一、为什么做这个工具？

软件测试是开发流程中不可或缺的一环，但现实中它往往是最痛苦的环节：

• 手工测试：重复枯燥，依赖测试人员经验，容易遗漏边界场景
• 传统自动化（Selenium/Playwright）：需要编写大量测试脚本，页面一改脚本就废，维护成本极高
• AI 辅助测试：市面上的方案大多停留在”AI 生成测试用例文本”，仍需人工执行

有没有一种方案，能让 AI 真正动手操作浏览器，像一个资深测试工程师一样，自主探索系统、发现问题、生成用例？

为此我们尝试做了TestFlow——一款自动化功能测试工具。更重要的是，这种方法并不局限于传统的软件功能测试，还可以自然扩展到更多安全与质量场景，比如渗透测试、配置核查、安全分析等，让 AI 直接参与系统交互，从“写用例”进化为“做测试”。

二、TestFlow 是什么？

TestFlow 是一款 AI 驱动的全自动软件功能测试桌面工具。它的核心理念是：

让大模型充当测试工程师，自主完成”看页面 → 做判断 → 执行操作 → 记录结果”的完整闭环。

你只需要提供：

1. 被测系统的 URL
2. 登录账号密码（如需要）
3. 选择一个 AI 模型

点击”开始测试”，TestFlow 就会自动启动浏览器，像真人一样逐页面、逐功能地进行测试，并实时生成标准化测试用例。

核心特性一览

• 零脚本：不需要写一行测试代码
• AI 自主决策：大模型自主规划测试路径、设计测试用例
• 多模态感知：截图 + DOM 双通道理解页面
• 实时可视化：浏览器画面实时同步到界面
• 标准化输出：自动生成符合 GB/T 25000 标准的 Excel 测试报告
• 多模型支持：OpenAI、Claude、DeepSeek、豆包、Ollama、vLLM 等 提供商
• 单文件部署：编译为单个 EXE，开箱即用

三、系统架构

TestFlow 采用 Go + Wails v2 + Vue 3 的三层架构

3.1 为什么选择这套技术栈？

3.2 前后端通信机制

Wails 的独特之处在于它不走 HTTP，而是通过 Go 方法绑定 直接暴露后端函数给前端 JavaScript 调用： 前端直接调用，就像调本地函数一样： 实时数据（截图、用例、AI 流式输出）则通过 Wails EventsEmit 从 Go 端推送到前端：

四、AI 自主测试循环引擎

TestFlow 最核心的创新点 —— Autonomous Test Loop。

4.1 循环流程

整个测试过程是一个不断循环的闭环：

第一步：页面感知 — 通过 go-rod 截取浏览器截图，同时提取页面所有可交互元素（按钮、输入框、链接等）的结构化 DOM 信息。

第二步：AI 分析 — 将截图和 DOM 数据连同历史上下文一起发送给多模态大模型。AI 会分析当前页面状态，决定下一步操作。

第三步：JSON 解析 — AI 返回严格的 JSON 格式响应，包含要执行的操作、生成的测试用例、当前观察和下一步计划。

第四步：执行操作 — 在浏览器中执行 AI 指令的操作：点击按钮、填写表单、选择下拉框、页面滚动等。

第五步：用例生成 — 如果 AI 判断当前操作构成一个完整的测试场景，自动生成标准化测试用例。

第六步：循环判断 — 检查是否满足终止条件（AI 声明完成 / 达到用例上限 / 用户手动停止），否则回到第一步继续。

4.2 AI 响应的结构化协议

TestFlow 设计了一套精确的 JSON 协议来约束 AI 的输出：

这套协议的巧妙之处在于：

• 操作与用例解耦：不是每次操作都生成用例，导航等操作设置 generate: false
• 批量操作支持：通过 actions 数组支持表单填写等多步连续操作，减少 AI 交互轮次
• 自终止机制：AI 通过 is_finished: true 自主声明测试完成

4.3 智能对话历史管理

在长时间测试中，对话历史会不断增长，可能超出模型的上下文窗口。TestFlow 实现了两个关键优化：

上下文裁剪：当消息历史超过 42 条时，自动保留最近 40 条，确保不超出 Token 限制：

已测功能摘要注入：每轮交互会将已测过的模块和用例名称注入到提示中，告诉 AI “这些已经测过了，不要重复”：

【已测试功能摘要（勿重复）】- 登录认证: 空用户名空密码, 错误密码, SQL注入, 正确登录- 用户管理: 新增用户, 编辑用户, 删除用户

再配合内存中的 testedKeys 去重 Map，实现双重防重复机制。

五、多模态页面感知系统

TestFlow 如何”看懂”一个网页？这是另一个核心技术点。

5.1 DOM 结构化提取

TestFlow 通过注入 JavaScript 代码，提取页面所有可交互元素的关键属性：

每个元素提取 tag、id、class、text、type、placeholder 等属性，最终组成一个结构化 JSON 数组，让 AI 精确知道页面上有哪些可操作的元素。

5.2 智能模式（Smart Mode）

默认推荐的智能模式会根据页面复杂度自动切换：

• DOM 可交互元素 ≥ 10 个：仅用 DOM 数据，速度快、省 Token
• DOM 元素稀少（**< 10 个**）或 连续 DOM 模式已达 5 轮：自动加入截图，借助视觉能力补充理解

