如何为手机AI应用构建测试体系Off Grid AI三平台JestJUnitXCTest测试矩阵实践【免费下载链接】OGAMThe Swiss Army Knife of Offline AI. Chat, see, speak, and generate images on your phone or Mac — GGUF LLMs, vision, Whisper speech-to-text, Stable Diffusion, tool calling, and local-network servers. Runs on your CPU, GPU, or NPU. No account, no API key, zero data leaves your device.项目地址: https://gitcode.com/gh_mirrors/of/OGAMOff Grid AI 是一款运行在手机和 Mac 上的离线 AI 应用支持 GGUF 大模型聊天、视觉理解、Whisper 语音转文字、Stable Diffusion 图像生成全程无需账号和 API Key。像它这样的移动 AI 应用代码横跨 JavaScript、Kotlin、Swift 三层任何一个平台的疏漏都会导致线上事故——而它的解法是一套覆盖三平台的手机AI测试体系Jest 管业务逻辑层JUnit 管 Android 原生模块XCTest 管 iOS 原生模块一条命令全部跑完。本文拆解它的测试矩阵设计帮你建立可复用的测试体系。一条命令跑完三平台测试门禁怎么设计项目把所有平台测试收口到一条命令见 package.json命令平台说明npm test三平台串行Jest 覆盖 Android 单测 iOS 单测npm run test:androidAndroidgradlew :app:testDebugUnitTestnpm run test:iosiOS调用 scripts/test-ios.sh自动挑选可用 iPhone 模拟器后执行xcodebuild test这个设计有三个值得借鉴的细节模拟器不写死型号Xcode 版本迭代会改名模拟器脚本按运行时标识动态选择可用的 iPhone避免 CI 因设备不存在而假红。测试与 Lint 联动npm run lint同时跑 ESLint、Android Lint、SwiftLint代码风格和测试质量在同一道门禁里把关。质量平台兜底npm run sonar接入 SonarQubesonar-project.properties持续追踪技术债务。Jest 层75% 覆盖率门槛与智能 stub 切换Jest 是整个体系的主力jest.config.js它测的是 React Native 业务逻辑层。两个设计亮点① 分层覆盖率门槛防止平均数作弊global: 语句/分支/函数/行 均 ≥ 75% pro 子模块: 单独分组同样 ≥ 75% 关键安全模块: 100%如模型完整性校验、图像生成建议等全局 75% 容易被大文件稀释所以项目把新增的关键模块单独钉到 100%例如 imageModelIntegrity.ts 这类负责模型文件字节级校验的模块任何未覆盖分支都会让 CI 失败。② 商用子模块缺失时自动降级Jest 配置会检测pro/子模块是否检出检出时音频/MCP 相关测试套件对真实商用包运行未检出开源 CI 场景时这些套件被忽略并映射到空 stubproStub.js保证公开 CI 永远绿色而私有 CI 又确实测到了真实行为。这是开源商用混合仓库的经典解法。测试文件按职责分层组织在__tests__/下unit/— 工具函数、服务、状态机的纯逻辑测试100 个服务测试integration/— 挂载真实屏幕、用真实手势驱动的集成测试harness/— 共享测试台架核心是 nativeBoundary.ts统一 mock llama、Whisper、扩散模型等原生边界contracts/— 跨平台契约测试确保 iOS/Android 原生模块行为一致JUnit 层用 Kotlin 守住 Android 原生边界Android 原生模块的测试位于android/app/src/test/java/ai/offgridmobile/用 JUnit Kotlin 编写按功能域分包包代表测试守什么download/DownloadManagerModuleTest.kt模型断点续传、下载完成广播localdream/LocalDreamModuleTest.ktStable Diffusion 本地图像生成litert/LiteRTTokenBudgetTest.ktLiteRT 引擎 token 预算sync/BlobChannelE2ETest.kt局域网大文件加密传输端到端值得注意 BlobChannelE2ETest.kt设备间局域网同步涉及 TCP、加密分帧、接口候选筛选这些在 Jest 层完全摸不到必须落在 JUnit 层做端到端验证。