【免费下载链接】alumniumEnd-to-End Testing with AI for Agents and Engineers项目地址https://gitcode.com/gh_mirrors/al/alumnium点击查看免费下载Alumnium 是一个 AI 原生的端到端E2E测试自动化框架让测试工程师和 AI Agent 用自然语言驱动浏览器与 App。本文带你用Ollama 本地 LLM对 Alumnium 做私有化部署实现 AI 测试自动化全程离线运行——页面内容、业务数据不出内网且零 API 调用成本。一、为什么用 Ollama 做 AI 测试的私有化部署使用云端大模型 API 时每一次测试都会把页面的可访问性树Accessibility Tree甚至截图发送到外部服务。对于银行、政企、医疗等场景这是不可接受的。Ollama 方案的优势数据安全模型推理完全发生在内网机器上测试数据不出内网成本归零无需按 token 付费模型一次下载、无限次调用离线可用无外网环境如生产隔离网段也能跑自动化测试⚖️灵活可控可自由替换开源模型按内网 GPU/CPU 硬件选型Alumnium 官方文档列出了 4 种自建 LLM 途径Amazon Bedrock、Azure Foundry、Azure OpenAI、Ollama其中Ollama 是唯一完全本地推理的方案详见 self-hosting.md。二、30 秒理解Alumnium 如何驱动 AI 测试Alumnium 的架构非常简洁测试驱动 可替换的 LLM 大脑。底层复用成熟生态Playwright、Selenium、Appium、Maestro上层用自然语言写测试act执行动作、check断言、get取数据LLM 通过环境变量ALUMNIUM_MODEL指定提供方ollama是内置 provider 之一模型配置逻辑在 TypeScript 端 Model.ts 中定义Python 端对应 models.pyprovider 为ollama时默认模型是qwen3.6也可写成ollama/自定义模型名指定其他已下载的模型。三、Ollama 一键安装与模型下载1. 安装 Ollama内网机器上运行支持 Linux / macOS / Windows可无 GPU 纯 CPU 运行。2. 下载模型首次需要外网离线环境可先在有网机器上ollama pull后拷贝模型文件ollama pull qwen3.6 ollama list # 验证模型已就绪3.可选开放内网访问默认 Ollama 只监听 localhost。若要把模型部署到内网服务器供多台测试机共享安装后设置环境变量OLLAMA_HOST0.0.0.0并重启服务即可。四、配置 Alumnium 连接本地模型环境变量速查只需两个环境变量Alumnium 就会把模型请求全部发往你的 Ollama 服务环境变量作用示例值ALUMNIUM_MODEL指定 LLM 提供方为 Ollamaollama或ollama/qwen3.6ALUMNIUM_OLLAMA_URLOllama 服务器地址本机可省略http://10.0.0.8:11434 官方约定变量OLLAMA_HOST同样被识别且优先级更高见 LlmFactory.ts#L223-L236。以 Python 为例本地 Ollama 跑一个 AI 自动化测试import os from alumnium import Alumni from selenium.webdriver import Chrome os.environ[ALUMNIUM_MODEL] ollama os.environ[ALUMNIUM_OLLAMA_URL] http://10.0.0.8:11434 # 内网 Ollama 服务器 driver Chrome() driver.get(http://demo.intranet.local) al Alumni(driver) al.do(type buy bread into the input field, then press Enter) al.check(the list shows an item buy bread) al.quit()TypeScript 与 Java 版本完全一致只需设置相同的环境变量。五、进阶用 MCP 把内网模型接给 AI Agent如果希望 Claude Code 等 AI 编码助手直接操作内网应用做测试可以开启 MCP 模式把 Ollama 作为后端大脑# 启动 Alumnium MCP 服务指向内网 Ollama export ALUMNIUM_MODELollama export ALUMNIUM_OLLAMA_URLhttp://10.0.0.8:11434 alumnium mcp配置入口与 MCP 相关源码 保持一致Agent 收到的可访问性树和截图同样只经过内网模型处理。六、团队共享方案Helm 部署 Alumnium Server Ollama个人本机跑通后团队级部署推荐Kubernetes Helm把 Alumnium Server 和 Ollama 都放进内网集群客户端通过ALUMNIUM_SERVER_URL统一接入。1. 部署 Alumnium Server官方 Helm Chart 位于 charts/alumnium/helm install alumnium ./charts/alumnium \ --set config.modelollama \ --set env[0].nameALUMNIUM_OLLAMA_URL \ --set env[0].valuehttp://ollama.intranet:114342. 