2026/7/27大约 2 分钟
AI 工作流
AI 工作流栏目负责介绍实现 AI 工作流需要掌握的通用知识——从理解什么是 AI 工作流，到掌握 Agent、MCP、Skills 和提示词工程。
AI 工作流不是单次对话，也不是只生成一段代码，而是能够被重复执行、验证结果并保留记录的完整流程。
AI 工作流入门
推荐文章
理解 AI 测试的核心概念、工具生态与学习路线，迈出从传统测试到 AI 测试转型的第一步。
Agent 基础
📋 计划更新
Agent 是 AI 工作流的核心调度者。本章将介绍 Agent 的基本原理、架构模式和与 MCP 工具的协作方式。
计划覆盖：
- 什么是 AI Agent
- Agent 的核心组件（编排器、计划器、执行器、分析器）
- Agent 与 MCP 的关系
- 单 Agent vs 多 Agent 协作
Claude Code 与 Codex
推荐文章
手把手完成 Claude Code CLI 安装和 Playwright MCP 配置，用自然语言驱动浏览器完成 Web 自动化测试。
MCP
📋 计划更新
MCP（Model Context Protocol）是连接 AI 模型与外部工具的标准化协议。
计划覆盖：
- MCP 协议原理
- 常用 MCP Server（Playwright、Filesystem、Database）
- 自定义 MCP Server 开发
- MCP 在企业工作流中的角色
Skills
📋 计划更新
Skills 是可复用的 AI 能力模块，封装了特定领域的知识、工具调用和输出格式。
计划覆盖：
- Skills 的概念与设计原则
- 创建自定义 Skill
- Skill 组合与复用
- 测试场景中的 Skills 实践
提示词与上下文工程
📋 计划更新
提示词和上下文设计决定了 AI 工作流的质量和可靠性。
计划覆盖：
- 测试场景中的提示词设计
- 上下文窗口管理
- 结构化输出
- 提示词模板与复用
AI 工作流学习路线
📋 计划更新
| 阶段 | 内容 | 状态 |
|---|---|---|
| 第一阶段 | 理解 AI、Agent 和 AI 工作流 | ✅ 已有内容 |
| 第二阶段 | 掌握 Python 和自动化测试基础 | 📋 计划更新 |
| 第三阶段 | 学习 Claude Code、Codex、MCP 和 Skills | ✅ 已有内容 |
| 第四阶段 | 完成 UI、接口和数据校验案例 | ✅ 已有案例 |
| 第五阶段 | 开发 AI Testing Agent | 🚧 进行中 |
| 第六阶段 | 研究企业测试工作流落地 | 📋 计划更新 |