上个月一个做了六年E2E的同事跟我说,他的Playwright脚本已经写到了第四层封装,Page Object、数据工厂、失败重试、断言工具库全都齐了。但他还是每天在修定位器。
我问了他一个问题:“你的脚本,知道自己在测什么吗?”
他说:“知道啊,我写的用例,我知道。”
“那脚本知道吗?”
他没说话。
一个再厚的E2E脚本,本质上还是“人把路径写死,机器照着走”。 页面一改、流程一分叉、元素一飘,脚本就停在原地等你来修。它不知道“当前页面意味着什么”,不知道“这条路走不通该换哪条”,更不知道“失败了该自己试试修一下”。
Playwright这几年做的,不是给脚本加更多API,而是把“感知、规划、生成、自愈”这几层能力,做成智能体可以直接站上去的操作面。E2E脚本升级成会自主探索的智能体,不是换一个框架,是换一种“谁在找路”的工作方式。
一、先看清:传统E2E脚本的“天花板”在哪
传统E2E脚本有两个硬边界。
第一个边界,是“路径必须提前写死”。 你写page.goto('/login')、page.getByRole('textbox', { name: '邮箱' }).fill(...)、page.getByRole('button', { name: '登录' }).click()。这条路径是人想出来的,机器只负责执行。页面结构一变、按钮名字一改、流程多了一个分支,脚本就挂。
第二个边界,是“失败之后不会自己找路”。 脚本报Element not found,它不会重新看页面、不会换一个语义定位器、不会判断“是改版了还是真Bug”。它只会停下来,等人打开DevTools,找新选择器,改脚本,重跑。
智能体要补的,恰恰是这两个边界之外的能力:自己感知页面、自己规划路径、自己决定下一步、失败了自己试着重走。
但注意,“自主探索”不等于“没有边界”。 它是在你划定的目标、范围和证据要求之内,自己找一条能走通的路。目标越清楚,它越稳;边界越模糊,它越容易走偏。
二、升级的第一层:让模型“先看页面,再动”
传统AI写E2E脚本,最典型的翻车方式是:你给它一句“帮我写一个登录测试”,它没见过你的页面,直接按训练数据里最常见的写法猜一段。按钮叫什么名字、class是稳定的还是哈希的、登录后是跳转还是弹Toast——它全是猜的。
Playwright MCP解决这个问题的设计很直接:Reconnaissance-Then-Action,先侦察,再执行。
模型不是先写代码再跑,而是先操作浏览器、读取页面的可访问性快照,再基于快照里实际存在的元素生成操作。快照不是截图,是结构化的文本:每个可交互元素带角色、可访问名称和一个ref标识。模型读到的是“这是一个textbox,名字叫邮箱,ref是e5”,而不是“这里应该有一个input”。
这个顺序一换,模型写的定位器就从“它想象中的元素”变成了“它实际见到的元素”。getByRole、getByText这些语义定位器,是从快照里直接拿到的,不是猜出来的。
升级的第一步,不是换模型,是把“先快照、再生成”这个顺序写进你的工作流。 没有这一步,后面的规划、生成、自愈都建立在“猜页面”的地基上。
三、升级的第二层:把“一个脚本”拆成“规划—生成—修复”的闭环
Playwright在1.56之后内置了三个Test Agents:planner、generator、healer。它们不是三个孤立的工具,是一个可以串起来的闭环。
Planner负责探索和规划。 你给它一个场景——“为游客结账生成测试计划”——它会打开真实浏览器,走一遍流程,产出一份Markdown测试计划,里面包含步骤、预期结果、以及它实际验证过的元素。这份计划是人类可读、但对生成而言足够精确的中间产物。
Generator负责把计划变成代码。 它读取Markdown计划,生成Playwright测试文件。关键在于,它在生成过程中会实时验证选择器和断言——不是写完再跑,是边验证边写。
Healer负责修复失败的测试。 它重放失败的步骤,检查当前UI,定位等效的元素或流程,提出补丁,重新运行直到通过,或者判断“功能本身可能坏了”,标记为跳过。
这个闭环的价值不在于“全自动”,在于它把“写脚本”从一次性动作,变成了一个可以迭代的流程。Planner产出的计划是可以审的,Generator产出的代码是可以读的,Healer的每一次修复是可以追溯的。你审的是计划和diff,不是黑盒结果。