这在实际使用中非常实用：管理后台的表单页面元素密集，DOM 模式完全够用；而某些可视化大屏、图表页面需要截图才能理解。

5.3 视觉能力自动降级

不是所有模型都支持图片输入。TestFlow 内置了视觉能力检测：

当检测到模型不支持视觉时，自动剥离消息中的图片内容，降级为纯文本 DOM 模式。这使得纯文本模型（如 DeepSeek-Chat）也能正常使用。

六、AI 提供商覆盖

TestFlow 采用 OpenAI Chat Completions 协议 作为统一通信标准。由于主流 AI 提供商（包括国产的 DeepSeek、豆包）都兼容这套协议，一个 HTTP 客户端即可适配所有提供商。

关键的差异化处理包括：

认证头自动适配：

消息格式智能序列化：当消息只包含文本时，content 字段序列化为字符串（兼容性最广）；包含图片时，自动切换为数组格式：

支持 本地私有化部署（Ollama、vLLM）也是一个重要考量 —— 在数据安全敏感的场景下，所有数据都可以在内网流转，不出企业边界。

七、提示词工程：AI 测试的”灵魂”

提示词是控制 AI 测试行为的核心。TestFlow 内置了一套精心设计的系统提示词，赋予 AI “资深测试工程师”的角色。

7.1 五大测试方法自动应用

提示词中内嵌了标准软件测试方法论，AI 会自动运用：

1. 等价类划分 — 有效/无效输入分类测试
2. 边界值分析 — 最小值、最大值、超长输入
3. 场景法 — 完整业务流程走通
4. 错误推测法 — SQL 注入、特殊字符
5. 判定表 — 多条件组合

7.2 “先异常后正常”的铁律

这是提示词设计中的一个关键策略：

任何含表单的页面，必须先穷举异常场景，最后才执行正向流程。

为什么？因为一旦正向操作成功（比如登录成功跳转），当前页面的异常测试机会就永久丢失了。以登录页面为例，AI 会严格按这个顺序执行：

7.3 AI 智能生成定制化提示词

除了内置默认提示词，TestFlow 还支持 用 AI 生成针对特定系统的定制提示词：

输入系统名称和 URL，AI 会推测系统类型（电商？OA？CMS？），自动调整测试策略和功能模块描述。

八、浏览器操作引擎

TestFlow 支持 7 种浏览器操作类型：

8.1 智能元素定位

一个有趣的技术细节：AI 有时会生成 jQuery 风格的 :contains('文字') 选择器，但原生 querySelector 不支持。TestFlow 实现了透明兼容：

当检测到 :contains 时，自动转换为 JavaScript 查询，遍历候选元素找到包含指定文字的那个。

8.2 高速表单输入

传统的浏览器自动化通常逐字模拟键盘输入，速度很慢。TestFlow 使用 JavaScript 直接设置 value，再触发框架事件：

这确保了 React、Vue 等框架都能正确响应值变化，同时速度提升数十倍。

九、测试用例自动生成

测试完成后，一键导出专业的 Excel 测试报告：

• 测试汇总页：总用例数、通过/失败/阻塞统计、各模块汇总表
• 按模块分Sheet：每个功能模块独立一个工作表
• 完整字段：编号、模块、名称、前置条件、步骤、预期/实际结果、状态、优先级、测试方法
• 状态着色：通过为绿色、失败为红色，一目了然：

最终测试用例示例

十、使用指南

10.1 快速开始

1. 下载：获取 TestFlow.exe（单文件，无需安装）
2. 启动：双击运行，主界面自动打开
3. 配置 AI：在设置页选择 AI 提供商，填入 API Key（使用 Ollama 本地部署则无需 API Key）
4. 填写信息：在主界面左侧填入被测系统的 URL、用户名、密码
5. 开始测试：点击”开始测试”，坐等结果

10.2 界面布局说明

主界面采用三栏布局，可拖拽调整宽度：

10.3 提示词定制

在提示词管理页面，你可以：

• 查看和编辑默认提示词
• 创建针对特定系统的自定义提示词
• 使用”AI 生成”功能，让 AI 根据系统信息自动生成定制提示词

写在最后

在软件工程的历史中，每一次生产力的跃迁，都会重新定义“人”的角色。从手工编码到自动化框架，从脚本驱动到模型驱动，我们正在经历又一次范式转变。

AI 不再只是辅助工具，它正在逐步成为真正的“执行者”。像 TestFlow 或者我们之前的 【自动化渗透测试工具】 这样的探索，本质上是在回答一个问题：当机器可以理解界面、做出判断并完成操作时，人还应该做什么？

答案或许已经逐渐清晰—— 未来，重复性的执行工作会越来越多地交给 AI，而人的核心价值，将从“亲自做事”转变为“设计规则、驾驭工具、放大效率”。

工程师不会消失，只是不再需要重复的去写测试用例、逐项测试、逐项配置核查、逐个测试结果分析，但会进化为测试策略的设计者、AI 行为的引导者、质量体系的守护者。

AI 时代已经到来，它不会取代所有人，但一定会取代那些只停留在重复劳动中的工作方式。 真正重要的，不是与 AI 竞争，而是学会如何利用 AI，让自己站在更高的效率杠杆之上。