
VizDiff
vizdiff.io · Programación
VizDiff es una herramienta autoalojada de regresión visual para Storybook. Captura componentes en el CI, marca los cambios de píxel y publica comprobaciones de estado en GitLab o GitHub antes de fusionar.

Acerca de VizDiff
What Is VizDiff
VizDiff detecta cambios de interfaz que la revisión de código por sí sola pasa por alto. Parte de la configuración de Storybook que ya tienes, captura una pantalla de cada historia en cada commit y compara el conjunto nuevo con una línea base guardada. Todo lo que se haya movido queda marcado para que una persona lo apruebe o lo rechace.
La herramienta se ejecuta en tu propia infraestructura. No hay cuenta compartida en la nube y las capturas viven en tu propio bucket de almacenamiento. Es regresión visual sin entregar tu interfaz a un tercero. Por eso también encaja en equipos que quieren pruebas de regresión visual sin ceder el control de la infraestructura. Si tu equipo ya compila Storybook en GitLab o GitHub, VizDiff encaja en el flujo que tienes en lugar de pedirte que te mudes a otro sitio.
El límite principal está en el alcance. VizDiff entiende historias de Storybook y poco más, así que quien prueba páginas completas o flujos de aplicación necesita algo más amplio. También da por hecho que vas a desplegar y mantener el servicio, lo que lo descarta si no quieres operar nada.
Getting Started
- Inicia sesión en VizDiff a través de tu proveedor de identidad (Microsoft Entra o SSO en GitLab, GitHub OAuth en GitHub).
- Añade un proyecto y copia el Project Token que genera para ese repositorio.
- Guarda el token como
VIZDIFF_PROJECT_TOKENen los secretos o variables de tu CI. - Suma el paso de subida a tu pipeline, apuntando al directorio de compilación de Storybook, por ejemplo
storybook-static. - Abre una merge request, revisa las capturas recogidas en VizDiff y aprueba o rechaza la compilación.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de VizDiff.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Equipos de frontend que construyen librerías de componentes en Storybook y quieren cazar regresiones antes de fusionar
- Usuarios de GitLab o GitHub que ya tienen un pipeline de CI y no quieren una cuenta aparte en la nube
- Organizaciones con reglas estrictas de datos que necesitan que las capturas se queden en su propia infraestructura
- Desarrolladores individuales con proyectos pequeños de componentes que pueden levantar un despliegue de Docker por su cuenta
Tareas
- Cazar regresiones visuales en una pull request antes de que el código llegue a la rama principal
- Revisar qué historias cambiaron entre dos compilaciones de Storybook y dar el visto bueno a cada una
- Mantener una línea base compartida de capturas aprobadas con la que todo el equipo compara
- Bloquear una fusión de forma automática cuando un commit introduce cambios de interfaz sin aprobar
Casos de uso
- Rediseñar un componente del sistema de diseño y ver con precisión qué otras pantallas quedaron tocadas
- Mantener una librería de componentes en crecimiento donde un pequeño cambio de estilo salpica a decenas de historias
- Trabajar con un equipo distribuido donde quien revisa no puede levantar la app en local para mirar la interfaz
- Endurecer un proceso de publicación en el que los fallos de interfaz siguen colándose tras unas pruebas unitarias en verde
Funciones clave
Storybook Integration
VizDiff lee las historias que tu equipo ya escribió, así que no hay una suite de pruebas aparte que mantener. Cuando tu pipeline compila Storybook, el CLI sube el resultado y la herramienta renderiza una captura por historia. Si añades un componente a Storybook, aparece en la siguiente comparación sin configuración extra.
GitLab and GitHub Status Checks
La herramienta publica un estado de commit en las merge requests de GitLab o una comprobación en las pull requests de GitHub. Esa comprobación queda pendiente mientras se renderizan las capturas y mientras alguien tiene que revisar las nuevas o las cambiadas. Si no cambió nada, pasa a correcto por sí sola, así que los commits rutinarios se aprueban sin que nadie mueva un dedo.
Pixel-Level Diff Views
Cada historia modificada se abre en un diálogo de comparación con las vistas Old, New, Diff y 2-Up. La vista Diff funciona como herramienta de diferencias de píxeles y resalta lo que se movió, y el modo 2-Up pone las dos versiones lado a lado. Las flechas del teclado te llevan de una a otra, algo que importa cuando una sola rama toca decenas de historias.
Shared Baselines
Las capturas aprobadas se convierten en la línea base contra la que se compara la siguiente compilación, y todo el equipo trabaja sobre el mismo conjunto. Las capturas se guardan en tu propio bucket compatible con S3, así que las imágenes de referencia nunca salen de tu infraestructura. Ramificar desde un commit con capturas aprobadas mantiene la comparación con sentido en lugar de reiniciarla con todo como nuevo.
Self-Hosted Deployment
VizDiff se distribuye como proyecto de código abierto bajo licencia MIT y se ejecuta como tres servicios (api, worker, frontend) sobre PostgreSQL y un bucket que aportas tú. Las imágenes versionadas multiarquitectura se publican en GitHub Container Registry, y tanto un archivo Docker Compose como un chart de Helm cubren la instalación. No hay cuenta de proveedor ni tarifa por usuario.
Ventajas y desventajas
Ventajas
- Las capturas y las líneas base se quedan en tu propia infraestructura, lo que encaja con políticas de datos estrictas
- Funciona con la compilación de Storybook que tu pipeline ya produce, así que adoptarlo es casi editar el CI
- Las comprobaciones de estado bloquean las fusiones solas y se despejan cuando nada cambió
- Código abierto bajo MIT, sin tarifa por usuario que negociar
- Pruebas de regresión de interfaz que corren de fondo, de modo que quien revisa solo mira cuando algo se mueve
- Admite GitLab y GitHub, incluidas instancias de GitLab autoalojadas
Desventajas
- La instalación exige desplegar y mantener el servicio, o sea Docker, PostgreSQL y un bucket de almacenamiento
- Solo prueba historias de Storybook, así que las páginas completas y los flujos con varios pasos quedan fuera
- La primera ejecución en una rama solo crea la línea base, por lo que los primeros commits lo muestran todo como nuevo
- El inicio de sesión depende de un proveedor de identidad externo, así que un equipo puramente local tiene más que montar
Preguntas frecuentes
Captura una pantalla de cada historia de Storybook cuando corre tu pipeline de CI, compara los resultados con las líneas base aprobadas y avisa de cuáles cambiaron. Esos cambios aparecen como una comprobación de estado en tu merge request o pull request, donde alguien del equipo los aprueba o los rechaza.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con VizDiff.
Alternativas a VizDiff
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.
