testmona
TestMona es un sistema de gestión de pruebas basado en IA gratuito. Convierte requisitos, casos de prueba, suites y defectos en una sola plataforma con un editor de documentos, lenguaje de consulta personalizado (TQL) y asistente de IA integrado.
Ficha actualizada 23 sept 2026, 15:09 · upstream 23 sept 2026, 14:39 · release v0.5.10
Qué es testmona
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
TestMona es un sistema de gestión de pruebas basado en inteligencia artificial diseñado para mantener a los equipos de QA organizados. Convierte todo lo que un equipo de prueba maneja —requerimientos, casos de prueba, suites, ejecuciones, defectos y hitos— en una sola plataforma centralizada. Incluye un Doc Hub potente con lenguaje de consulta personalizado, asistente de IA integrado para generar casos de prueba desde requisitos, generación de títulos y criterios de aceptación, detección automática de duplicados, gestión de documentos como código, trazabilidad entre requerimientos y casos de prueba, ejecución de pruebas con reportes analíticos y dashboards públicos. El sistema se construye sobre una arquitectura React/Node.js (FastAPI) con soporte para múltiples bases de datos.
- Generar automáticamente un conjunto completo de casos de prueba desde un requerimiento mediante asistente de IA, incluyendo pasos y resultados esperados para revisión rápida
- Asistir al redactor de requisitos generando títulos sugeridos, descripciones y criterios de aceptación mientras se escribe, acelerando la definición de requisitos
- Conversar con el proyecto a través del chat de IA para consultar requerimientos, casos de prueba o documentación y obtener respuestas actualizadas en tiempo real
- Convertir documentos (manuals, especificaciones) en requerimientos estructurados mediante conversión asistida por IA con evaluación opcional de riesgos
- Detección automática de duplicados de casos de prueba mediante puntuación de similitud, evitando la repetición innecesaria de trabajo
- Gestionar múltiples proveedores de IA mediante un gestor pluggable que permite configurar y enrutar modelos según el tipo de tarea
- Organizar requerimientos en carpetas con comentarios de revisión, vincularlos a defectos externos e integrarlos con herramientas de trazabilidad
- Ejecutar pruebas paso a paso con temporizadores integrados, ejecución en lote por entorno y asignación automática de casos
- Soporte para múltiples proveedores de IA con gestión pluggable, permitiendo elegir el modelo adecuado por tipo de tarea sin reemplazar la arquitectura
- Editor de documentos como código (Doc Hub) con soporte para menciones a usuarios, comentarios en tiempo real y enlaces compartibles públicos
- Lenguaje de consulta personalizado (TQL) que permite filtrar defectos, requerimientos y casos de prueba desde un único espacio de búsqueda sin necesidad de múltiples filtros
- Detección automática de duplicados de casos de prueba mediante puntuación de similitud en tiempo de generación
- Soporte para motores de base de datos alternativos (MariaDB/MySQL, PostgreSQL) con configuración simple a través de variables de entorno
- Integración nativa con herramientas externas como Jira y GitHub mediante trazabilidad entre requerimientos, casos de prueba y defectos
- El asistente de IA genera casos de prueba en borrador; la validación final requiere revisión humana antes del despliegue
- La detección de duplicados se basa en puntuación de similitud y no garantiza que dos casos sean verdaderamente idénticos
- No incluye un motor de pruebas automático (automated test runner); las ejecuciones son manuales o programadas por el usuario
- El lenguaje TQL es limitado comparado con herramientas especializadas como Jira, requiriendo configuración manual para queries complejas
- La integración con herramientas externas depende del proveedor de la herramienta externa y no garantiza compatibilidad automática
- No incluye un sistema de CI/CD automático; el despliegue requiere configuración manual o scripts externos
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se recomienda ejecutar TestMona en contenedores Docker para aislamiento y consistencia. Se debe configurar una base de datos adecuada (SQLite por defecto, MariaDB/MySQL o PostgreSQL según necesidades). El backend se ejecuta con uvicorn sobre el puerto 8000 y el frontend en el puerto 3000. Se recomienda desplegar en un entorno de producción aislado con HTTPS y autenticación. Se debe configurar la conexión a la API desde el frontend mediante variables de entorno o un archivo .env. Para pruebas unitarias se utiliza pytest sobre el backend. El proyecto soporta despliegue en múltiples entornos (desarrollo, staging, producción) mediante configuraciones separadas.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.