1. 为什么接口回归测试总在“手工重跑”里打转接口测试自动化这件事很多团队都卡在同一个地方Postman 里明明已经攒了几百个请求和断言每次发版前却还是要靠人一个个点 Send点完再截图、贴表格、发群里。一次回归下来测试同学半天没了还容易漏掉某个环境变量没切、某个 Token 过期没换。更麻烦的是接口一多失败原因散落在各个响应里等整理完报告开发已经切到下一个需求了。我试过把 Postman 集合导出成 JSON再用命令行工具批量跑确实能省掉点击的功夫但新的问题马上来了谁来定时触发跑完的原始结果怎么变成人能看的报告失败了怎么第一时间通知到对应的人这些“执行之后”的环节才是回归测试能不能真正跑起来的关键。这篇要聊的链路是用 OpenClaw 作为调度和结果处理的中枢对接 Postman 导出的集合与环境文件通过 Newman 批量执行再把结果解析成 HTML 报告并推送到群里。整套流程面向的是批量回归测试场景——不是跑一两个接口验证一下而是几十上百个用例、多套环境、需要留痕和通知的那种。适合已经有一定 Postman 资产、想把它自动化但不想重写用例的测试和开发同学。下面从环境准备到配置片段、再到报错排查一步步给到可复制的内容。2. OpenClaw 与 Postman 对接的前置准备与目录规划在写任何脚本之前先把“谁调用谁”这件事理清楚。Postman 负责定义请求和断言导出的集合文件.postman_collection.json和环境文件.postman_environment.json是静态资产Newman 是 Postman 官方的命令行执行器负责把这些资产跑起来OpenClaw 则负责在合适的时机调用 Newman、拿到结果、做后续处理。三者关系可以理解成Postman 写剧本Newman 当演员OpenClaw 当导演兼场记。2.1 基础依赖安装Newman 依赖 Node.js 运行所以第一步是在执行机上装好 Node.js建议 LTS 版本。装完后用 npm 全局安装 Newmannpm install -g newman newman --version如果newman --version能正常输出版本号说明命令行执行器就绪。接着按 OpenClaw 官方文档完成安装确保服务能正常启动。OpenClaw 的脚本引擎支持 Python后面的调度和报告处理都会用 Python 来写所以执行机上也要有 Python 3 环境。2.2 Postman 资产导出在 Postman 里选中要回归的集合右键导出为 Collection v2.1 格式的 JSON 文件。环境变量同样导出为 JSON。这里有个容易踩的坑环境文件里如果包含 Token、密码这类敏感值导出后就是明文建议在版本控制里用占位符实际执行时由 OpenClaw 注入或者用 Postman 的 secret 类型变量配合外部注入。2.3 目录结构规划建议在 OpenClaw 项目下建一套清晰的目录后面脚本里的路径都基于它project/ ├── postman_collections/ # 存放导出的集合 JSON │ └── MyAPI.postman_collection.json ├── postman_environments/ # 存放环境 JSON │ ├── TestEnv.postman_environment.json │ └── StagingEnv.postman_environment.json ├── reports/ # Newman 原始报告与最终 HTML ├── scripts/ # OpenClaw 执行脚本 └── templates/ # HTML 报告模板把集合和环境文件纳入 Git 管理每次接口变更后重新导出并提交这样回归测试的“剧本”始终和代码同步。目录规划看着是小事但等你要同时跑三套环境、对比历史报告时没有清晰结构会非常痛苦。2.4 环境变量与密钥管理Postman 环境文件里的{{baseUrl}}、{{token}}这类变量在 Newman 执行时会从环境文件读取。如果不同环境共用一套集合只需要切换环境文件即可。对于密钥推荐的做法是在 OpenClaw 脚本里读取环境变量或密钥管理服务再通过 Newman 的--env-var参数覆盖而不是把明文写进 JSON。这样集合文件可以放心提交到仓库。3. 可复制的 OpenClaw 配置与 Newman 批量执行脚本这一节是整条链路的核心。OpenClaw 的调度配置负责“什么时候跑”Python 脚本负责“怎么跑、跑完怎么处理”。下面给到的片段可以直接改路径后使用。3.1 OpenClaw 任务配置片段OpenClaw 的任务定义通常是一个配置文件描述任务名、触发方式、执行脚本和超时。下面是一个 JSON 形式的配置示例路径按你实际项目调整{ task_name: api_regression_test, description: Postman 集合批量回归测试, schedule: 0 2 * * *, timeout_seconds: 1800, script: scripts/run_newman.py, env: { COLLECTION_DIR: postman_collections, ENV_DIR: postman_environments, REPORT_DIR: reports, TEMPLATE_DIR: templates }, notify: { on_failure: true, on_success: false, channel: dingtalk } }schedule用的是 Cron 表达式上面表示每天凌晨 2 点执行一次。