Launchable 使用介绍：功能、价格与上手指南

Launchable 是一款基于 AI 的预测性测试选择工具，通过机器学习分析历史测试数据，只运行与代码变更相关的测试，从而显著缩短 CI/CD 反馈时间。本文介绍其核心功能、价格方案，并提供从注册到集成的上手指南。

在持续集成与持续交付（CI/CD）流程中，测试环节常常成为瓶颈。全量测试耗时过长，而跳过测试又可能遗漏缺陷。Launchable 作为一款 AI 驱动的预测性测试选择工具，旨在解决这一矛盾。它通过分析代码变更与历史测试结果，智能挑选出最可能受影响的测试用例，帮助团队在不牺牲质量的前提下大幅缩短反馈周期。

本文将详细介绍 Launchable 的核心功能、定价策略，并提供一份可执行的上手指南，适合 DevOps 工程师、测试负责人及 AI 工具爱好者阅读。

一、Launchable 是什么？

Launchable 是一款面向开发团队的 预测性测试选择（Predictive Test Selection） 平台。它利用机器学习模型，结合代码提交差异、测试历史通过率与执行时长等数据，动态决定每次构建需要运行哪些测试。

其核心价值在于：

  • 加速 CI/CD：只运行相关测试，减少 50%–80% 的测试时间。
  • 降低成本：减少云测试资源消耗，节省 CI 分钟数。
  • 保持质量：通过智能回退和置信度机制，避免漏测关键路径。
  • 无缝集成：支持主流 CI 工具与测试框架，无需重写测试代码。

二、核心功能详解

1. 预测性测试选择

Launchable 会为每次代码提交生成一个“测试子集”。模型基于以下信号进行判断：

  • 变更文件与测试用例的历史关联度
  • 测试的失败频率与执行时长
  • 代码覆盖率映射
  • 最近提交的测试结果

你可以设置置信度阈值，例如“只运行覆盖变更代码的测试”或“运行所有曾经失败过的测试”。

2. 测试会话与洞察

每次 CI 运行都会在 Launchable 中形成一个“测试会话”。你可以查看：

  • 实际运行的测试数量与总测试数量对比
  • 节省的时间与 CI 成本估算
  • 漏测风险提示（如有）
  • 测试执行趋势与不稳定测试列表

3. 智能测试分组

Launchable 支持将测试按历史执行时间均衡分组，实现并行 CI 节点负载均衡。这能避免某个节点因运行慢测试而拖累整体流水线。

4. 与 CI/CD 工具集成

官方提供与以下工具的深度集成：

  • Jenkins
  • GitHub Actions
  • GitLab CI
  • CircleCI
  • Buildkite
  • Azure Pipelines

同时支持 JUnit、pytest、Jest、RSpec、Go test 等测试框架。

5. 安全与合规

Launchable 采用 SOC 2 Type II 认证，支持数据加密传输与存储。对于敏感项目，可以选择不上传代码内容，仅上传测试元数据。

三、价格方案

Launchable 采用订阅制，主要按“每月测试会话数”与“团队规模”计费。以下是截至 2025 年的公开价格层级（具体以官网为准）：

方案价格适用对象关键限制
Free免费开源项目、小型团队每月 1,000 次测试会话，社区支持
Team$49/月起成长型团队每月 10,000 次会话，邮件支持
Business$199/月起中大型企业无限会话，SSO，优先支持
Enterprise定制大型组织私有部署，SLA，专属客户成功

注意：Launchable 对开源项目提供免费无限会话，只需在官网申请。

如果你的团队 CI 分钟数成本较高，通常使用 Launchable 后节省的云资源费用即可覆盖订阅成本。

四、上手指南：从注册到首次预测

以下步骤假设你使用 GitHub Actions 与 pytest。

步骤 1：注册并创建组织

访问 Launchable 官网，使用 GitHub 或邮箱注册。创建一个组织（Organization），并记录下你的 API Key。

步骤 2：安装 CLI

在本地或 CI 环境中安装 Launchable CLI：

pip install launchable

然后配置 API Key：

launchable configure --api-key YOUR_API_KEY

步骤 3：记录一次完整测试会话

首次使用时，需要让 Launchable 学习你的测试全貌。在 CI 中运行一次全量测试，并记录会话：

launchable record session --build your-build-id
pytest --junitxml=results.xml
launchable record tests --session your-build-id pytest results.xml

步骤 4：启用预测性测试选择

在下一次构建中，使用 launchable subset 命令获取推荐测试子集：

launchable subset --target 30% --session your-build-id pytest > subset.txt
pytest $(cat subset.txt)

--target 30% 表示只运行约 30% 的测试。你也可以用 --confidence 参数控制漏测风险。

步骤 5：查看洞察报告

登录 Launchable 仪表盘，查看每次构建的节省时间、运行测试比例以及潜在风险提示。根据报告调整置信度阈值。

步骤 6：持续优化

  • 定期运行全量测试（如每晚一次），让模型保持最新。
  • 标记不稳定测试，避免其影响预测准确性。
  • 结合测试分组功能，进一步优化并行效率。

五、常见问题

Q1：Launchable 会漏掉关键缺陷吗？

任何预测性工具都无法保证 100% 覆盖。Launchable 提供置信度控制与回退机制，建议对关键路径保留全量测试或设置较高的置信度。

Q2：需要修改测试代码吗？

不需要。你只需在 CI 脚本中增加 CLI 调用，测试代码本身无需改动。

Q3：支持私有化部署吗？

Enterprise 方案支持私有化部署，适合对数据安全要求极高的团队。

六、结论

Launchable 通过 AI 预测性测试选择，为 CI/CD 流程提供了可量化的加速方案。它适合测试套件庞大、CI 反馈缓慢的团队。你可以从免费方案开始，先用全量测试建立基线，再逐步启用子集运行。如果你的团队正在为漫长的测试等待而苦恼，Launchable 值得一试。

行动建议：注册免费账号，选择一个非关键项目进行为期两周的试点，记录测试时间与缺陷检出率的变化，再决定是否推广到核心项目。

返回 AI 教程列表