资源介绍
视频数量：8个
总时长：50分
课程介绍：
AI浏览器自动化：真正好用的玩法
想象这样一个场景：你每天在浏览器里花大量时间重复点击、填写表单、验证页面是否正常显示。这些机械性操作占用了你本该用来思考测试策略、设计用例的宝贵时间。有没有办法让AI帮你分担这些活儿，而你只负责动脑和决策？
这门课讲的就是这件事：Playwright CLI，一款专门为AI编码智能体（比如Claude Code、Codex）打造的浏览器驱动工具。它和传统自动化测试工具有本质区别——不是让你手动敲命令去运行测试脚本，而是让你指挥的AI智能体去操控一个真实的、受控的实时浏览器。你告诉它要测什么、为什么测，至于怎么点、怎么填、怎么滚动这些机械环节，它来搞定。
老师在课程一开始就讲得很清楚：这门课不是关于用AI取代测试人员。短期内这种事情不会发生，也不应该发生。测试判断力——知道哪些场景值得测、边界条件在哪、异常情况如何处理——这些始终是人的事。AI改变的只是执行环节的速度和方式。
一、基础与心智模型
这是整个课程的根基。老师会带你认识Playwright CLI究竟是什么，它和你可能听说过的其他工具有什么不同。很多人容易把它和经典的Playwright测试运行器混淆，但两者定位完全不同：测试运行器是你手动敲命令去跑测试，而Playwright CLI是为AI智能体量身定制的接口，你通过自然语言指挥智能体，智能体再通过CLI操控浏览器。
课程会手把手带你完成安装配置：装好Node和NPM环境，装好Claude Code或Codex（或者其他编码智能体），把Playwright CLI接入智能体的工作环境。整个过程不需要你有任何自动化工具或AI智能体的使用经验，只要你有手动测试或探索性测试中积累的判断力就够了。
二、完整交互工具箱
工具装好了，接下来得知道怎么用。这部分会教你掌握所有需要的人机交互操作：点击元素、输入文本、滚动页面、选择下拉框、处理弹窗对话框、等待异步元素加载、处理iframe嵌套结构等等。老师用一个自己开发的QA面试准备网站作为示例，从头到尾走一遍完整的交互流程。
这里有个特别贴心的设计：你不需要在示例网站上注册账号。更重要的是，你可以把学到的方法直接用在你实际工作中正在测试的真实网站上。课程的目的不是让你完成一个课后作业，而是让你掌握一种能立即迁移到工作场景中的操作方式。
三、存储与认证工作流
很多网站的自动化测试都会卡在登录环节。验证码、多因素认证、OAuth授权流程——这些复杂的认证场景往往是自动化最啃不动的骨头。这部分专门解决这类难题，教你如何让AI智能体处理带认证的页面操作，包括Cookie的保存与管理、Token的存储与刷新、登录态的维持与切换。
老师还会讲解测试过程中的数据持久化策略——自动化运行时产生的测试数据怎么存、怎么读、怎么清理，避免下次运行测试时因为数据状态残留而出现误判。
四、录制与报告
自动化跑完了，结果怎么样？这部分教你配置录制功能，让AI智能体在操作浏览器的过程中同步记录完整的执行轨迹。出了问题能快速回溯到具体哪一步卡住了、当时页面是什么状态。同时还会讲解如何生成清晰直观的测试报告，让团队成员一眼看出本次测试覆盖了哪些场景、哪些用例失败了、失败原因是什么。
五、智能体技能与自动化流水线
当你掌握了单个交互操作之后，下一步就是把它们组合成完整的自动化流水线。这部分会教你如何设计"智能体技能"——也就是可复用的操作模块，让AI智能体能够执行更复杂的任务链。比如：先完成登录认证、然后导航到指定页面、再填写表单内容、最后截图保存结果，整个流程一气呵成，无需人工干预。
六、实战项目
学到这里，是时候来一次完整的实战演练了。课程最后的Capstone项目会把前面所有章节的内容串联起来：你需要指挥AI智能体对一个真实网站完成一次端到端的自动化测试，包括认证登录、功能验证、数据校验、报告生成等完整环节。这个项目做下来，你就拥有了一套可以直接复用到实际工作场景中的自动化测试方案。
最后还有一节附加课，老师分享了一些额外的资源链接和工具推荐，作为正课内容的补充和延伸。
整门课一共8个视频，总时长大约50分钟，短小精悍。它不打算把你培养成自动化框架的开发专家，而是给你一个趁手的工具，让你把更多时间花在真正需要人类判断力的地方——设计出更好的测试场景、思考更全面的边界条件、关注真实的用户体验。技术执行的细节AI能搞定，测试的灵魂还是得靠你自己来把控。