之前我们分享过web端和桌面端的UI自动化方案，不少小伙伴希望能出一套AI驱动APP自动化的方案，我也针对性做了一段时间调研，Maestro、Appium是目前 APP UI 自动化两大主流选型，本文将以 iOS端为例，基于Maestro进行实践讲解，后续再分享基于Appium进行IOS、Android的UI自动化实践案例。
Maestro介绍
Maestro 是一款轻量开源 UI 自动化工具，主打移动端与 Web 端测试。它采用 YAML 语法编写用例，内置 AI 元素识别、智能等待能力，无需复杂环境依赖，上手门槛低、脚本运行稳定，一份脚本即可跨安卓、iOS、浏览器多端执行。
同时工具支持 CLI 命令行调用，适合结合 AI 能力来实现 UI 自动化提效。本文将基于 iOS 模拟器，实践一下如何利用Maestro skill工作流的方式进行UI自动化
首先我们先看看 maestro cli拥有的指令
开展 UI 自动化的核心前提是获取页面控件元素，Maestro 提供了 hierarchy 指令，通过它可以拿到整个 APP 页面的 UI 层级。 拿到这份结构化数据后，AI 能够自动解析页面元素信息，把传统文本测试用例转化为 Maestro 可直接运行的脚本；最终我们通过 maestro test 命令，就能批量执行整套自动化流程。
如：下面是一个AI识别ui结构后生成的yaml文件，maestro会根据yaml文件中的相关指令去执行
yaml文件内部的具体文件就不在这里做太详细的介绍了，现在有AI，大家也不会太细致的去查看内部的内容了，不过如果想要了解的话，也可以看看该官方提供的说明：官方yaml参数说明
Skill介绍
本来是考虑参考browser use的方式，只设计成一个skill，将探索元素和执行用例放在一个skill，但是在实际操作中，发现执行skill的时间会花很多的时间，且会导致skill内容过于庞大，AI注意力分散，使得输出效果一般，因此还是拆解为了3个skill，skill如下：
skill执行流程如下：
Skill获取方式：
可以自己根据Raina提供的思路进行开发skill，如果需要现成的，也可以加入**【Raina的AI&测试实战圈】**获取~里面还有很多AI赋能测试全流程的实战教程。
完整实战案例
环境准备
1、jdk17安装
mac：
bash
# 下载
brew install --cask temurin@17
# 环境设置
export JAVA_HOME=$(/usr/libexec/java_home -v17)
# 检查版本是否生效
java -version2、maestro cli安装
json
brew tap mobile-dev-inc/tap
brew install mobile-dev-inc/tap/maestro3、Xcode安装
1、打开 App Store
2、搜索 Xcode（Apple 官方）
3、点「获取」→ 验证 Apple ID → 自动下载安装。
4、安装后，直接打开即可
实操步骤
在安装好jdk、maestro cli之后，我们再进行下面的步骤操作
1、Simulator 模拟器安装
在安装好Xcode之后，打开，点击顶部菜单：Xcode → Settings（偏好设置）
点击 components（组件），点击 add platforms（添加平台）
选择你想要的 ios 版本进行安装
等待安装，时间可能会比较久
安装后，打开 xcode->open developer tool->simulator 打开模拟器
等待启动成功，效果如下：
2、skill安装
下载skill，安装到自己的ai工具中
3、获取模拟器中的bundle Id
使用codex打开项目，找到从gitcode中下载下来的项目，或者打开你自己的ios项目也OK
2、点击根目录、找到Targets下的DiaryApp>identity，找到bundle identifier后面的信息就是我们要的bundle id了，可以先复制下来，后面需要用到
3、准备一份excel测试用例
这里主要围绕用例执行，因此用例生成部分，这里不过细讲太多了（可以看看往期的文章，根据需求文档生成测试用例）
将excel用例和skill放在同个项目下
4、探索app、执行yaml编写
AI执行过程：
启动模拟器
会先进行界面的快照抓取
之后基于快照，生成探索的yaml，并执行
最终在执行成功，且元素探索没问题之后，会生成yaml文件
输入：
/maestro-run yaml文件夹 bundleId
执行脚本
在执行的过程中，可能会失败，失败的话处理方式是会先做重试，如果还是失败，则会直接中断
并且会描述原因以及给出修复建议，可以让AI根据建议进行修复，并继续执行
AI会进行页面探索和yaml修复
6、报告生成
执行md
最终执行结果
小结
现阶段AI 并非万能，目前主要还是作为辅助比较多。尤其是app的复杂程度较高，包括下面几点：
（1）app的设备环境复杂：需要考虑Android SDK、iOS 开发者证书、不同系统版本、机型、分辨率兼容性爆炸、权限、弹窗、后台、锁屏等
（2）元素定位更加复杂：包括原生控件、Flutter、React Native、WebView 混合
（3）app的交互动作也更加复杂：滑动、长按、拖拽、捏合、截屏、物理返回键、键盘、通知栏、权限弹窗
本套方案以 AI 辅助落地自动化为探索方向，无法做到完全脱离人工。内容仅供参考，如果有更好的方案，也欢迎在评论区一起讨论和学习～