XCTest 层用 Swift 验证 iOS 原生行为iOS 原生测试集中在 OffgridMobileTests.swift约 1200 行风格上很有参考价值——每个断言都指向一个真实缺陷模式StreamingFileHasherTests流式 SHA512 校验大文件时用task_info实测物理内存占用断言 96MB 文件哈希完成后内存增量 32MB——防止能跑但泄漏的实现蒙混过关。PDFExtractorModuleTests动态渲染真实 PDF单页/多页/空页断言截断标记和PDF_ERROR错误码。CoreMLDiffusionModuleTests校验 SD/SDXL 两种模型目录布局缺分片时返回精确错误信息。BlobReceiveWindowTests验证加密分帧窗口的最小/最大字节数保证与 Android 端分帧实现一致。iOS 端另有 EmbeddingModelBundleTests.swift 守护 RAG 向量嵌入模型的 Bundle 完整性。测试矩阵如何让组合爆炸变得可控这是该项目最值得学习的方法论完整写在 docs/TEST_MATRIX.md。离线 AI 应用的 bug 几乎都藏在变体交叉点LiteRT × 提示词增强、QNN × Android × 全新下载、语音条 × 持久会话 × 重发……单元测试各自全绿功能在交叉处炸掉。全排列约数万个格子枚举不可能项目用三板斧解决旅程测试Journey一条真实用户故事横穿多个维度走真实缝隙UI 意图 → 服务 → 状态/驻留/引擎 → 回显只 mock 原生边界逐步断言终端产物。Pairwise 两两组合不测 N 元组合只保证任意两个维度值至少相遇一次——绝大多数交互缺陷是对级别的。场景即数据Scenario是普通对象平台、内存、引擎、能力、驻留状态、步骤、断言一个 runner 跑describe.each(scenarios)新增交叉点只加一行不新写一个文件。配套的 docs/TEST_PLAN.md 进一步规定了两条硬规则只测 UI 行为每个前置状态都必须通过真实手势到达禁止setState伪造状态和缝隙必须来自真机抓包fake 回放的是真机 wire log 里捕获的真实数据形状不是拍脑袋的 mock。真机 E2E截图即证据单测全绿不等于真机可用所以最外层还有一道真机 E2Enpm run e2e:device见__tests__/device/用 Appium/WebDriverAgent 驱动真 Android 与 iPhone跑 mesh 配对、同步等关键流程每步留存截图作为证据如 meshPairing.e2e.mjs 的截图档案里既有 Android 也有 iOS 双端画面真机发现的新缺陷回流到 TEST_PLAN 的 B 系列编号B1–B33转化为 Jest 层的对抗性红测形成真机发现 → 回归固化的闭环。你可以直接抄走的清单一条命令跑完所有平台npm test Jest 覆盖率 Gradle 单测 xcodebuild 模拟器单测。覆盖率分层设防全局 75% 防稀释关键安全模块 100% 钉死商用子模块单独分组。原生边界必须平台内自测Jest 摸不到原生JUnit/XCTest 各守一个平台契约测试保证双端行为一致。交叉点用旅程 Pairwise 覆盖bug 在维度交叉处不在单函数里。Fake 必须回放真机真实数据形状而不是猜的结构。真机 E2E 留截图缺陷回流为自动化红测。参考资料docs/TEST_MATRIX.md、docs/TEST_PLAN.md、docs/QA_TEST_PLAN.md【免费下载链接】OGAMThe Swiss Army Knife of Offline AI. Chat, see, speak, and generate images on your phone or Mac — GGUF LLMs, vision, Whisper speech-to-text, Stable Diffusion, tool calling, and local-network servers. Runs on your CPU, GPU, or NPU. No account, no API key, zero data leaves your device.项目地址: https://gitcode.com/gh_mirrors/of/OGAM创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考