立项原因:传统的 e2e 维护负担过重,且 case 过于脆弱,经常由于文案/样式变动而使整条 case 失效,且人工设计的 case 流,容易陷入功能性测试的误区,这进一步加大的维护成本,且降低了 e2e 的核心价值。本项目旨在结合 AI 技术,帮助测试员设计出最优的 case,并且最大程度的降低测试人员的维护负担。
点击空白处退出提示
立项原因:传统的 e2e 维护负担过重,且 case 过于脆弱,经常由于文案/样式变动而使整条 case 失效,且人工设计的 case 流,容易陷入功能性测试的误区,这进一步加大的维护成本,且降低了 e2e 的核心价值。本项目旨在结合 AI 技术,帮助测试员设计出最优的 case,并且最大程度的降低测试人员的维护负担。
本项目,核心功能为:让测试人员只需录入测试场景(如:成功创建 hello-world 服务),并传入产品用户手册内容或者 web地址。即可由 AI 去分析并生成测试步骤,同时 Ai 会启动 headless browser 去分析指定测试页面上的字段,组件与用户手册的对应关系,从而分析出表单中各项的默认推荐数据,测试人员可以更改配置数据,在执行时,会通过 playwright,携带那些参数去执行 e2e 测试
我结合 vibe-coding 完成了这个项目的完整实现
其核心难点有以下几个
1. 基于场景的测试 case 设计编排流程构思
2. 用户有自己的业务 UI 组件, 大模型如何识别对应的字段,比如,如何识别,名称: 这一行的表单设计模式,以及如何确认这里是一个输入框而不是下拉框
3. 如何尽可能降低 token 的消耗,特别对于长期运行场景(避免过多赘述,这里采用了,AI 只设计测试流程,且支持缓存,而代码层面实现了执行器)




评论