夜雨聆风学习资料网

ARTICLE · 1004018

36岁测试大佬搭了一个AI测试智能助手——AITS,解决了90%的测试工作(附源码和使用手册)

36岁测试大佬搭了一个AI测试智能助手——AITS,解决了90%的测试工作(附源码和使用手册)

你每天花多少时间在重复劳动上?写用例、改脚本、翻日志、拼报告……这些工作,本不该由人来做。

引子:一个测试工程师的24小时

我曾经做过一次团队时间盘点,结果让所有人都沉默了。

一个测试工程师的一天,大概是这样的:

  • • 9:00-10:30:对着需求文档手写用例,边写边猜边界值
  • • 10:30-11:30:接口文档更新了,手动对参数、补用例
  • • 13:30-15:00:UI页面改版,之前录的脚本全挂,一个个改选择器
  • • 15:00-16:30:跑回归,失败了3条,翻日志、截图、比对,找到原因
  • • 16:30-17:30:整理今天执行结果,拼Excel,发给负责人

这里面,真正需要动脑判断的部分,不到10%。

剩下90%,全是重复劳动:信息搬运、工具切换、机械操作。

我当时就想:如果有一个AI助手,能把90%的重复工作接过去,测试工程师是不是可以只做那10%真正有价值的事?

这就是AITS——一个AI测试智能助手。它不是一个“工具箱”,而是一个“帮你干活的助手”。

现在,我把它开源了。

第一部分:AITS解决了哪90%的工作?

直接上对比。下面这张表,是AITS实际落地后的效果:

测试工作
传统方式耗时
AITS耗时
节省比例
写用例
2小时/需求
10分钟
92%
接口测试编排
1小时/业务流
5分钟
92%
UI脚本编写
半天/模块
10分钟
96%
UI脚本维护
2小时/改版
改元素库1处,自动生效
95%
App多设备适配
1天/套脚本
一套脚本多端跑
80%
性能瓶颈定位
2小时/次
AI诊断5分钟输出
96%
回归失败排查
1小时/条
AI收敛方向+关联历史Bug
85%
报告汇报
20分钟/次
驾驶舱10秒
99%

整体算下来,测试工程师每天花在重复劳动上的时间,减少了90%以上。

这不是玄学,是AITS四个核心能力在起作用。

第二部分:四大测试域,每个都让AI替你干活

2.1 API测试:别再手动对文档了

以前:接口文档更新了,手动补用例;多接口业务流要一条条串。

现在:导入Swagger,AI自动解析接口定义。你只需要说“我要测下单到支付完成的完整链路”,智能场景生成器就能把涉及的接口串起来,生成可执行的场景用例。三级树结构(模块→接口→用例)清晰查找,场景用例拖拽排序。

接口测试从“手动劳动”变成“AI编排”。

2.2 Web测试:脚本不用自己写了

以前:页面一改版,脚本全挂;选择器散落在各处,维护成本高。

现在:AI脚本实验室基于Playwright智能录制与生成脚本。用例生成智能体根据页面上下文批量生成用例。元素库管理让Page Object集中维护,改一处全生效。

UI自动化从“写脚本”变成“录脚本+AI生成”。

2.3 App测试:一套脚本多端跑

以前:设备碎片化,适配成本高;页面频繁变更,脚本维护跟不上。

现在:POM智能解析自动提取移动端页面对象模型。UI智能体让AI驱动的交互与断言自适应页面变化。多设备并行执行,一套脚本多端运行。

移动端测试从“设备碎片化”变成“一套脚本全搞定”。

2.4 性能测试:AI直接告诉你瓶颈在哪

以前:压测报告一堆指标,看不懂哪个是瓶颈;问题定位靠猜。

现在:监控集成Grafana/Prometheus/SkyWalking。AI诊断记录让告警自动触发AI分析,输出瓶颈定位与排障建议。

性能测试从“压完不知道瓶颈在哪”变成“AI直接告诉你”。

第三部分:AI引擎层——助手背后的“大脑”

