资源介绍
视频数量：47个
总时长：2小时52分
课程介绍：
智能体驱动的网页自动化测试
凌晨十点，线上版本刚发布，登录页却突然多出一个必填框。自动化脚本随即报错，测试同事把日志贴给智能体，几分钟后，修改建议就回来了。可问题是，新代码真的可靠吗？失败的究竟是测试脚本，还是产品功能？面对一屏难以理解的浏览器操作记录，你又该如何验收？
这门课程以Playwright为基础，逐步加入Claude Code、Playwright MCP与测试智能体，把编写脚本、调试失败、维护用例和模拟接口串成一套完整流程。课程共47个视频，总时长2小时52分。它不是教人把判断权交给工具，而是先建立扎实的自动化基础，再说明如何借助智能体提高效率，同时保留人工审核能力。适合已经做手动测试，希望转向自动化的测试人员，也适合用过Selenium、Cypress或Playwright，但想进一步接入AI工作流的开发者。
一、搭建可重复运行的测试环境
自动化项目最怕环境忽好忽坏，这部分先从Node.js、Visual Studio Code和Playwright前置条件讲起，完成浏览器引擎安装，再运行第一个测试。课程还提供一个练习应用，克隆到本地后即可跟着操作。这样安排的意义在于，每段演示都有真实项目承接，而不是停在孤立的代码片段里。环境配置成功后，团队成员也能使用相同步骤复现结果，减少“别人机器上能跑，自己电脑却报错”的困扰。
二、读懂浏览器与界面自动化
在让智能体动手之前，你需要知道它究竟观察到了什么。课程先介绍单元测试、接口测试和界面测试之间的区别，再带着学员检查页面结构、定位元素，并使用浏览器控制台查看样式与脚本。界面变化是自动化测试最常见的故障来源，理解DOM结构、CSS选择器和JavaScript执行结果，才能判断一条失败记录是脚本写错了，还是页面真的出现了问题。
三、掌握Playwright的核心用法
这一部分从JavaScript与TypeScript的区别讲起，补充箭头函数等必要语法，随后进入Playwright测试文件的组织方式，包括测试名称、测试主体、页面加载夹具和项目配置。代码生成器可以把浏览器操作转成初始脚本，但生成结果仍需整理和校验。
调试环节覆盖Visual Studio Code与终端，追踪查看器则用于回看失败时的每一步操作，包括页面快照、网络请求和执行时序。接口部分使用Playwright的请求夹具发送请求、校验响应，并通过拦截与模拟返回制造异常场景，减少对外部服务的依赖。最后通过两节最佳实践和一次完整练习，把选择器、等待策略、断言、稳定性及项目结构串起来。课程还用作业检验掌握程度，帮助学员从“会写一条测试”过渡到“能维护一套测试”。
四、让Claude Code进入开发流程
接下来介绍编码智能体是什么，以及Claude Code的安装方式，并演示它在终端和Visual Studio Code中的使用。安装只是起点，课程会说明权限配置的原因：读取项目文件、运行命令或修改代码，都可能影响工作区。理解允许与拒绝哪些操作，才能既保留智能体的效率，也守住代码库的安全边界。
五、掌握智能体式编程方法
这一章从第一条提示词开始，讲解如何表达任务、补充约束并检查输出。随后引入项目说明文件，让智能体持续了解项目结构、技术栈和编码约定。会话与上下文部分解释了长对话中信息如何被保留，以及何时应该开启新会话，避免旧任务干扰当前工作。
斜杠命令部分覆盖常用调用、自定义命令、设置与权限管理，并结合不同运行模式说明适用场景。实际效果并不是智能体每次都能一次写对，而是它能根据项目约定提出更贴近现有代码的方案。掌握这些控制方法后，学员可以明确告诉智能体该读哪些文件、应修改什么范围，以及交付前必须完成哪些检查。
六、用Playwright MCP连接浏览器
Playwright MCP让Claude Code能够直接获取浏览器上下文并执行操作。课程从登录页自动化开始，拆解智能体如何识别元素、填写表单、点击按钮和读取结果，再通过快照理解页面结构。能力介绍中还会涉及导航、表单操作、内容提取与截图等浏览器动作。
针对AI生成测试容易出现的不稳定问题，课程专门比较确定性自动化与非确定性自动化，并演示测试和断言能力。接口模拟部分则记录智能体如何建立路由、返回指定数据，再验证页面状态。这里最重要的不是惊叹智能体操作得多快，而是学会检查每一步是否有明确断言、失败原因是否可定位，以及哪些场景应该继续采用固定脚本。
七、构建专用测试智能体
最后进入多智能体协作。先认识子智能体的运行方式和独立上下文，再创建一个测试改进智能体，观察它如何检查现有用例、提出修改并输出审查结果。随后安装Playwright测试智能体中的规划、生成和修复角色：规划智能体把需求拆成测试场景，生成智能体编写Playwright代码，修复智能体分析失败、尝试修复脚本，同时区分产品缺陷与测试问题。综合项目把Claude Code、Playwright MCP和三类智能体串在一起，完成从需求分析到用例生成、失败诊断的闭环。
学完后，你不只是会安装几个AI工具，而是能判断智能体给出的代码是否合理，定位失败发生在哪一层，并决定哪些任务交给自动化、哪些必须由人判断。对于正在建设自动化测试的个人或团队，这套课程提供了清晰的落地路径：先让测试稳定，再让智能体参与提效，最终形成可审核、可维护的自动化工作流。