awesome-ai-testing

一页清单看懂 AI 测试工具，选型不再东拼西凑

awesome-ai-testing 是一个面向 QA 工程师的精选资源清单，系统整理了 AI 驱动的测试工具、框架与学习资料。它解决的是当下 AI 测试生态信息分散、选型困难的问题：从测试用例自动生成、自愈式自动化测试，到基于 MCP 的测试方案、LLM 评测与质量保障，覆盖测试全链路。项目以 awesome list 形式组织，按主题分类收录开源工具、商业产品、论文与教程，帮助测试人员快速定位适合自身技术栈的方案，降低调研成本。核心能力在于聚合与分类，而非提供可执行代码，适合作为团队引入 AI 测试能力时的起点参考。项目处于早期阶段，星标数不高，内容仍在持续补充中。

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 112

维护状态活跃

是否开源是

定价模式 free

项目数据

分类评测安全

开发团队tugkanboz

所属国家

官网地址

GitHubhttps://github.com/tugkanboz/awesome-ai-testing

定价模式free

价格说明开源免费资源列表

访问状态

是否开源是

开源协议CC0-1.0

主要语言

技术栈/模型ai-test-automation,ai-testing,awesome,awesome-list,llm-testing,mcp-testing,qa,software-testing,test-automation,test-generation

GitHub 星标★ 112

30天Star增速

HF 下载量

上线时间2026-05-02 00:00:00

最近更新2026-09-24 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-25

浏览次数0

使用教程

核心亮点

按测试生成、自愈自动化、MCP 测试、LLM 评测等主题分类，结构清晰便于检索
覆盖开源工具与商业方案，兼顾不同预算与合规需求的团队
紧跟 MCP、LLM 评测等新方向，比传统测试资源清单更贴近当前技术趋势

不足之处

仅为资源索引，不提供可运行代码或集成示例，落地仍需自行验证
项目早期、星标少，收录完整度与更新频率有待观察

适用场景

QA 团队调研 AI 测试工具选型时快速建立全景认知
测试工程师为现有自动化框架寻找自愈或生成式增强方案
团队引入 LLM 应用后需要搭建评测与质量保障流程

替代项目

awesome-testing、awesome-llm-eval

项目介绍

awesome-ai-testing 是评测安全领域的开源项目，由 tugkanboz 开发，是 2026 年新上线的项目。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 112。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-24。开源免费资源列表。

它主要面向的使用场景是：QA团队调研AI测试工具选型时快速建立全景认知。同类可对比的替代方案包括 awesome-testing、awesome-llm-eval。

上一篇：leva

下一篇：hash-hop