AITS的AI助手之所以能干活,是因为背后有一个统一的AI引擎层。

AI能力
在哪些环节发挥作用
LLM模型管理
用例生成、场景编排、脚本生成、AI诊断
RAG向量数据库
历史Bug关联、测试知识检索、用例智能推荐
MCP工具链
Playwright MCP、自定义测试Skill接入

关键设计:AI能力通过统一引擎层提供给四大测试域,不用每个域重复对接模型。

你在API测试里配好的LLM模型,Web测试、App测试、性能测试都能直接用。不用每个模块重复配置,不用维护多套API Key。

这就是“助手”和“工具”的区别:工具各自为战,助手统一大脑、统一调度。

第四部分:统一驾驶舱——测试负责人的“10秒决策”

回到开头那个“汇报噩梦”。

AITS的智能驾驶舱把测试负责人的信息收集工作直接归零:

驾驶舱能力
说明
项目切换器
快速选择当前关注的项目
核心指标卡片
今日通过率、今日执行数、AI用例占比、总用例数
自动化执行态势图
近7日通过/失败趋势与通过率走势
高频报错用例Top5
快速定位反复失败的用例
业务快捷入口
一键跳转API/Web/App/性能/AI配置
自定义布局
拖拽编辑,卡片位置持久化到本地

测试负责人10秒内确定当日质量风险,不再需要打开三个系统、复制到Excel、手动拼图表。

第五部分:公共能力层——一次配置,四域共享

环境管理、定时任务、通知接收是贯穿四大测试域的公共基础设施。

  • • 环境管理:多环境变量、基础地址与凭据配置
  • • 定时任务:Cron表达式配置、执行策略与历史记录
  • • 通知接收管理:钉钉/企微/邮件推送策略与接收人配置
  • • AI实验室配置:LLM模型管理、RAG向量数据库、MCP工具链

掌握一次,全平台通用。不用在每个测试域重复学一遍。

第六部分:怎么体验AITS

以上只是AITS功能的全景介绍。完整的AITS还包括:

  • • 按角色的操作手册(新人/TL/PM/运维各取所需)
  • • 四大测试域的深度实操教程
  • • AI引擎层配置指南(LLM/RAG/MCP)
  • • 代码包(可自行部署、二次开发)

🎁 源码和体验版获取方式

说实话,这套平台从设计到落地花了我不少心血。为了让更多测试同行能真正上手体验,而不是只看截图“望梅止渴”,我准备了两样东西:

① 完整代码——包含四大测试域、AI引擎层、公共能力层、统一驾驶舱的全部代码,可自行部署、二次开发。

② 操作手册——按角色的阅读路径,覆盖新人/TL/PM/运维各取所需,包含四大测试域深度实操教程、AI引擎层配置指南,照着做就能跑通全流程。

想要的宝子,关注本公众号,在后台留言「666」,我无偿发你代码和操作手册。

结语:测试工程师的价值,不该被重复劳动消耗

AITS的核心逻辑很简单:

四大测试域 + AI引擎层 + 公共能力层 + 统一驾驶舱 = 一个替你干90%重复工作的AI测试助手

它不是让你多学一个工具,而是让你在写用例、做接口、跑UI、压性能、写报告的时候,都有一个AI在旁边搭把手。

  • • 写用例时,AI帮你补边界值
  • • 接口变更时,AI帮你提示影响范围
  • • 脚本挂了时,AI告诉你改哪里
  • • 回归失败时,AI帮你收敛排查方向
  • • 汇报时,驾驶舱10秒给你全局视图

这就是我搭AITS的初心:把测试工程师从90%的重复劳动中解放出来,专注在那10%真正需要判断的地方。

如果觉得有收获,欢迎点赞、在看、转发三连,让更多被“重复劳动”困扰的测试人看到这条路!

👇 扫码关注,后台留言「666」,无偿获取代码+操作手册

相关学习资料