如果要在 CI 里触发把schedule去掉改由流水线调用 OpenClaw 的任务执行接口即可。notify部分控制推送策略失败必推、成功可选避免群里被成功消息刷屏。3.2 Newman 批量执行脚本下面这个 Python 脚本负责遍历集合和环境、调用 Newman、解析 JSON 报告。关键点在于用subprocess.run执行命令并捕获退出码用--reporters json输出结构化结果再从中提取通过数、失败数和失败详情。import subprocess import json import os from datetime import datetime COLLECTION_DIR os.environ.get(COLLECTION_DIR, postman_collections) ENV_DIR os.environ.get(ENV_DIR, postman_environments) REPORT_DIR os.environ.get(REPORT_DIR, reports) os.makedirs(REPORT_DIR, exist_okTrue) def run_newman(collection_file, env_file): timestamp datetime.now().strftime(%Y%m%d_%H%M%S) raw_json os.path.join(REPORT_DIR, fraw_{timestamp}.json) cmd [ newman, run, collection_file, -e, env_file, --reporters, json, --reporter-json-export, raw_json, --timeout-request, 10000 ] result subprocess.run(cmd, capture_outputTrue, textTrue) return result.returncode, raw_json def parse_report(raw_json): with open(raw_json, r, encodingutf-8) as f: data json.load(f) stats data[run][stats] summary { total: stats[tests][total], passed: stats[tests][passed], failed: stats[tests][failed], requests: stats[requests][total], failed_requests: stats[requests][failed], } failures [] for execution in data[run][executions]: for assertion in execution.get(assertions, []): if assertion.get(error): failures.append({ name: execution[item][name], url: execution[request][url][raw], assertion: assertion[assertion], error: assertion[error][message] }) return summary, failures if __name__ __main__: for collection in os.listdir(COLLECTION_DIR): if not collection.endswith(.json): continue for env in os.listdir(ENV_DIR): if not env.endswith(.json): continue code, raw run_newman( os.path.join(COLLECTION_DIR, collection), os.path.join(ENV_DIR, env) ) summary, failures parse_report(raw) print(f{collection} {env}: {summary}) for f in failures: print(f FAIL {f[name]} - {f[error]})脚本里--timeout-request 10000是给单个请求设 10 秒超时避免某个接口卡死拖垮整轮回归。parse_report里遍历executions和assertions把失败的断言和错误信息抽出来后面生成报告和推送都用得上。3.3 多环境与并发控制如果集合之间没有依赖可以用 Python 的concurrent.futures并行跑多个 Newman 进程缩短总耗时。但要注意并行执行时不同进程可能操作同一份测试数据导致互相干扰。稳妥的做法是给每个环境分配独立的数据前缀或者对写操作类的集合串行执行。回归测试追求的是稳定复现不是越快越好先保证结果可信再谈提速。4. 测试报告自动生成与推送的验证动作跑完只是第一步结果得让人看得懂、收得到。这一节把原始 JSON 变成 HTML 报告再推送到群最后验证整条链路真的通了。4.1 用模板生成 HTML 报告推荐用 Jinja2 做模板渲染。模板里放汇总指标、通过率、失败列表数据由脚本填充。