Riqor

项目简介 Riqor 是一个开源的 AI 辅助测试工作台，专注于将测试工作的产出从"能跑通"提升到"可交付"标准。它不只是一个对话式 Agent，而是一套完整的工作流系统：Agent 负责分析和对话，agent-next CLI 负责盘点依赖、记录运行状态、维护产物关系和执行质量门禁。项目自带三条开箱即用的流程（新功能测试、Bug 回归、发布验收），支持从 PRD、Bug 报告、代码变更、发布基线或已有测试用例任意一处启动。 核心功能 多入口启动：支持从 PRD、Bug 报告、代码变更、发布基线或已有测试用例任意一处启动测试工作 测试资产管理：自动盘点已有测试资产，识别哪些可以复用、哪些因需求变更已过期 风险结论追踪：每条风险结论必须有证据支撑，避免空泛的测试结论 质量门禁（Stage Gate）：用例不合格时，流程会自动暂停等待人工确认，确保不把未达标产物推入下一阶段 三条开箱流程：新功能测试流程、Bug 回归流程、发布验收流程开箱即用 Project Profile 配置：项目自己的仓库、Track、知识和环境策略通过配置文件管理，无需改动 Core 远程写入边界：共享环境的写入操作和数据修改仍保留人工确认边界，防止 Agent 越权操作 技术实现 Riqor 的架构分为两层：上层是 Agent（目前推荐 Codex/Hermes Agent），负责人机对话和需求分析；下层是 agent-next CLI，负责所有确定性操作，包括： 路径解析器（path resolver）根据入口类型将请求路由到对应 Phase；运行状态写入器（Run State writer）维护每个 Run 的完整执行轨迹；工件验证器（artifact validators）检查输出是否符合预期格式；阶段门禁（Stage Gate）根据配置规则判断是否允许进入下一阶段；模板复制器（template copier）按需生成测试用例骨架；陈旧性传播器（stale propagator）追踪需求变更后哪些已有产物需要重新生成。 所有工作流配置（phase 顺序、gate 规则、输出目录）集中在 workflows//workflow.yaml 中，实现声明式管理。自动化提供者（automation provider）通过 schema 验证的 provider.yaml 暴露能力，支持接入不同的自动化测试框架。项目还内置了对禅道（Zentao）的同步支持。 快速上手 第一步：克隆仓库并安装 python3 -m venv .venv source .venv/bin/activate pip install -e . cp .env.example .env 第二步：配置 Agent 环境 mkdir -p .agents ln -s ../skills .agents/skills 将仓库的 Skills 链接到 Agent 的搜索路径，使 Agent 能够调用 Riqor 内置的测试技能。 第三步：初始化项目配置 编辑 .env 文件填入本地的服务端点、API 密钥等配置，CLI 会优先读取 .env 中的变量而非硬编码值。 第四步：启动一个测试 Run python3 tools/run_state.py --run-id demo --project-id shop-platform --track storefront --entry feature-quality --phase Intake 以 Shop Platform 示例项目为例，从 Intake 阶段开始一次完整的测试工作流。 适用人群 内部有 AI Coding 工作流、期望将测试产出规范化到可交付标准的团队 需要管理大量测试资产、经常面临"需求变了哪些测试用例需要更新"问题的测试团队 使用 Codex、Hermes Agent 等工具进行自动化测试、期望在 Agent 对话之外建立确定性质量保障的开发者 需要将测试流程与 CI/CD 集成、要求每阶段产出可追溯的组织 有禅道使用经验、希望测试结果自动同步到项目管理系统的团队