以前编写 UI 自动化测试，通常需要先分析页面、寻找元素、编写定位器，再组织测试流程。
这一次，我尝试把测试任务直接交给 Claude Code，让它通过 Playwright MCP 操作真实浏览器，完成页面识别、登录和商品信息获取。
本文记录完整实践过程，包括：
前面两篇文章我们分别讨论了：
现在，是时候更进一步了——创建一个能独立完成测试任务的 AI Testing Agent。
如果你是一名传统软件测试工程师，每天的工作是写测试用例、执行回归测试、维护自动化脚本——你可能会问：AI 测试跟我有什么关系？
答案是：关系很大，而且比你想象的更紧迫。
这篇文章将从一个传统测试工程师的视角，聊聊为什么现在就应该开始学习 AI 测试。
将测试失败日志、截图和差异数据交给大模型，辅助定位失败根因并给出修复建议。
本文正在根据项目实际开发过程整理，后续持续补充。
在测试执行过程中自动采集接口响应、页面截图、日志和断言结果。
本文正在根据项目实际开发过程整理，后续持续补充。
本文正在根据项目实际开发过程整理，后续持续补充。
基于结构化测试用例，使用 AI 自动生成 Pytest 接口测试代码。
本文正在根据项目实际开发过程整理，后续持续补充。
本文正在根据项目实际开发过程整理，后续持续补充。
基于测试用例自动生成 Playwright 浏览器自动化脚本，覆盖页面操作和数据采集。
本文正在根据项目实际开发过程整理，后续持续补充。
将测试策略和需求文档转换为结构化、可执行的测试用例清单。
本文正在根据项目实际开发过程整理，后续持续补充。
本文正在根据项目实际开发过程整理，后续持续补充。
汇总测试执行结果、失败分析、差异明细，自动生成 Markdown、JSON 或 Allure 格式的测试报告。
本文正在根据项目实际开发过程整理，后续持续补充。
使用 AI 从需求文档、接口文档中自动提取测试范围、优先级和测试策略。
本文正在根据项目实际开发过程整理，后续持续补充。
本文正在根据项目实际开发过程整理，后续持续补充。