下面是一个精简的模板片段!DOCTYPE html html headmeta charsetutf-8title接口回归测试报告/title/head body h1接口回归测试报告/h1 p执行时间{{ timestamp }}/p p集合{{ collection }} / 环境{{ environment }}/p p用例总数{{ summary.total }}通过{{ summary.passed }} 失败{{ summary.failed }}/p h2失败详情/h2 ul {% for f in failures %} li{{ f.name }} - {{ f.url }}br断言{{ f.assertion }}br错误{{ f.error }}/li {% endfor %} /ul /body /html渲染时把summary、failures、时间戳传进去输出到reports/下带时间戳的 HTML 文件。这样每次执行都留一份快照方便回溯对比。4.2 推送到钉钉或企业微信推送用 Webhook 最简单。以钉钉机器人为例构造 Markdown 消息把关键摘要和报告链接放进去import requests def push_dingtalk(webhook, summary, report_path): text ( f#### 接口回归测试结果\n f 用例总数{summary[total]}通过{summary[passed]} f失败{summary[failed]}\n f 报告{report_path} ) payload {msgtype: markdown, markdown: {title: 回归测试, text: text}} requests.post(webhook, jsonpayload, timeout5)企业微信的格式类似把msgtype和字段名换成企微的规范即可。注意 Webhook 地址不要硬编码在脚本里放到 OpenClaw 的环境变量或密钥配置中。4.3 验证整条链路验证分三步。第一步手动执行一次脚本确认reports/下生成了原始 JSON 和 HTML打开 HTML 能看到汇总和失败列表。第二步故意改坏一个断言比如把期望状态码从 200 改成 201重跑确认失败被正确捕获、报告里出现该条失败、推送消息里失败数不为零。第三步把 OpenClaw 任务按 Cron 触发一次确认定时调度生效、推送到达群里。三步都过说明链路闭环了。5. 常见报错排查401、local proxy failed 与 reading choices自动化跑起来之后报错基本集中在几类。下面按真实遇到的错误对照排查。5.1 401 Unauthorized最常见的是 Token 过期或环境变量没注入。Newman 执行时如果环境文件里的{{token}}是空的请求就会带空 Authorization 头服务端返回 401。排查方法在脚本里打印实际使用的环境文件路径确认加载的是正确的环境检查环境文件里 token 字段是否有值如果是动态 Token确认预请求脚本有没有正确执行。解决方式是在 OpenClaw 脚本里执行前刷新 Token通过--env-var覆盖。5.2 local proxy failed这个报错通常出现在 Newman 尝试走系统代理但代理不可用时。如果你的执行环境配置了 HTTP_PROXY 之类的环境变量Newman 会尝试走代理。排查检查执行机的环境变量里有没有HTTP_PROXY、HTTPS_PROXY有的话在脚本里临时清掉或者给 Newman 加--no-proxy参数。另外确认目标接口地址是执行机能直连的不要依赖任何额外网络配置。5.3 reading choices 或 reading xxx of undefined这类报错多半是解析 Newman JSON 报告时字段路径不对。Newman 不同版本的报告结构有差异比如executions里某些字段可能不存在。排查先打开原始 JSON 看实际结构确认run.stats.tests和run.executions的层级在脚本里用.get()加默认值避免直接下标访问。如果升级过 Newman 版本报告结构变化是常见原因对照版本调整解析逻辑。5.4 OAuth 相关报错如果集合里有 OAuth 2.0 授权流程Newman 执行时可能因为无法完成交互式授权而失败。排查确认 Token 是提前获取好并通过环境变量注入的而不是依赖 Postman 界面里的授权助手。OAuth 的刷新逻辑建议放在 OpenClaw 脚本里执行前刷新、执行时注入避免在 Newman 内部处理。5.5 三件套配置检查无论用哪种方式接入Base URL、Key、Model ID 这三样要对应清楚。如果链路里涉及模型调用比如用模型辅助分析失败原因Base URL 指向https://taotoken.net/apiKey 在控制台生成Model ID 按实际使用的模型填写。三者缺一或对不上就会出现鉴权失败或模型找不到的报错。配置时逐项核对比事后猜要快得多。6. 把回归测试变成可复用的日常能力整套链路跑通之后回归测试就不再是发版前的一次性动作而是可以定时、可以触发、有记录、有通知的日常能力。集合和环境文件在 Git 里版本化脚本在 OpenClaw 里调度报告在reports/里按时间戳归档失败自动推到群里。接口变更时重新导出集合提交下一轮回归就会覆盖到新用例。如果团队还在用模型辅助分析失败日志或生成测试用例可以在 OpenClaw 脚本里加一步调用把失败详情发给模型做归因结果一并写进报告。需要长期跑编码和 Agent 类任务的可以了解下 Coding Plan只是想先验证模型对话效果的用模型对话页面快速试一下就行。接入相关的 Key 和文档在 API Keys 与接入文档里都能找到按需取用即可。
