AI4SE

AI4SE

AI4SE社区，汇聚开源软件开发全流程智能体

42 关注者https://ise-agent.github.io/cn 中国南京
公告
开源社区2026年5月月度分析报告（20260603）6月8日
CANN算子测试邀请赛决赛通知4月20日
CANN算子测试邀请赛预选赛通知4月10日
算子测试培训手册3月14日

README

AI4SE

AI for Software Engineering

人工智能驱动的软件工程工具链

GitCode AI4SE Software Testing LLM

📖 项目简介

AI4SE 是一个聚焦 人工智能赋能软件工程 的开源项目集合，主要围绕智能软件测试、自动化测试生成、GUI 场景测试、深度学习框架测试、算子精度检测、漏洞补丁识别和课程教学实践等方向展开。

本组织下的项目既包含研究原型，也包含可运行的工具平台和课程实验材料，适合软件工程研究人员、测试工程师、AI 工程师、高校教师、学生以及对 AI4SE / SE4AI 感兴趣的开发者使用。

AI4SE 希望探索：

  • 如何使用大语言模型提升软件测试与开发效率
  • 如何构建面向代码仓库的自动测试用例生成系统
  • 如何对深度学习库、算子和模型部署结果进行测试
  • 如何结合知识图谱、计算机视觉和 LLM 进行 GUI 场景测试
  • 如何识别开源代码中的隐匿漏洞补丁
  • 如何将智能软件测试相关技术应用于教学和工程实践

✨ 核心方向

1. 智能软件测试

利用机器学习、深度学习、大语言模型、知识图谱和自动化执行技术，提高测试用例生成、测试执行、测试分析和缺陷发现的效率。

2. 大模型驱动的软件工程

探索 LLM 在代码理解、测试生成、代码摘要、补丁分析、Issue 交互和智能 Agent 工作流中的应用。

3. 深度学习系统测试

面向 TensorFlow、PyTorch、MNN 等深度学习框架或算子，进行差异测试、精度测试和库级测试。

4. GUI 与移动端场景测试

结合计算机视觉、OCR、知识图谱和多智能体协作，实现 GUI 测试场景生成、移动端应用测试流程重构和自动化测试执行。

5. 漏洞补丁识别

通过代码变更分析、特征计算、排序和大模型辅助判断，识别开源软件中的隐匿漏洞补丁。

6. 教学与课程实践

提供《智能软件测试》等课程相关资料，支持高校课程、实验教学和学生实践。

📦 示例项目导航

项目 简介 方向
SORT Subgraph-Oriented Realistic Testing，子图导向的深度学习库测试方法项目 深度学习库测试
SHIP_Tool 基于大模型的隐匿漏洞补丁识别工具平台 漏洞补丁识别
TestAgent-demo 基于大语言模型与知识图谱的自动测试用例生成系统 LLM 测试生成
TestAgent-CANN-CLI 基于 CLI 的 C / CANN 算子测试用例生成与运行工具 算子测试
ScenGen 基于 LLM 与计算机视觉的 GUI 测试场景生成项目 GUI 自动化测试
ScenTest 基于知识图谱的移动端应用场景化测试项目 移动端测试
dgop 面向深度学习算子的差异测试实验项目 算子精度检测
STCourse 《智能软件测试》课程资料目录 教学资源
TestAgent-extension TestAgent VSCode 扩展相关项目 IDE 工具扩展

🧭 项目关系图

AI4SE
├── 智能测试生成
│   ├── TestAgent-demo
│   └── TestAgent-CANN-CLI
│
├── GUI / 移动端场景测试
│   ├── ScenGen
│   └── ScenTest
│
├── 深度学习系统测试
│   ├── SORT
│   └── dgop
│
├── 安全与补丁分析
│   └── SHIP_Tool
│
├── IDE 与工具扩展
│   └── TestAgent-extension
│
└── 教学与课程实践
    └── STCourse
热门项目
TestAgent
11

