# 写码的卷完了：AI测码新货没人写 **导语**：2026年国内圈子的注意力全砸在写代码的 Agent 上——Cursor、Claude Code、Copilot 的技巧文已经刷烂了。但海外悄悄起来的是另一条赛道：**AI 自动化测试（QA）**。写代码的环节卷完之后，「谁来验证代码是对的」成了下一个被 AI 吃掉的环节。这篇文章给你三个海外正在起飞的 AI 测试工装：一个微软官方免费开源、一个用嘴就能写回归用例、一个直接从线上流量里「长」出测试集。看完你至少能把第一个白嫖进自己的 CI 流水线，当天生效。 --- ## 一、为什么是现在？测试环节的 AI 缺位 先说一个反直觉的事实：AI 写代码的渗透速度，远快于 AI 测代码。 原因很简单——写代码的产出是「新增」，测代码的产出是「证明没坏」。证明没坏这件事，过去 15 年都靠 QA 工程师手写 Selenium/Playwright 脚本，写完代码一改、选择器一变，脚本全崩，维护成本比写还高。这是整个软件行业公认的烂泥潭。 LLM 恰好最擅长两件事：**理解自然语言意图**和**忍受重复劳动**。把它放进测试环节，等于让一个不要工资的 QA 7×24 小时盯着你的站点点按钮。海外创业公司从 2025 年底开始密集押注这条赛道，到今年（2026 年）产品已经成熟到可用，但中文圈几乎没人系统写过——这就是本文要填的信息差。 --- ## 二、工具一：Playwright MCP —— 把浏览器钥匙交给 AI - **官网/仓库**：https://github.com/microsoft/playwright-mcp - **价格**：完全免费，MIT 开源 - **出品方**：微软官方（Playwright 团队亲自下场） 这是本轮最值得白嫖的一个。它的逻辑是：把 Playwright 浏览器包装成一个 **MCP（Model Context Protocol）服务器**，任何支持 MCP 的 AI 客户端——Claude Code、Cursor、Copilot 系——都能直接获得「开浏览器、点按钮、填表单、读页面、看网络请求」的能力。 关键技术细节很多人没讲透：它**默认不靠截图+坐标点击**，而是把页面转成**可访问性树（accessibility snapshot）**喂给模型。这意味着： 1. 不用配视觉模型，纯文本 token，又便宜又稳； 2. 定位元素靠语义而非像素，页面轻微改版不会崩； 3. AI 点了什么、看到了什么，全部结构化可审计。 **接入只要一行命令**（以 Claude Code 为例）： ```bash claude mcp add playwright -- npx @playwright/mcp@latest ``` 接完之后你就可以直接对 AI 说：「打开 https://xxx.com/login，用测试账号走一遍登录，然后截图告诉我购物车按钮在第几屏」——它真的会开一个浏览器去点。做冒烟测试、复现 bug、给新功能写 E2E 前先人工过一遍流程，都是顺手的事。 **与国内对比**：国内常见的「AI 操作网页」方案大多走截图+视觉模型+坐标点击的路线，成本高且脆弱。结构化快照这条路线上，字节开源的方案（见第六节彩蛋）是对标者，但能直接插进 Claude Code/Cursor 工作流的 MCP 生态位，Playwright MCP 目前是最省事的。 **适用人群**：所有已经用上 AI 编码工具的开发者；没有专职 QA 的中小团队；想给老项目补冒烟测试的后端工程师。 --- ## 三、工具二：Momentic —— 用嘴写回归用例 - **官网**：https://momentic.ai - **价格**：官网提供免费试用档，正式版按用例规模与运行量订阅（具体数字以官网定价页为准，此处不给出未经核实的报价） - **定位**：SaaS 化的 AI 端到端（E2E）测试平台 Momentic 的核心卖点一句话：**测试用例的自愈能力（self-healing）**。传统自动化测试最大的死穴是「页面一改、脚本全崩」，Momentic 用 AI 理解页面的语义结构，元素挪了位置、改了 id，用例照样能跑通。你描述意图，它负责找到元素。 典型用法： 1. 装浏览器扩展，像录屏一样走一遍业务流程； 2. 用自然语言补充断言：「下单后应该出现订单号，且金额等于购物车合计」； 3. 用例存云端，它的 runner 可以接进 GitHub Actions/GitLab CI，每次提 PR 自动全量回归。 **为什么值得关注**：它把「维护测试脚本」这个岗位的核心工作量干掉了。据官方材料，定位失败时的 AI 自愈是其主打能力（该效果各家宣称成分较大，建议拿自己的项目实测再付费）。 **与国内对比**：国内测开圈主流仍是「Pytest/Selenium + 自建 Jenkins」或 MeterSphere 这类测试管理平台，AI 自愈式 E2E SaaS 基本空白。类似能力要么大厂自研不外售，要么没有产品化。 **适用人群**：有稳定迭代节奏的 Web 产品团队；被回归测试维护成本拖垮的测试工程师；接外包项目需要交付质量证明的独立开发者。 --- ## 四、工具三：Checksum —— 从线上流量里「长」出测试集 - **官网**：https://checksum.ai - **价格**：面向团队销售，需官网预约 demo（无公开标价） - **定位**：AI 从真实用户行为中自动生成并维护 E2E 测试 如果说 Momentic 是「你描述、它执行」，Checksum 的思路更激进：**你的用户已经替你把测试用例跑过一遍了**。