接口测试自动化：用 OpenClaw 对接 Postman，实现批量回归测试、测试报告自动生成与推送
1. 为什么接口回归测试总在“手工重跑”里打转接口测试自动化这件事很多团队都卡在同一个地方Postman 里明明已经攒了几百个请求和断言每次发版前却还是要靠人一个个点 Send点完再截图、贴表格、发群里。一次回归下来测试同学半天没了还容易漏掉某个环境变量没切、某个 Token 过期没换。更麻烦的是接口一多失败原因散落在各个响应里等整理完报告开发已经切到下一个需求了。我试过把 Postman 集合导出成 JSON再用命令行工具批量跑确实能省掉点击的功夫但新的问题马上来了谁来定时触发跑完的原始结果怎么变成人能看的报告失败了怎么第一时间通知到对应的人这些“执行之后”的环节才是回归测试能不能真正跑起来的关键。这篇要聊的链路是用 OpenClaw 作为调度和结果处理的中枢对接 Postman 导出的集合与环境文件通过 Newman 批量执行再把结果解析成 HTML 报告并推送到群里。整套流程面向的是批量回归测试场景——不是跑一两个接口验证一下而是几十上百个用例、多套环境、需要留痕和通知的那种。适合已经有一定 Postman 资产、想把它自动化但不想重写用例的测试和开发同学。下面从环境准备到配置片段、再到报错排查一步步给到可复制的内容。2. OpenClaw 与 Postman 对接的前置准备与目录规划在写任何脚本之前先把“谁调用谁”这件事理清楚。Postman 负责定义请求和断言导出的集合文件.postman_collection.json和环境文件.postman_environment.json是静态资产Newman 是 Postman 官方的命令行执行器负责把这些资产跑起来OpenClaw 则负责在合适的时机调用 Newman、拿到结果、做后续处理。三者关系可以理解成Postman 写剧本Newman 当演员OpenClaw 当导演兼场记。2.1 基础依赖安装Newman 依赖 Node.js 运行所以第一步是在执行机上装好 Node.js建议 LTS 版本。装完后用 npm 全局安装 Newmannpm install -g newman newman --version如果newman --version能正常输出版本号说明命令行执行器就绪。接着按 OpenClaw 官方文档完成安装确保服务能正常启动。OpenClaw 的脚本引擎支持 Python后面的调度和报告处理都会用 Python 来写所以执行机上也要有 Python 3 环境。2.2 Postman 资产导出在 Postman 里选中要回归的集合右键导出为 Collection v2.1 格式的 JSON 文件。环境变量同样导出为 JSON。这里有个容易踩的坑环境文件里如果包含 Token、密码这类敏感值导出后就是明文建议在版本控制里用占位符实际执行时由 OpenClaw 注入或者用 Postman 的 secret 类型变量配合外部注入。2.3 目录结构规划建议在 OpenClaw 项目下建一套清晰的目录后面脚本里的路径都基于它project/ ├── postman_collections/ # 存放导出的集合 JSON │ └── MyAPI.postman_collection.json ├── postman_environments/ # 存放环境 JSON │ ├── TestEnv.postman_environment.json │ └── StagingEnv.postman_environment.json ├── reports/ # Newman 原始报告与最终 HTML ├── scripts/ # OpenClaw 执行脚本 └── templates/ # HTML 报告模板把集合和环境文件纳入 Git 管理每次接口变更后重新导出并提交这样回归测试的“剧本”始终和代码同步。目录规划看着是小事但等你要同时跑三套环境、对比历史报告时没有清晰结构会非常痛苦。2.4 环境变量与密钥管理Postman 环境文件里的{{baseUrl}}、{{token}}这类变量在 Newman 执行时会从环境文件读取。如果不同环境共用一套集合只需要切换环境文件即可。对于密钥推荐的做法是在 OpenClaw 脚本里读取环境变量或密钥管理服务再通过 Newman 的--env-var参数覆盖而不是把明文写进 JSON。这样集合文件可以放心提交到仓库。3. 可复制的 OpenClaw 配置与 Newman 批量执行脚本这一节是整条链路的核心。OpenClaw 的调度配置负责“什么时候跑”Python 脚本负责“怎么跑、跑完怎么处理”。下面给到的片段可以直接改路径后使用。3.1 OpenClaw 任务配置片段OpenClaw 的任务定义通常是一个配置文件描述任务名、触发方式、执行脚本和超时。下面是一个 JSON 形式的配置示例路径按你实际项目调整{ task_name: api_regression_test, description: Postman 集合批量回归测试, schedule: 0 2 * * *, timeout_seconds: 1800, script: scripts/run_newman.py, env: { COLLECTION_DIR: postman_collections, ENV_DIR: postman_environments, REPORT_DIR: reports, TEMPLATE_DIR: templates }, notify: { on_failure: true, on_success: false, channel: dingtalk } }schedule用的是 Cron 表达式上面表示每天凌晨 2 点执行一次。