ai测试

11路没有终点

MCP 协议详解：从原理到测试的完整指南导语：作为一名在测试领域摸爬滚打多年的工程师，当我第一次看到 Agent 能自动打开浏览器、查数据库、建缺陷单时，我的第一反应是：这玩意儿到底靠不靠谱？权限怎么控？结果怎么验？答案就在 MCP（Model Context Protocol，模型上下文协议）。本文不堆概念，把 MCP 的架构、原语、传输、安全、测试落地一条线讲透，并给出可直接复用的实战模板。读完你不仅能讲清楚 MCP，更能回答面试官那句：“AI 测试你怎么做工程化管控？”

LLMCase-V4 从策划文档到测试用例 - 开篇测试用例生成三问在动手读任何一章之前，先回答三个问题。这三个问题分别对应本教程的三条主线：业务是什么、系统长什么样、新人从哪入手。

LLMCase-V4 从策划文档到测试用例 - 第 1 章业务背景：游戏策划文档与测试用例本章目标：读懂游戏公司里"策划文档 → 测试用例"这条业务线。学完你能回答：策划文档里有什么？测试要点和测试用例的区别是什么？什么是四象限？人工做这件事为什么慢、LLM 为什么合适？

游戏宠物系统怎么测：养成、出战、继承、AI与属性联动摘要：宠物系统连接抽取、养成、装备、技能、AI和玩家战力。标签：游戏测试、宠物系统、养成测试、AI测试、属性测试

Testin XAgent支撑下的智能测试实践：多端自动化如何真正落地在AI大规模落地的进程当中, 更多的技术负责人察觉到了一个具有结构性的问题, 系统稳定性跟交付质量, 正变成限制AI价值释放的核心阻碍点。这并非是一个能够依靠堆砌人力来解决的问题, 而是需要从工程体系层面展开整体性的重新构建。

网传阿里天猫超市技术近期迎来调整，前端和测试团队合并为“智能交付”团队网传阿里天猫超市技术近期迎来调整，前端和测试团队合并为“智能交付”团队，做AI Coding和AI测试，原测试leader已经离职

程序员龙叔

Agent 评测到底测什么：任务、结果、轨迹与工具调用同一个任务，要求 Agent 搜索某个 API 的最新用法并写成摘要，可能跑出三条轨迹：哪一条才算对？

测试开发技术

AI 测试提效｜告别手工写脚本，分享我的 Playwright + Skill 批量生成 UI 自动化脚本方案上一篇我们聊了 ui-page-parser，解决了 UI 自动化「抓元素」的痛点，拿到了一份标准化的 pages.yaml。

今年秋招，大厂招人逻辑变了大家好，我是洋子，今年27届秋招马上就要开始了，有两个很明确的信息分享给大家越来越多的大厂在笔试环节增加AI Coding能力考察，毕竟现在都是用AI写代码，再考传统的leetcode算法题没有太大意义了

AI时代测试方向AI for Testing和Testing for AI测试目前有两个方向：AI for Testing（用AI测试）和Testing for AI（测AI产品）

Hermes 智能体+Dify 知识库详细部署过程本手册覆盖从零开始的完整流程：Docker 安装 → Dify 部署 → 模型配置 → 知识库搭建 → Hermes 对接。预计耗时：2-3 小时（不含模型下载时间）。

程序员龙叔

编写高质量 Skill 系列 -- 如何设计需求分析与用例生成的 SKILL本篇内容其实在之前讲解如何设计知识库的文章中也有所涉及，事实上大部分 SKILL 的效果好坏，很大程度上取决于知识库是否完善和精准。下面咱们进入正题。

欢迎来到《Raina 测试学习指南》博客✨ | Raina测试学习指南大家好，我是 Raina。从深耕传统测试，到专注研究 AI 技术与测试工作的结合落地，我把一路走来的学习笔记、实操经验、踩坑总结都整理在了这个博客里。

程序员龙叔

从 0 开始学习 AI 测试 - 从接口测试来教你如何用 AI 来生成自动化测试代码很多人第一次使用 Cursor 生成接口测试时会困惑，大模型怎么知道我的系统的接口张什么样子？如果我们强行让它写，它绝对会写出一个假的的测试用例。这是因为大模型没有你系统的任何知识。它只能根据通用经验"猜"出一个看起来合理的接口，但猜的结果和你真实的系统大概率对不上。

测试开发技术

AI 测试赋能全流程实战｜ Agent Skill + AI 赋能「需求分析」从本篇教程开始，我们将沿着软件测试全流程，逐环节、逐步骤深度拆解，系统学习如何借助 AI + Agent Skill，为测试工作的每个核心节点赋能提效。

优测云服务平台

优测云真机平台升级：深度融合智谱AutoGLM，解锁AI协作新体验如今，以大模型为核心的 AI Agent（智能体）正成为行业最明确的技术趋势之一：AI 不再只是聊天对话，而是开始替你动手完成任务。这意味着 AI 的价值开始从“知识生产力”升级为“流程生产力”—把原本依赖人工、多系统协作、重复且易错的工作，交给智能体自动完成。优测云真机平台全新 AI Agent 功能重磅上线，通过Gitee AI 模力方舟接入智谱 AutoGLM-Phone-9B 和 MAI-UI-8B 模型，让 AI 直接为你操作真机，将模糊的测试需求转化为精准的自动化行动，解锁智能测试的无限可能。

AI测试Agent的两种架构路径：谁做主控？搭AI测试Agent，第一个要做的架构决策不是选什么模型、用什么框架，而是——谁来做决策者？是你的测试代码控制流程、按需调用Agent能力，还是让Agent自己跑、自己决定调什么工具？这个问题看起来简单，但直接决定了你后续所有的技术选型、调试方式、甚至团队分工。我在这条路上走了两年，smart-testgen走的是API Server模式，Hermes Agent走的是Agent自主模式，踩过的坑比选错模型多得多。今天把这两条路彻底拆开讲，讲清楚各自适合什么场景、各自的代价是什么、以及我是怎么从"二选

一个完美的AI测试Agent应该是什么样的APP UI自动化测试发展了十余年，从早期的脚本录制回放，到后来的控件树定位，再到如今的AI赋能，工具在进化，但核心痛点始终没有根本改变：手工用例到自动化脚本的转化率长期维持在低位，大量边缘场景和复杂交互仍依赖人工执行；跨设备适配需要投入大量人力维护；UI变化后脚本脆弱得像纸糊的；断言能力只能做文本和元素级别的简单比对，无法理解语义。

AI驱动的纯视觉自动化测试：知识库里应该积累什么知识内容很多团队做纯视觉知识库，一开始的定位就是"帮AI更好地识别元素"。但我们的经验是，知识库更大的价值在于：让AI能够自主生成真正可执行的测试用例，而不只是执行人写的用例。这是两个完全不同的层次。前者是提高执行效率，后者是从0到1实现用例生成自动化。

基于Skills的接口自动化测试方案｜新增 MySQL 断言，实现接口 + 数据库双校验哈喽，我是 Raina。上篇我们讲了基于Skills的接口自动化测试方案，新增多接口串联和自然语言场景用例的实现思路，实现了从 “单接口测试” 到 “完整业务流程自动化” 的升级。感兴趣的可以看下这篇文章：