AI导哈

行为驱动开发工具

Kosher是一款行为驱动开发（BDD）工具，通过读取Gherkin特性文件并使用AI推理引擎和Playwright浏览器自动化执行用户故事。

  • by whittle
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 whittle/kosher

使用说明

符合犹太教规的

Kosher是一个行为驱动开发（BDD）工具，用于读取Gherkin特性 使用AI推理对web应用程序归档和执行用户故事 引擎和Playwright浏览器自动化。

需求

要求奥拉玛和剧作家麦克普在当地竞选。使用Python v3.14进行测试。

入门指南

# 1. Install Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 2. Pull the model
ollama pull qwen2.5-coder:14b-instruct-q4_K_M

# 3. Start Playwright MCP server (separate terminal)
npx @playwright/mcp@latest

# 4. Clone and set up project
git clone <repo>
cd kosher
python -m venv venv
source venv/bin/activate
pip install -e .

# 5. Run proof of concept
python poc/main.py

可靠性总结：qwen2.5编码器：用于Gherkin的14b→ 剧作家

成功率：6步登录流程约90%（20次运行）

什么效果好：

  • 正确解释Given/When/Then语义
  • 将步骤映射到相应的浏览器工具（导航、单击、键入、快照、等待）
  • 从快照中提取元素引用并正确使用它们（大多数情况下）
  • 从系统提示更新中学习新模式（指令后采用browser_wait_for）

故障模式：

  1. 占位符引用-有时输出 而不是像e5那样的实际ref，暗示它“知道”该做什么，但 执行不正确
  2. 跳过工具执行-偶尔在一个响应中输出JSON+“DONE”，而不等待工具结果
  3. 无需调用本机工具-始终在文本内容中输出JSON；需要使用parse_tool_call_from_text（）进行解析
  4. 指令漂移-多步指令（导航→ 快照→ 确认）有时会被部分跟踪

启示：

  • 适用于PoC和演示
  • 生产使用需要重试逻辑、验证，可能还需要一个功能更强大的模型
  • 系统提示工程是教授新模式的有效方法
  • 10%的故障率是LLM可变性，仅凭提示无法解决

相关 MCP