如果要在 CI 里触发把schedule去掉改由流水线调用 OpenClaw 的任务执行接口即可。notify部分控制推送策略失败必推、成功可选避免群里被成功消息刷屏。3.2 Newman 批量执行脚本下面这个 Python 脚本负责遍历集合和环境、调用 Newman、解析 JSON 报告。关键点在于用subprocess.run执行命令并捕获退出码用--reporters json输出结构化结果再从中提取通过数、失败数和失败详情。import subprocess import json import os from datetime import datetime COLLECTION_DIR os.environ.get(COLLECTION_DIR, postman_collections) ENV_DIR os.environ.get(ENV_DIR, postman_environments) REPORT_DIR os.environ.get(REPORT_DIR, reports) os.makedirs(REPORT_DIR, exist_okTrue) def run_newman(collection_file, env_file): timestamp datetime.now().strftime(%Y%m%d_%H%M%S) raw_json os.path.join(REPORT_DIR, fraw_{timestamp}.json) cmd [ newman, run, collection_file, -e, env_file, --reporters, json, --reporter-json-export, raw_json, --timeout-request, 10000 ] result subprocess.run(cmd, capture_outputTrue, textTrue) return result.returncode, raw_json def parse_report(raw_json): with open(raw_json, r, encodingutf-8) as f: data json.load(f) stats data[run][stats] summary { total: stats[tests][total], passed: stats[tests][passed], failed: stats[tests][failed], requests: stats[requests][total], failed_requests: stats[requests][failed], } failures [] for execution in data[run][executions]: for assertion in execution.get(assertions, []): if assertion.get(error): failures.append({ name: execution[item][name], url: execution[request][url][raw], assertion: assertion[assertion], error: assertion[error][message] }) return summary, failures if __name__ __main__: for collection in os.listdir(COLLECTION_DIR): if not collection.endswith(.json): continue for env in os.listdir(ENV_DIR): if not env.endswith(.json): continue code, raw run_newman( os.path.join(COLLECTION_DIR, collection), os.path.join(ENV_DIR, env) ) summary, failures parse_report(raw) print(f{collection} {env}: {summary}) for f in failures: print(f FAIL {f[name]} - {f[error]})脚本里--timeout-request 10000是给单个请求设 10 秒超时避免某个接口卡死拖垮整轮回归。parse_report里遍历executions和assertions把失败的断言和错误信息抽出来后面生成报告和推送都用得上。3.3 多环境与并发控制如果集合之间没有依赖可以用 Python 的concurrent.futures并行跑多个 Newman 进程缩短总耗时。但要注意并行执行时不同进程可能操作同一份测试数据导致互相干扰。稳妥的做法是给每个环境分配独立的数据前缀或者对写操作类的集合串行执行。回归测试追求的是稳定复现不是越快越好先保证结果可信再谈提速。4. 测试报告自动生成与推送的验证动作跑完只是第一步结果得让人看得懂、收得到。这一节把原始 JSON 变成 HTML 报告再推送到群最后验证整条链路真的通了。4.1 用模板生成 HTML 报告推荐用 Jinja2 做模板渲染。模板里放汇总指标、通过率、失败列表数据由脚本填充。