aiagent/测试指南-完整版.md

# 完整测试指南

## 📋 测试前准备

### 1. 配置API密钥

#### 方法一：使用环境变量文件

创建或编辑 `backend/.env` 文件：

```env
# OpenAI配置
OPENAI_API_KEY=sk-your-openai-api-key-here
OPENAI_BASE_URL=https://api.openai.com/v1

# DeepSeek配置
DEEPSEEK_API_KEY=sk-your-deepseek-api-key-here
DEEPSEEK_BASE_URL=https://api.deepseek.com
```

#### 方法二：使用Docker环境变量

在 `docker-compose.dev.yml` 中的 `backend` 服务添加：

```yaml
environment:
  - OPENAI_API_KEY=sk-your-openai-api-key-here
  - DEEPSEEK_API_KEY=sk-your-deepseek-api-key-here
```

### 2. 重启服务

```bash
docker-compose -f docker-compose.dev.yml restart backend
```

### 3. 验证服务运行

```bash
# 检查后端服务
docker-compose -f docker-compose.dev.yml ps backend

# 查看后端日志
docker-compose -f docker-compose.dev.yml logs --tail=20 backend
```

## 🧪 测试步骤

### 测试1：基础功能测试

#### 1.1 登录系统

1. 打开浏览器访问：`http://101.43.95.130:8038` 或 `http://localhost:8038`
2. 如果未注册，先注册账号
3. 使用用户名和密码登录
4. 验证登录成功后跳转到首页

**预期结果**：
- ✅ 登录成功
- ✅ 显示工作流列表页面
- ✅ 控制台无错误

#### 1.2 创建工作流

1. 点击"创建工作流"按钮
2. 进入工作流设计器
3. 验证画布显示正常

**预期结果**：
- ✅ 工作流设计器正常加载
- ✅ 节点工具箱显示正常
- ✅ 可以拖拽节点到画布

### 测试2：LLM节点测试

#### 2.1 创建简单工作流（OpenAI）

1. **添加节点**：
   - 从节点工具箱拖拽"开始"节点到画布
   - 拖拽"LLM"节点到画布
   - 拖拽"结束"节点到画布

2. **连接节点**：
   - 从"开始"节点的底部连接点拖到"LLM"节点的顶部
   - 从"LLM"节点的底部拖到"结束"节点的顶部

3. **配置LLM节点**：
   - 点击"LLM"节点选中它
   - 在右侧配置面板中：
     - 提供商：选择"OpenAI"
     - 提示词：输入 `请将以下文本翻译成英文：{input}`
     - 模型：选择"GPT-3.5 Turbo"
     - 温度：0.7
   - 点击"保存配置"

4. **保存工作流**：
   - 点击顶部"保存"按钮
   - 验证保存成功提示

**预期结果**：
- ✅ 节点可以正常连接
- ✅ LLM节点配置保存成功
- ✅ 工作流保存成功

#### 2.2 执行工作流（OpenAI）

1. **运行工作流**：
   - 点击"运行"按钮
   - 输入测试数据（JSON格式）：
     ```json
     {
       "input": "你好，世界"
     }
     ```
   - 点击"执行"

2. **查看执行结果**：
   - 等待执行完成
   - 查看执行结果

**预期结果**：
- ✅ 执行成功
- ✅ 返回英文翻译结果："Hello, world"
- ✅ 无错误信息

#### 2.3 测试DeepSeek

1. **创建新工作流或修改现有工作流**：
   - 添加LLM节点
   - 配置节点：
     - 提供商：选择"DeepSeek"
     - 提示词：`请用一句话总结：{input}`
     - 模型：选择"DeepSeek Chat"
     - 温度：0.7

2. **执行工作流**：
   - 输入数据：
     ```json
     {
       "input": "人工智能是计算机科学的一个分支，它试图理解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。"
     }
     ```
   - 执行并查看结果

**预期结果**：
- ✅ DeepSeek调用成功
- ✅ 返回总结结果
- ✅ 无错误信息

#### 2.4 测试DeepSeek Coder

1. **配置代码生成节点**：
   - 提供商：DeepSeek
   - 模型：DeepSeek Coder
   - 提示词：`请用Python编写一个函数，功能是：{input}`