客户端指向 Serverkubectl port-forward svc/alumnium 8013:8013 export ALUMNIUM_SERVER_URLhttp://127.0.0.1:8013⚠️ 注意Alumnium Server不带认证机制Ingress 暴露前务必做 IP 白名单或 OAuth2 代理详见 charts/alumnium/README.md 与 values.yaml。另外两个生产调优要点每个请求会携带整页可访问性树可能超过 1 MBIngress 需调大请求体上限否则报413本地模型推理较慢Ingress 后端超时建议调到 60s 以上七、常见问题与调优建议问题建议官方文档标注 Ollama 为实验性支持效果取决于硬件给 Ollama 分配独立 GPU 服务器避免与测试机争抢资源测试步骤偶发超时调大ALUMNIUM_MODEL_TIMEOUT、重试次数调大ALUMNIUM_MODEL_RETRIES复杂断言成功率偏低换更大参数量的模型如ALUMNIUM_MODELollama/更大的模型名视觉类检查vision check不可用本地模型需具备多模态能力纯文本模型请避免依赖截图断言完整的环境变量说明参见官方配置文档 configuration.md。八、总结一句话回顾 Alumnium 私有化部署三步走装 Ollama 拉模型 → 设ALUMNIUM_MODELollama两个环境变量 → 跑测试。个人本机、MCP Agent、K8s 团队服务三种形态均可实现 AI 测试自动化数据不出内网。随着本地开源模型能力持续提升这条零成本 高安全的路线正在成为内网自动化测试的标准答案。赞分享【免费下载链接】alumniumEnd-to-End Testing with AI for Agents and Engineers项目地址https://gitcode.com/gh_mirrors/al/alumnium点击查看免费下载相关推荐DeepWiki本地AI文档生成完整指南基于Ollama的私有化部署方案DeepWiki本地AI文档生成完整指南基于Ollama的私有化部署方案 想要为你的GitHub、GitLab或Bitbucket仓库自动生成精美文档吗De人工智能AI 应用RAG后端前端Ollama本地部署kiss-translator私有AI翻译方案Ollama本地部署kiss translator私有AI翻译方案 为什么需要私有AI翻译方案 在全球化信息获取的过程中翻译工具已成为不可或缺的生产力工具前端Stagehand本地模型Ollama私有化部署Stagehand本地模型Ollama私有化部署 痛点云端LLM的成本与隐私挑战 你是否正在为以下问题困扰 高昂的API成本 每次网页自动化都产生LLM人工智能AI Agent浏览器控制GUI 自动化AI 应用创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
【免费下载链接】alumniumEnd-to-End Testing with AI for Agents and Engineers项目地址https://gitcode.com/gh_mirrors/al/alumnium点击查看免费下载Alumnium 是一个 AI 原生的端到端E2E测试自动化框架让测试工程师和 AI Agent 用自然语言驱动浏览器与 App。本文带你用Ollama 本地 LLM对 Alumnium 做私有化部署实现 AI 测试自动化全程离线运行——页面内容、业务数据不出内网且零 API 调用成本。一、为什么用 Ollama 做 AI 测试的私有化部署使用云端大模型 API 时每一次测试都会把页面的可访问性树Accessibility Tree甚至截图发送到外部服务。对于银行、政企、医疗等场景这是不可接受的。Ollama 方案的优势数据安全模型推理完全发生在内网机器上测试数据不出内网成本归零无需按 token 付费模型一次下载、无限次调用离线可用无外网环境如生产隔离网段也能跑自动化测试⚖️灵活可控可自由替换开源模型按内网 GPU/CPU 硬件选型Alumnium 官方文档列出了 4 种自建 LLM 途径Amazon Bedrock、Azure Foundry、Azure OpenAI、Ollama其中Ollama 是唯一完全本地推理的方案详见 self-hosting.md。二、30 秒理解Alumnium 如何驱动 AI 测试Alumnium 的架构非常简洁测试驱动 可替换的 LLM 大脑。底层复用成熟生态Playwright、Selenium、Appium、Maestro上层用自然语言写测试act执行动作、check断言、get取数据LLM 通过环境变量ALUMNIUM_MODEL指定提供方ollama是内置 provider 之一模型配置逻辑在 TypeScript 端 Model.ts 中定义Python 端对应 models.pyprovider 为ollama时默认模型是qwen3.6也可写成ollama/自定义模型名指定其他已下载的模型。三、Ollama 一键安装与模型下载1. 安装 Ollama内网机器上运行支持 Linux / macOS / Windows可无 GPU 纯 CPU 运行。2. 下载模型首次需要外网离线环境可先在有网机器上ollama pull后拷贝模型文件ollama pull qwen3.6 ollama list # 验证模型已就绪3.可选开放内网访问默认 Ollama 只监听 localhost。若要把模型部署到内网服务器供多台测试机共享安装后设置环境变量OLLAMA_HOST0.0.0.0并重启服务即可。