它分析线上真实用户会话流量，让 AI 从中识别关键路径（注册→下单→支付），自动生成对应的 Playwright/Cypress 用例，并持续自愈维护。 这件事的妙处在于覆盖面：手写用例永远只覆盖工程师想象得到的路径，而线上流量天然包含长尾场景——那些只有 1% 用户会走的诡异分支，恰恰是线上事故的高发区。 **为什么值得关注**：它瞄准的是「测试用例覆盖率」这个老大难。传统做法靠 QA 拍脑袋 + 覆盖率工具事后统计，Checksum 直接从数据源头反向生成。 **与国内对比**：国内大厂普遍有「流量录制回放」平台（copy 流量打回归），但「流量自动翻译成可维护的 E2E 代码」这一步产品化对外销售的极少。中小企业想抄这条路，Checksum 是目前最直接的参照物。 **适用人群**：日活有一定规模、线上流量数据完整的 SaaS 团队；正在建设质量平台的基础架构团队（可研究其思路自研）。 --- ## 五、加餐：Sentry Seer —— 失败之后的最后一公里 - **官网**：https://sentry.io - **定位**：老牌错误监控平台 Sentry 的 AI 调试 Agent「Seer」 前面三个工具解决「怎么发现挂了」，Seer 解决「挂了之后为什么」。它直接消费 Sentry 收集的错误堆栈、关联 trace 和代码上下文，给出根因分析和修复建议。测试和监控本来就是一条链路的两端，2026 年的趋势是两边同时被 AI 接管。Seer 处于逐步开放阶段，定价挂在 Sentry 平台套餐体系上，以官网为准。 --- ## 六、彩蛋：Midscene.js —— 一个反向信息差 - **官网**：https://midscenejs.com - **价格**：开源免费 - **出品方**：字节跳动 web-infra 团队开源 最有意思的一个「反向信息差」：这是国内团队的出海开源项目，但据社区反馈，国内知道它的开发者反而不如海外多。它提供 JavaScript SDK，把 GPT-4o、Qwen-VL、UI-TARS 等多模态模型接进 Playwright/Puppeteer，用自然语言驱动 UI 自动化，还带 Chrome 插件形态。如果你不想把测试数据交给海外 SaaS，Midscene 是可以私有化部署的替代路线——模型都走你自己的 key。 --- ## 七、串起来：一条 AI 测试流水线 把这四个工具放进真实开发循环，是这样的： ```mermaid flowchart LR A["开发者提交 PR"] --> B["CI 触发"] B --> C{"按场景选工具"} C -->|冒烟与复现| D["Playwright MCP 手动过流程"] C -->|全量回归| E["Momentic 云端跑用例"] C -->|补长尾用例| F["Checksum 从流量生成"] D --> G["测试失败堆栈"] E --> G F --> G G --> H["Sentry Seer 分析根因"] H --> I["修复后重跑"] I --> A ``` 注意这条流水线的本质：**QA 工程师从「写脚本的人」变成了「审核 AI 产出的人」**。岗位不会消失，但工作内容整体上移了一层。 --- ## 八、信息差总结 | 你以为的 | 实际情况 | 你能白捡什么 | |---|---|---| | AI 编码工具 = AI 开发的全部 | 验证环节正在被第二批工具接管 | 提前半年布局 QA 自动化经验 | | 自动化测试必须手写脚本 | 自然语言建用例+自愈维护已商用 | Playwright MCP 当天免费接入 | | 测试用例靠人想 | 线上流量可反向生成用例 | 覆盖率思路可直接抄进自研 | | 国内没有对标物 | Midscene 就是国内团队出海货 | 可私有化部署，数据不出境 | --- ## 九、行动指南 1. **今天**：跑 `claude mcp add playwright -- npx @playwright/mcp@latest`，让自己的 AI 助手长出手和眼，用它复现一个你手头的历史 bug； 2. **本周**：拿公司一个非核心页面注册 Momentic 试用档，录 3 条自然语言用例接进 CI，观察自愈效果是否属实； 3. **本月**：读一遍 checksum.ai 的产品文档（不付费也能学到「流量转用例」的方法论），评估自研可行性；同时给团队装 Midscene.js 做私有化备胎。 --- ## 十、参考来源 1. Playwright MCP 官方仓库：https://github.com/microsoft/playwright-mcp 2. Momentic 官网与产品文档：https://momentic.ai 3. Checksum 官网：https://checksum.ai 4. Midscene.js 官方文档：https://midscenejs.com 5. Sentry 官网（Seer 产品信息）：https://sentry.io > 说明：本文各工具价格与融资信息均以官网最新披露为准，未给出未经核实的具体数字；文中接入命令与开源仓库信息可自行验证。 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。