Primeiros passos

Testes E2E em linguagem natural com replay determinístico — o LLM planeja uma vez, os replays rodam sem ele.

Descreva um teste em linguagem simples — “faça login com a conta de teste, adicione o produto X ao carrinho, finalize a compra e verifique a confirmação do pedido” — e o Windup o transforma em um plano determinístico de ações do navegador em JSON. A partir da segunda execução, o teste faz replay com zero chamadas ao LLM: ~1 segundo, $0, resultados estáveis.

npm i -D windupjs        # Chromium is provisioned automatically (one-time, machine-wide cache)
npx windup init          # 3 questions → windup.config.ts + example scenario
npx windup scan          # index your app's routes & elements from source code
npx windup new "log in as admin and create an invoice"   # LLM-assisted scenario authoring
npx windup run checkout  # 1st run: the LLM plans · every run after: ~1s replay, $0

Requisitos

Node ≥ 20.
Uma chave de API para o LLM planejador em .env.local ou .env (.env.local prevalece — use-o quando o seu .env estiver versionado): GOOGLE_GENERATIVE_AI_API_KEY para Google (padrão) ou OPENAI_API_KEY para OpenAI.

As chaves são usadas apenas para planejar; replays do cache nunca chamam um LLM. Para usar um Chrome existente em vez do Chromium baixado automaticamente, defina CHROME_PATH; para pular o download por completo, defina PLAYWRIGHT_SKIP_BROWSER_DOWNLOAD=1.

Um tour de cinco minutos

O fluxo completo em um projeto novo, com o que você deve esperar ver:

# 1. Install — Chromium is provisioned automatically
npm i -D windupjs

# 2. Initialize — 3 questions (base URL, model, scenarios dir)
npx windup init
#    → windup.config.ts + e2e/scenarios/ + .windup/ (gitignored)

# 3. Index your app from source — before anything ever runs
npx windup scan
#    scan complete (full): framework=react-router routes=106 elements=1125
#    The site map now knows your real routes and selectors; the planner
#    will use them instead of guessing. Re-run after big changes
#    (windup scan --update re-indexes only files changed since, via git).

# 4. Register test credentials once — values never touch git
npx windup secret set admin        # hidden prompts → .env.local + mapping

# 5. Author a scenario from a rough instruction
npx windup new "log in with the admin account and create an invoice for ACME"
#    → e2e/scenarios/create-invoice-acme.json — precise task grounded in
#      your real screens, account referenced by name, final verification

# 6. First run — the LLM plans once (~3s, ~$0.002)
npx windup run create-invoice-acme
#    PASS  create-invoice-acme  cache=miss llm_calls=1 ... cost=$0.0024

# 7. Every run after — deterministic replay, zero LLM
npx windup run create-invoice-acme
#    PASS  create-invoice-acme  cache=hit llm_calls=0 total=600ms cost=$0

# 8. Read results like a human, ship reports to CI
npx windup run --all --summary --reporter html
npx windup costs                   # AI spend: totals, per provider/model

Se uma execução falhar após uma mudança no app, o plano em cache é invalidado e replanejado automaticamente na próxima execução — você edita cenários, não seletores.