四、配置 Alumnium 连接本地模型环境变量速查只需两个环境变量Alumnium 就会把模型请求全部发往你的 Ollama 服务环境变量作用示例值ALUMNIUM_MODEL指定 LLM 提供方为 Ollamaollama或ollama/qwen3.6ALUMNIUM_OLLAMA_URLOllama 服务器地址本机可省略http://10.0.0.8:11434 官方约定变量OLLAMA_HOST同样被识别且优先级更高见 LlmFactory.ts#L223-L236。以 Python 为例本地 Ollama 跑一个 AI 自动化测试import os from alumnium import Alumni from selenium.webdriver import Chrome os.environ[ALUMNIUM_MODEL] ollama os.environ[ALUMNIUM_OLLAMA_URL] http://10.0.0.8:11434 # 内网 Ollama 服务器 driver Chrome() driver.get(http://demo.intranet.local) al Alumni(driver) al.do(type buy bread into the input field, then press Enter) al.check(the list shows an item buy bread) al.quit()TypeScript 与 Java 版本完全一致只需设置相同的环境变量。五、进阶用 MCP 把内网模型接给 AI Agent如果希望 Claude Code 等 AI 编码助手直接操作内网应用做测试可以开启 MCP 模式把 Ollama 作为后端大脑# 启动 Alumnium MCP 服务指向内网 Ollama export ALUMNIUM_MODELollama export ALUMNIUM_OLLAMA_URLhttp://10.0.0.8:11434 alumnium mcp配置入口与 MCP 相关源码 保持一致Agent 收到的可访问性树和截图同样只经过内网模型处理。六、团队共享方案Helm 部署 Alumnium Server Ollama个人本机跑通后团队级部署推荐Kubernetes Helm把 Alumnium Server 和 Ollama 都放进内网集群客户端通过ALUMNIUM_SERVER_URL统一接入。1. 部署 Alumnium Server官方 Helm Chart 位于 charts/alumnium/helm install alumnium ./charts/alumnium \ --set config.modelollama \ --set env[0].nameALUMNIUM_OLLAMA_URL \ --set env[0].valuehttp://ollama.intranet:114342. 客户端指向 Serverkubectl port-forward svc/alumnium 8013:8013 export ALUMNIUM_SERVER_URLhttp://127.0.0.1:8013⚠️ 注意Alumnium Server不带认证机制Ingress 暴露前务必做 IP 白名单或 OAuth2 代理详见 charts/alumnium/README.md 与 values.yaml。另外两个生产调优要点每个请求会携带整页可访问性树可能超过 1 MBIngress 需调大请求体上限否则报413本地模型推理较慢Ingress 后端超时建议调到 60s 以上七、常见问题与调优建议问题建议官方文档标注 Ollama 为实验性支持效果取决于硬件给 Ollama 分配独立 GPU 服务器避免与测试机争抢资源测试步骤偶发超时调大ALUMNIUM_MODEL_TIMEOUT、重试次数调大ALUMNIUM_MODEL_RETRIES复杂断言成功率偏低换更大参数量的模型如ALUMNIUM_MODELollama/更大的模型名视觉类检查vision check不可用本地模型需具备多模态能力纯文本模型请避免依赖截图断言完整的环境变量说明参见官方配置文档 configuration.md。八、总结一句话回顾 Alumnium 私有化部署三步走装 Ollama 拉模型 → 设ALUMNIUM_MODELollama两个环境变量 → 跑测试。个人本机、MCP Agent、K8s 团队服务三种形态均可实现 AI 测试自动化数据不出内网。随着本地开源模型能力持续提升这条零成本 高安全的路线正在成为内网自动化测试的标准答案。赞分享【免费下载链接】alumniumEnd-to-End Testing with AI for Agents and Engineers项目地址https://gitcode.com/gh_mirrors/al/alumnium点击查看免费下载相关推荐DeepWiki本地AI文档生成完整指南基于Ollama的私有化部署方案DeepWiki本地AI文档生成完整指南基于Ollama的私有化部署方案 想要为你的GitHub、GitLab或Bitbucket仓库自动生成精美文档吗De人工智能AI 应用RAG后端前端Ollama本地部署kiss-translator私有AI翻译方案Ollama本地部署kiss translator私有AI翻译方案 为什么需要私有AI翻译方案 在全球化信息获取的过程中翻译工具已成为不可或缺的生产力工具前端Stagehand本地模型Ollama私有化部署Stagehand本地模型Ollama私有化部署 痛点云端LLM的成本与隐私挑战 你是否正在为以下问题困扰 高昂的API成本 每次网页自动化都产生LLM人工智能AI Agent浏览器控制GUI 自动化AI 应用创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
