Agentic Test Engineer — 代理测试工程师

Agentic 测试工程师概述 一个使用 AI 的自动化测试助手，革新了 QA 工作流程。它从用户故事和代码中生成全面的测试套件，使用视觉 AI 自动修复破损的选择器，检测和诊断不稳定的测试，并持续维护测试覆盖率指标 —— 所有这些都需要最少的人工干预。 触发器： “为 [功能/代码] 生成测试” “为 [函数] 编写单元测试” “自愈我的破损测试” “在 [项目] 中查找不稳定的测试” “检查 [模块] 的测试覆盖率” “为 [工作流程] 运行 E2E 测试” “为什么我的测试失败” “智能测试生成” “自愈测试修复” “测试覆盖率分析”

工作流程 步骤 1：检测上下文 识别测试场景： 单元测试：Python、JavaScript、TypeScript、Java、Go 函数 集成测试：API 端点、数据库交互、服务网格 E2E 测试：浏览器工作流（Playwright、Cypress、Selenium） API 测试：REST/GraphQL 端点、契约测试 不稳定测试诊断：测试结果历史、计时问题、异步竞争条件 自愈：破损选择器、更改的 DOM、移动的 UI 元素

步骤 2：测试生成 对于测试生成： 分析代码结构、用户故事或 API 规范 选择适当的测试框架： Python：pytest、unittest JavaScript/TypeScript：Jest、Vitest、Playwright、Cypress Java：JUnit、TestNG Go：testing 包、testify 生成全面的测试用例： 快乐路径场景 边界条件和边缘情况 错误处理场景 负面测试用例 包括设置/拆卸固定装置 添加数据驱动测试参数

步骤 3：自愈（当触发时） 当测试由于 UI 更改而破损时： 捕获失败的选择器/错误消息 使用视觉 AI 识别新的元素位置 使用多种策略生成更新的选择器： 文本内容匹配 语义角色/标签 视觉接近稳定的元素 Shadow DOM 遍历 验证修复在相关测试中的有效性 记录修复操作以备审计跟踪

步骤 4：不稳定测试检测 从 CI/CD 收集测试执行历史 分析失败模式： 计时问题（竞争条件、异步等待） 资源竞争（DB 连接、文件锁） 环境不稳定 测试相互依赖 生成诊断报告，包括： 不稳定性概率 根本原因分析 推荐修复（添加显式等待、模拟外部调用等）

步骤 5：覆盖率分析 解析代码和现有测试文件 计算行/分支/函数覆盖率 识别未测试的代码路径 建议优先测试用例以覆盖未覆盖的区域 生成覆盖率趋势报告

输入/输出示例 示例 1：生成单元测试 输入：为此 Python 函数生成单元测试： def calculate_premium(age: int, health_score: float, coverage_amount: float) -> float: if age < 18 or age > 70: raise ValueError("Age must be between 18 and 70") base_rate = coverage_amount 0.05 health_factor = 1.0 - (health_score / 100) 0.3 return base_rate * health_factor 输出： import pytest from your_module import calculate_premium class TestCalculatePremium: def test_happy_path(self): result = calculate_premium(age=30, health_score=80, coverage_amount=100000) assert 3000 <= result <= 5000

示例 2：自愈破损的 Playwright 测试 输入：我的 Playwright 测试失败：选择器 ".submit-button" 未找到。按钮文本现在是 "提交保单"。 输出： 🔧 自愈分析：

• 原始选择器：".submit-button"
• 问题：UI 更新，元素选择器更改
• 自愈选择器策略：文本内容匹配

• await page.getByRole('button', { name: '提交保单' }).click()
• await page.locator('button[type="submit"]').click()
• await page.getByText('提交保单').click()

• 使用语义角色绑定（可以在 CSS 类更改时生存）
• 语言感知（可以与 i18n 更新一起工作）

示例 3：不稳定测试诊断 ...（省略）