本文档为希望测试 AutoGPT 系统或为项目贡献新测试的开发人员提供指导。它涵盖了 AutoGPT 不同组件所使用的测试方法、框架和技术。
有关 CI/CD 工作流程的信息，请参阅 CI/CD 工作流程。有关贡献流程的详细信息，请参阅 贡献。
AutoGPT 在其组件中采用了全面的测试策略，包括现代平台和经典实现。测试对于确保可靠性至关重要，尤其是在处理复杂的 AI 代理行为和与外部服务的集成时。
测试方法包括：
来源：.gitmodules
AutoGPT 的测试架构遵循存储库的主要组件结构，并根据正在测试的系统组织测试。
图表：测试组织
来源：.gitmodules
AutoGPT 根据被测组件使用不同的测试框架。
图表：测试框架
来源：.gitmodules
经典 AutoGPT 系统具有成熟的测试模式，尤其是在 Forge 组件方面。
Forge 组件使用 VCR Cassettes 来记录和回放测试中的 HTTP 交互。这使得测试无需实际进行外部 API 调用即可运行，从而提高了测试的速度和可靠性。
测试 Cassettes 存储在另一个存储库中，该存储库作为子模块链接到 classic/forge/tests/vcr_cassettes，从而保持主存储库的大小可控。
来源：.gitmodules
Agent Builder 平台的前端组件使用 Jest 和 React Testing Library 进行测试。测试侧重于组件渲染、用户交互和状态管理。
组件测试通常验证：
后端测试侧重于 API 端点、数据处理以及与外部服务的集成。关键领域包括：
由于 AutoGPT 与各种外部服务（尤其是 LLM 提供商）进行交互，因此适当的模拟对于可靠的测试至关重要。
编写 AutoGPT 组件的单元测试时：
def test_component_specific_behavior():
# Arrange: Set up test prerequisites
test_input = "sample input"
expected_output = "expected result"
# Act: Execute the functionality being tested
actual_result = component_function(test_input)
# Assert: Verify the output matches expectations
assert actual_result == expected_output
测试可以在开发过程中本地运行，也可以作为 CI 管道的一部分运行。
对于基于 Python 的组件（后端、经典 AutoGPT）
pytest path/to/tests
对于基于 JavaScript 的组件（前端）
npm test
在创建或更新拉取请求时，测试会自动作为 CI/CD 管道的一部分运行。CI 系统会运行完整的测试套件，以确保所有组件协同工作正常。
基准测试系统作为一种专门的测试形式，专注于衡量代理的性能和行为。基准测试有助于识别功能回归并验证改进。
基准测试中跟踪的关键指标包括：
有关基准测试系统的更多详细信息，请参阅 Benchmark。
测试是 AutoGPT 开发过程的关键部分。通过遵循本文档中概述的测试实践，贡献者可以确保他们的更改能够保持或提高系统的稳定性和功能性。
在为 AutoGPT 贡献新功能、错误修复或改进时，请务必包含适当的测试来验证更改。这有助于维护代码库的整体质量并防止回归。