下面是一个精简的模板片段!DOCTYPE html html headmeta charsetutf-8title接口回归测试报告/title/head body h1接口回归测试报告/h1 p执行时间{{ timestamp }}/p p集合{{ collection }} / 环境{{ environment }}/p p用例总数{{ summary.total }}通过{{ summary.passed }} 失败{{ summary.failed }}/p h2失败详情/h2 ul {% for f in failures %} li{{ f.name }} - {{ f.url }}br断言{{ f.assertion }}br错误{{ f.error }}/li {% endfor %} /ul /body /html渲染时把summary、failures、时间戳传进去输出到reports/下带时间戳的 HTML 文件。这样每次执行都留一份快照方便回溯对比。4.2 推送到钉钉或企业微信推送用 Webhook 最简单。以钉钉机器人为例构造 Markdown 消息把关键摘要和报告链接放进去import requests def push_dingtalk(webhook, summary, report_path): text ( f#### 接口回归测试结果\n f 用例总数{summary[total]}通过{summary[passed]} f失败{summary[failed]}\n f 报告{report_path} ) payload {msgtype: markdown, markdown: {title: 回归测试, text: text}} requests.post(webhook, jsonpayload, timeout5)企业微信的格式类似把msgtype和字段名换成企微的规范即可。注意 Webhook 地址不要硬编码在脚本里放到 OpenClaw 的环境变量或密钥配置中。4.3 验证整条链路验证分三步。第一步手动执行一次脚本确认reports/下生成了原始 JSON 和 HTML打开 HTML 能看到汇总和失败列表。第二步故意改坏一个断言比如把期望状态码从 200 改成 201重跑确认失败被正确捕获、报告里出现该条失败、推送消息里失败数不为零。第三步把 OpenClaw 任务按 Cron 触发一次确认定时调度生效、推送到达群里。三步都过说明链路闭环了。5. 常见报错排查401、local proxy failed 与 reading choices自动化跑起来之后报错基本集中在几类。下面按真实遇到的错误对照排查。5.1 401 Unauthorized最常见的是 Token 过期或环境变量没注入。Newman 执行时如果环境文件里的{{token}}是空的请求就会带空 Authorization 头服务端返回 401。排查方法在脚本里打印实际使用的环境文件路径确认加载的是正确的环境检查环境文件里 token 字段是否有值如果是动态 Token确认预请求脚本有没有正确执行。解决方式是在 OpenClaw 脚本里执行前刷新 Token通过--env-var覆盖。5.2 local proxy failed这个报错通常出现在 Newman 尝试走系统代理但代理不可用时。如果你的执行环境配置了 HTTP_PROXY 之类的环境变量Newman 会尝试走代理。排查检查执行机的环境变量里有没有HTTP_PROXY、HTTPS_PROXY有的话在脚本里临时清掉或者给 Newman 加--no-proxy参数。另外确认目标接口地址是执行机能直连的不要依赖任何额外网络配置。5.3 reading choices 或 reading xxx of undefined这类报错多半是解析 Newman JSON 报告时字段路径不对。Newman 不同版本的报告结构有差异比如executions里某些字段可能不存在。排查先打开原始 JSON 看实际结构确认run.stats.tests和run.executions的层级在脚本里用.get()加默认值避免直接下标访问。如果升级过 Newman 版本报告结构变化是常见原因对照版本调整解析逻辑。5.4 OAuth 相关报错如果集合里有 OAuth 2.0 授权流程Newman 执行时可能因为无法完成交互式授权而失败。排查确认 Token 是提前获取好并通过环境变量注入的而不是依赖 Postman 界面里的授权助手。OAuth 的刷新逻辑建议放在 OpenClaw 脚本里执行前刷新、执行时注入避免在 Newman 内部处理。5.5 三件套配置检查无论用哪种方式接入Base URL、Key、Model ID 这三样要对应清楚。如果链路里涉及模型调用比如用模型辅助分析失败原因Base URL 指向https://taotoken.net/apiKey 在控制台生成Model ID 按实际使用的模型填写。三者缺一或对不上就会出现鉴权失败或模型找不到的报错。配置时逐项核对比事后猜要快得多。6. 把回归测试变成可复用的日常能力整套链路跑通之后回归测试就不再是发版前的一次性动作而是可以定时、可以触发、有记录、有通知的日常能力。集合和环境文件在 Git 里版本化脚本在 OpenClaw 里调度报告在reports/里按时间戳归档失败自动推到群里。接口变更时重新导出集合提交下一轮回归就会覆盖到新用例。如果团队还在用模型辅助分析失败日志或生成测试用例可以在 OpenClaw 脚本里加一步调用把失败详情发给模型做归因结果一并写进报告。需要长期跑编码和 Agent 类任务的可以了解下 Coding Plan只是想先验证模型对话效果的用模型对话页面快速试一下就行。接入相关的 Key 和文档在 API Keys 与接入文档里都能找到按需取用即可。