基于知识图谱的多智能体测试用例生成系统

Python
11
2
TOPS
3

TOPS 是一个面向软件测试领域的智能分析平台后端，利用大语言模型从测试缺陷数据中自动抽取知识、构建知识图谱，并提供缺陷分析与可视化能力。 核心功能 - 三元组抽取：基于大模型（DeepSeek / 智谱 GLM / 阿里 / 百度等多厂商可选）从测试缺陷报告中抽取实体与关系。 - 知识图谱构建：将抽取结果整合为缺陷知识图谱，支持 Neo4j 导入与持久化。 - 社区分析：采用 Leiden 算法对图谱进行社区发现，挖掘缺陷间的关联模式。 - 可视化与报告：生成网络关系图、缺陷社区可视化及数据统计概览。 - 模型管理：支持多模型配置、切换与微调流程管理。 技术栈 - 后端：Node.js + Express（接口服务、流程编排、模型调度） - 知识图谱模块：Python（三元组抽取、社区分析、图生成、Neo4j 导入） - 数据格式：支持 Excel / CSV 等测试数据导入

Python
3
1
CFG-Assistant
2

用户可借助该项目自动分析代码并生成控制流图，支持Python、Java、C语言，能生成PNG格式可视化图表，采用FastAPI后端与Vue3前端，支持多种AI模型及参数调整。

Vue
2
1
Code_Search_Model
2

HedgeCode 是一个面向代码搜索的多任务联合学习框架。它通过三个阶段的设计来优化代码与自然语言文本的表示对齐：首先用相关性检测任务和 Hedging Contrastive Learning (HCL) 方法进行表示空间对齐，其次通过代码-文本相关性检测 (CTRD)、代码-文本对比学习 (CTC) 和代码搜索 (CS) 三个任务的联合优化来进一步提升学习效果，最后用训练好的编码器在代码库上执行检索。项目支持 CodeBERT、Unixcoder、CoCoSoDa 等多种代码大模型作为编码器，在 CodeSearchNet、Relevance Detection Pairs 等标准数据集上都展示了业界领先的检索性能。

Python
2
1
Selenium-test-generation
2

基于大语言模型的 Web 自动化测试平台。测试人员用自然语言描述测试意图，平台自动生成 Selenium 代码、动态编译、在真实浏览器中执行、截图取证并产出 Word 测试报告。

JavaScript
2
1
RUM
2

RUM 是一个基于规则引擎与大语言模型的测试技能评价系统，面向软件测试教学、实训、考试和竞赛场景，支持对测试用例、测试代码、截图材料和提交结果进行自动化评分、报告生成与班级学情分析，帮助教师和平台更高效、客观地完成测试能力评估。