四、升级的第三层:自愈,但要守住“断言的边界”
“自主探索”里最诱人也最危险的一层,是自愈。
社区已经有成熟的方案。playwright-smart-locators在定位器超时时,把坏掉的选择器和当前DOM发给LLM,拿回最多7个候选定位器,然后重试,并写出*-healed.py建议文件供人review。healwright包装Playwright的page,在定位器失败时自动分析页面、找正确元素。
这些工具解决的是“应用改版了,测试没跟上”这一类失败。它们解决不了“应用坏了”这一类失败。
一条因为UI改版而失效的定位器,应该被修。一条因为真Bug而失败的断言,如果被自愈“修”宽了,测试会变绿,Bug会被藏起来。自愈分不清这两者,只有人分得清。
所以升级时必须守住一条线:自愈可以修定位器和等待条件,断言的修改必须走人工审批。 每一次自愈都要留日志、可审计。智能体负责把噪音过滤掉,人负责判断“这个修复对不对”。
五、一个可落地的升级顺序,而不是一步到位
不要第一天就把所有脚本交给智能体。升级是分层的,每一层都有可验证的产出。
第一步:给现有脚本加“快照侦察”的习惯。 不是让AI替你写全部脚本,是让它在写一个新流程之前,先browser_snapshot,基于快照里的角色和名称生成定位器。这一层解决的是“定位器靠猜”的问题,成本最低,收益最直接。
第二步:把“规划”从人脑里拿出来。 用planner的思路,先让Agent探索一遍流程,产出一份Markdown计划。你审这份计划——步骤对不对、预期结果有没有漏、有没有走到不该走的页面。计划审过了,再生成代码。 这一层解决的是“写脚本之前没有中间产物可审”的问题。
第三步:把自愈限定在定位器层。 只对Element not found这类失败启用自愈,断言失败不走自愈。自愈产生的修复以patch形式提交,人工review后合入。这一层解决的是“改版导致的维护成本”,同时不碰断言的语义边界。
第四步:把稳定下来的路径沉淀成确定性脚本。 智能体探索和修复过的流程,最终要回到传统的、零AI成本的Playwright脚本里跑回归。智能体负责“探索和取证”,脚本负责“高频回归” ——两条腿走路,不是谁替代谁。
六、避坑指南
坑一:把“自主探索”当成“不用给目标”。 智能体需要目标,而且目标要可验证。“测一下结账”不是目标,“用有效优惠券结账后金额抵扣正确、订单状态变为已支付”才是。目标越模糊,它越容易走偏。
坑二:只看快照,不看证据链。 智能体跑完说“通过”,你怎么知道它是真验了还是走了个过场?每一次操作的动作记录、页面快照、关键网络请求,至少要有一层可复核的证据。 没有证据链的智能体测试,和没有日志的脚本一样不可信。
坑三:让自愈碰断言。 自愈修定位器可以,修断言必须人工审批。自愈最大的风险不是修不好,是把真Bug修成绿色。
坑四:忽略上下文成本。 Playwright MCP的快照是上下文的大头,一次典型浏览器任务可能消耗数万token,多轮累积会显著增加成本。高频回归场景,把稳定路径沉淀成CLI或原生脚本,不要让智能体承担“每天跑几百遍”的活。
坑五:以为升级是“换掉Playwright”。 恰恰相反。升级是在Playwright之上,加一层“感知、规划、自愈”的智能体循环。 你原有的Page Object、断言库、CI集成都还在,智能体是在这些之上帮你找路和修路,不是推倒重来。
最后
传统E2E脚本回答的是:“我按这条路径走,每一步对不对?”
自主探索智能体回答的是:“我要达到这个目标,当前页面允许我怎么走,我走完之后拿到的证据够不够证明目标达成了?”
升级的核心,不是让模型替你写更多代码,是让“找路”这件事从“人提前写死”变成“机器在边界内自己试” 。Planner负责探索和规划,Generator负责边验证边生成,Healer负责在定位器层自愈,而你负责审计划、看证据、守住断言的边界。
下次你面对一个“页面动态、流程有分支、改版频繁”的E2E场景,别急着写更厚的脚本。先问一句:这个流程,能不能让智能体先走一遍、留下证据,我再决定哪些路径值得沉淀成确定性脚本?
智能体不是来替代脚本的。它是来补上脚本一直缺的那一层:自己找路,自己修路,但每一步都让你看得见。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。