AI自动化脚本
频道 @aysdbsaqw
You can view and join @aysdbsaqw right away.
评分(满分 10) 5.1 评分(满分 10) 5.1 /10 系统评分 · 评分说明
- 订阅者
- 1,161
- 最近发帖
- 2 个月前
资料采集于 2026-11-21 · 非实时
简介
You can view and join @aysdbsaqw right away.
查看 Telegram 上的原始简介
You can view and join @aysdbsaqw right away.
评分构成
算法 v1 · 评分说明系统基础分 5.1(1 + 维度贡献 4.05) · 最终 5.1
维度 输入 维度值 权重 贡献
内容质量 未经判官审核 (按中性值 0.5 计) · 40% 0.50 40% +1.80
安全风险 未经判官审核 (按中性值 0.5 计) · 30% 0.50 30% +1.35
受众规模 1,161 订阅者 · 12% 0.50 12% +0.54
近期活跃 最近发帖 2 个月前 · 10% 0.40 10% +0.36
Telegram 认证 无认证 · 4% 0.00 4% —
官网互链 无关联工具 · 4% 0.00 4% —
近期动态
在 Telegram 查看全部实验环境:自动化脚本只是执行者,浏览器环境才是身份
这次实验的配置其实不复杂,核心是三部分:
AdsPower 指纹浏览器:提供真实浏览器环境
Puppeteer:控制浏览器执行自动化操作
Google 测试账号:接收验证码
服务器运行在 Linux 上,代理使用新加坡节点。
很多人做自动化的时候,会把注意力全部放在脚本上。但真正跑项目之后很快会发现一个问题:脚本只是负责操作,浏览器环境决定的是身份。如果浏览器环境本身就不正常,比如设备指纹混乱、IP 不匹配、浏览器特征异常,那脚本写得再好也很容易被平台识别出来。
所以这次测试从一开始就放在 AdsPower 创建的浏览器环境里运行,让所有自动化操作都发生在一个看起来像真实用户设备的浏览器中。
咨询:@egglamp
9 次浏览 图片/视频
很多人第一反应都是:应该不难吧。写个脚本,填表、点按钮、收验证码,这些操作交给程序不就行了。但真正跑过流程的人很快会发现一件事,平台现在查的早就不是你会不会填表,而是你的行为看起来像不像一个真实用户。
于是 AdsPower 做了一次自动化测试:把 AI Agent、自动化脚本和指纹浏览器环境结合起来,完整跑一遍 Facebook 注册流程,看看这件事到底能自动化到什么程度。
结果其实很典型,流程基本都跑通了,但最后卡在了很多人都会遇到的一步:视频自拍验证。整体自动化率大概在 85% 左右。
咨询:@egglamp
5 次浏览 图片/视频
在这个体系中:
AI负责:
生成测试用例
生成测试代码
辅助设计测试
而 CI/CD 负责执行与管理测试流程。
这也是为什么:
AI 不会取代 CI/CD,而是会成为 CI/CD 的输入来源。
最后总结
AI IDE + MCP 的出现,让软件测试开始进入一个新的阶段:
过去的软件测试:
需求 → 手写用例 → 手写脚本
未来的软件测试:
需求 → AI生成用例 → AI生成脚本 → CI自动执行
但这里有一个关键前提:
需求必须足够清晰。
因为 AI 的能力来自于输入数据。
如果需求标准化,测试自动化程度会大幅提升。
而软件测试工程师的角色,也正在逐渐从:
咨询:@egglamp
5 次浏览 图片/视频
区别非常明显:
能力
知识库
AI IDE
文档问答
✔️
✔️
文件操作
❌
✔️
代码生成
部分
✔️
自动执行
❌
✔️
所以在自动化测试领域:
AI IDE 更适合工程化场景。
六、为什么需求文档决定 AI 测试效果
AI 在测试领域有一个非常现实的问题:
输入质量决定输出质量。
如果需求文档是这样的:
接口没有说明
参数不清晰
返回值未定义
AI也无法生成正确测试。
理想的需求文档应该包括:
内容
示例
功能描述
用户登录
接口地址
/api/login
请求参数
username password
返回码
200 401
异常情况
参数为空
当需求结构化之后:
AI可以直接生成:
测试用例
自动化脚本
测试数据
七、未来的软件测试体系
未来的软件测试体系可能是这样的:
咨询:@egglamp
3 次浏览 图片/视频
用例ID
测试场景
输入
预期
TC001
正常登录
正确账号密码
登录成功
TC002
密码错误
wrong password
登录失败
TC003
空值登录
username=""
参数错误
TC004
SQL注入
' OR 1=1
拒绝访问
甚至可以自动导出 Excel 测试用例。
四、AI自动生成接口自动化脚本
如果系统提供接口文档,例如:
POST /api/login
参数:
username
password
返回:
200 登录成功
401 登录失败
AI IDE 可以自动生成接口测试代码:
import requests
url = "https://api.demo.com/login"
payload = {
"username": "test",
"password": "123456"
}
response = requests.post(url, json=payload)
assert response.status_code == 200
在实际工程里,AI甚至可以生成完整的测试结构:
tests/
test_login.py
test_register.py
data/
login_data.json
report/
这意味着:
AI不仅在写代码,而是在构建测试工程。
五、AI IDE 与知识库方案的区别
很多团队在做 …
3 次浏览 图片/视频