2. **执行工作流**：
   - 输入数据：
     ```json
     {
       "input": "计算斐波那契数列的第n项"
     }
     ```
   - 执行并查看结果

**预期结果**：
- ✅ 返回Python代码
- ✅ 代码格式正确
- ✅ 功能符合要求

### 测试3：复杂工作流测试

#### 3.1 多节点工作流

创建以下工作流：

```
开始 → LLM节点(翻译) → LLM节点(总结) → 结束
```

1. **配置第一个LLM节点**（翻译）：
   - 提供商：OpenAI
   - 提示词：`将以下中文翻译成英文：{input}`
   - 模型：GPT-3.5 Turbo

2. **配置第二个LLM节点**（总结）：
   - 提供商：DeepSeek
   - 提示词：`请用一句话总结以下英文内容：{input}`
   - 模型：DeepSeek Chat

3. **执行工作流**：
   - 输入数据：
     ```json
     {
       "input": "人工智能技术正在快速发展，它将在未来改变我们的生活方式。"
     }
     ```

**预期结果**：
- ✅ 第一个节点返回英文翻译
- ✅ 第二个节点返回总结
- ✅ 数据正确传递

#### 3.2 条件分支工作流

创建以下工作流：

```
开始 → LLM节点(判断) → 条件节点 → [True分支] → 输出节点
                              ↓
                         [False分支] → 输出节点
```

1. **配置LLM节点**：
   - 提示词：`判断以下文本的情感倾向（返回positive或negative）：{input}`

2. **配置条件节点**：
   - 条件表达式：`{input} == "positive"`

3. **执行工作流**：
   - 测试数据1（正面）：
     ```json
     {
       "input": "今天天气真好"
     }
     ```
   - 测试数据2（负面）：
     ```json
     {
       "input": "今天心情很糟糕"
     }
     ```

**预期结果**：
- ✅ 正面文本走True分支
- ✅ 负面文本走False分支
- ✅ 条件判断正确

### 测试4：WebSocket实时推送测试

#### 4.1 使用浏览器控制台测试

1. **打开浏览器控制台**（F12）

2. **建立WebSocket连接**：
   ```javascript
   // 先执行一个工作流，获取execution_id
   // 假设execution_id为 'your-execution-id'
   
   const executionId = 'your-execution-id';
   const protocol = window.location.protocol === 'https:' ? 'wss:' : 'ws:';
   const hostname = window.location.hostname;
   const ws = new WebSocket(`${protocol}//${hostname}:8037/api/v1/ws/executions/${executionId}`);
   
   ws.onopen = () => {
     console.log('✅ WebSocket连接已建立');
   };
   
   ws.onmessage = (event) => {
     const message = JSON.parse(event.data);
     console.log('📨 收到消息:', message);
     
     if (message.type === 'status') {
       console.log('状态:', message.status);
       console.log('进度:', message.progress);
     }
   };
   
   ws.onerror = (error) => {
     console.error('❌ WebSocket错误:', error);
   };
   
   ws.onclose = () => {
     console.log('🔌 WebSocket连接已关闭');
   };
   
   // 心跳
   setInterval(() => {
     if (ws.readyState === WebSocket.OPEN) {
       ws.send(JSON.stringify({ type: 'ping' }));
     }
   }, 30000);
   ```

3. **执行工作流**：
   - 在另一个标签页执行工作流
   - 观察控制台中的状态更新

**预期结果**：
- ✅ WebSocket连接成功
- ✅ 收到状态更新消息
- ✅ 状态从pending → running → completed
- ✅ 收到最终结果

### 测试5：错误处理测试

#### 5.1 API Key错误

1. **临时移除API Key**：
   ```bash
   # 在backend/.env中注释掉API Key
   # OPENAI_API_KEY=sk-xxx
   ```

2. **重启后端**：
   ```bash
   docker-compose -f docker-compose.dev.yml restart backend
   ```