Vue
2
1

项目展示

查看全部项目 >
  • operator_develop_skillFork
    暂无简介
    Markdown
    0
    0
    0
    0
    更新于 1 小时前
    Star
  • aiXcoder-paddle
    可用于代码补全、生成与理解任务，是 aiXcoder-7B 代码大模型在 PaddlePaddle 生态下的官方实现，支持全参SFT、LoRA等训练方式，提供PaddlePaddle原生调用接口，训练效率与稳定性兼顾。
    Python
    1
    0
    0
    0
    Apache-2.0
    更新于 5月20日
    Star
  • SBOM-Meta
    本工具基于 GN 构建元数据，遵循 OpenHarmony SBOM 中间态元数据格式，生成标准化的中间实例，并输出符合 SPDX 2.3 规范的 SBOM 文件
    Python
    0
    0
    0
    0
    更新于 12 小时前
    Star
  • SGAgent
    可用于处理大规模软件开发中的代码修复任务，解决现有'定位-修复'模式在真实仓库复杂场景下的局限性。该项目引入显式规划与建议阶段，通过修改前推理原因和方式，实现更可靠、可解释且上下文感知的软件修复，支持SWE-bench数据集。
    Python
    0
    1
    1
    1
    MIT
    更新于 6月10日
    Star
  • 开源软件风险分析工具
    CAnalyzer是一款面向C/C++源代码的软件成分分析工具，旨在识别项目中以源代码形式复用的第三方库（TPL）及其依赖关系。该工具整合15个平台的C/C++ TPL构建特征库，并结合特征预处理与多重阈值匹配策略，实现库粒度的TPL复用检测；同时通过解析源代码中的依赖指令，自动构建TPL依赖关系。CAnalyzer可为安全漏洞排查、许可证合规分析和开源软件供应链治理提供基础支撑，目前已被OpenHarmony社区采纳并应用于实际代码仓库分析。
    Python
    1
    0
    0
    0
    Apache-2.0
    更新于 2 天前
    Star
  • OSS_Vulnerability_DB
    OSS_Vulnerability_DB是一个面向开源软件供应链安全分析的漏洞情报数据库，旨在为开源软件漏洞识别、受影响版本判定和补丁分析提供结构化数据支撑。该数据库收录漏洞标识符、严重性分数、漏洞类别、所属软件生态、受影响的软件包及版本等基础信息，并进一步关联补丁文件、补丁地址、补丁函数名和补丁函数体等细粒度修复信息。通过整合漏洞、软件包、受影响版本与代码补丁之间的关联关系，OSS_Vulnerability_DB可用于软件成分分析结果的漏洞匹配、漏洞影响范围分析、补丁特征提取及漏洞修复研究，为开源软件供应链中的漏洞检测与安全治理提供数据基础。
    0
    0
    0
    0
    更新于 2 天前
    like
  • Code_Search_Model
    HedgeCode 是一个面向代码搜索的多任务联合学习框架。它通过三个阶段的设计来优化代码与自然语言文本的表示对齐：首先用相关性检测任务和 Hedging Contrastive Learning (HCL) 方法进行表示空间对齐，其次通过代码-文本相关性检测 (CTRD)、代码-文本对比学习 (CTC) 和代码搜索 (CS) 三个任务的联合优化来进一步提升学习效果，最后用训练好的编码器在代码库上执行检索。项目支持 CodeBERT、Unixcoder、CoCoSoDa 等多种代码大模型作为编码器，在 CodeSearchNet、Relevance Detection Pairs 等标准数据集上都展示了业界领先的检索性能。
    Python
    2
    1
    2
    1
    MIT
    更新于 16 天前
    Star
  • dgop
    DGOP 是一个用于发现深度学习算子精度问题的实验项目。它通过随机生成输入张量并施加多种变异操作，在 TensorFlow、PyTorch、MNN 三个框架上执行同一算子，比较输出差异，筛选更容易触发异常误差的数据样本。项目中包含加权采样、Q-learning、邻域扩展、Predoo、GA 等多种生成与对比策略，同时提供分类修复与可视化分析脚本。整体代码偏研究原型，适合继续做算法对比、误差分析和复现实验。
    Python
    0
    1
    1
    3
    更新于 3月19日
    Star
  • TestAgent
    基于知识图谱的多智能体测试用例生成系统
    Python
    11
    2
    8
    3
    MIT
    更新于 21 天前
    Star
  • CFG-Assistant
    用户可借助该项目自动分析代码并生成控制流图，支持Python、Java、C语言，能生成PNG格式可视化图表，采用FastAPI后端与Vue3前端，支持多种AI模型及参数调整。
    Vue
    2
    1
    2
    1
    MIT
    更新于 16 天前
    Star
查看全部项目 >
公告
开源社区2026年5月月度分析报告（20260603）6月8日
CANN算子测试邀请赛决赛通知4月20日
CANN算子测试邀请赛预选赛通知4月10日
算子测试培训手册3月14日
成就
25
Star
19
Fork
12.59 K
Download
47
项目
60
Issue
33
PR
常用语言
Python
C++
HTML
Vue
Batchfile
社区动态
更多动态 >