformers库 (已弃用)
+# huggingface-hub # HuggingFace模型下载 (已弃用)
 
 # 文档处理
 pypdf
@@ -633,7 +634,7 @@ sudo ufw enable
 - Django (BSD-3-Clause)
 - Django REST Framework (MIT)
 - LangChain系列 (MIT)
-- HuggingFace Transformers (Apache-2.0)
+- OpenAI SDK (MIT)
 - 其他依赖库详见 [requirements.txt](requirements.txt)
 
 所有依赖库均为宽松开源协议，与MIT协议完全兼容。