3. **执行工作流**：
   - 使用OpenAI节点
   - 执行工作流

**预期结果**：
- ✅ 返回错误信息
- ✅ 错误信息清晰：`OpenAI API Key未配置...`
- ✅ 工作流执行失败但不会崩溃

#### 5.2 网络错误

1. **断开网络**（或使用错误的API地址）

2. **执行工作流**

**预期结果**：
- ✅ 返回网络错误信息
- ✅ 错误处理正常
- ✅ 不会导致系统崩溃

#### 5.3 无效模型名称

1. **配置LLM节点**：
   - 模型名称：`invalid-model-name`

2. **执行工作流**

**预期结果**：
- ✅ 返回模型不存在错误
- ✅ 错误信息清晰

### 测试6：性能测试

#### 6.1 并发执行测试

1. **同时执行多个工作流**：
   - 创建3-5个不同的工作流
   - 同时执行它们

**预期结果**：
- ✅ 所有工作流都能正常执行
- ✅ 不会相互影响
- ✅ 执行时间合理

#### 6.2 长时间运行测试

1. **创建包含多个LLM节点的工作流**

2. **执行并监控**：
   - 观察执行时间
   - 检查资源使用情况

**预期结果**：
- ✅ 长时间运行稳定
- ✅ 内存使用正常
- ✅ 不会出现内存泄漏

## 📊 测试检查清单

### 基础功能
- [ ] 用户注册和登录
- [ ] 工作流创建和保存
- [ ] 节点拖拽和连接
- [ ] 节点配置保存

### LLM功能
- [ ] OpenAI调用成功
- [ ] DeepSeek调用成功
- [ ] DeepSeek Coder调用成功
- [ ] Prompt模板变量替换
- [ ] 不同模型选择
- [ ] 温度参数生效
- [ ] 最大Token数限制

### 工作流执行
- [ ] 简单工作流执行
- [ ] 多节点工作流执行
- [ ] 条件分支工作流
- [ ] 数据传递正确
- [ ] 执行结果正确

### WebSocket
- [ ] WebSocket连接建立
- [ ] 状态实时更新
- [ ] 心跳检测
- [ ] 连接自动断开

### 错误处理
- [ ] API Key错误处理
- [ ] 网络错误处理
- [ ] 模型错误处理
- [ ] 错误信息清晰

### 性能
- [ ] 并发执行正常
- [ ] 长时间运行稳定
- [ ] 资源使用合理

## 🐛 常见问题排查

### 问题1：LLM调用失败

**检查项**：
1. API Key是否正确配置
2. 网络连接是否正常
3. API余额是否充足
4. 模型名称是否正确

**解决方法**：
```bash
# 检查环境变量
docker-compose -f docker-compose.dev.yml exec backend env | grep API_KEY

# 查看后端日志
docker-compose -f docker-compose.dev.yml logs --tail=50 backend
```

### 问题2：WebSocket连接失败

**检查项**：
1. 后端服务是否运行
2. 端口8037是否开放
3. 防火墙配置是否正确

**解决方法**：
```bash
# 检查后端服务
docker-compose -f docker-compose.dev.yml ps backend

# 测试WebSocket连接
curl -i -N -H "Connection: Upgrade" -H "Upgrade: websocket" \
  http://localhost:8037/api/v1/ws/executions/test-id
```

### 问题3：工作流执行卡住

**检查项**：
1. Celery worker是否运行
2. Redis连接是否正常
3. 数据库连接是否正常

**解决方法**：
```bash
# 检查Celery worker
docker-compose -f docker-compose.dev.yml ps celery

# 查看Celery日志
docker-compose -f docker-compose.dev.yml logs --tail=50 celery

# 检查Redis
docker-compose -f docker-compose.dev.yml exec redis redis-cli ping
```

## 📝 测试报告模板

```
测试日期：2024-XX-XX
测试人员：XXX

测试结果：
- 基础功能：✅ 通过
- LLM功能：✅ 通过
- 工作流执行：✅ 通过
- WebSocket：✅ 通过
- 错误处理：✅ 通过
- 性能：✅ 通过

发现问题：
1. [问题描述]
2. [问题描述]

建议：
1. [建议内容]
2. [建议内容]
```

---

**状态**: ✅ 测试指南已创建
**时间**: 2024年