前言

上一篇文章我们聊了 为什么要学 AI 测试，这篇就动手实践——安装 Claude Code CLI 并配置 Playwright MCP Server。

完成本文后，你将能用自然语言驱动 Playwright 完成 Web 自动化测试。

环境准备

系统要求

• Node.js 18+ （推荐 20 LTS）
• npm 或 pnpm
• Git
• VS Code（可选，但强烈推荐用于编辑配置文件）

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。

一、为什么要做

二、最终实现效果

三、环境和技术栈

四、实现思路

五、项目目录

六、操作步骤

七、关键代码

八、测试与验证

九、遇到的问题及解决方法

十、最终总结

十一、下一阶段计划

---

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。

一、为什么要做

二、最终实现效果

三、环境和技术栈

四、实现思路

五、项目目录

六、操作步骤

七、关键代码

八、测试与验证

九、遇到的问题及解决方法

十、最终总结

十一、下一阶段计划

自动化测试技术栈中最核心的三件套，也是面试技术考察的重点。

本文正在根据真实项目经验整理，后续持续补充。

Python + Playwright + Pytest 面试题与结构化回答话术

适用岗位：UI 自动化测试、测试开发、自动化测试工程师
建议回答结构：先说结论 → 说明原理 → 介绍实际做法 → 结合项目举例 → 补充风险和边界

---

高频等级说明

星级	等级	学习要求
★★★★★	必问	必须能够熟练、结构化回答，并准备项目案例
★★★★☆	高频	需要重点掌握，能够结合实际项目回答
★★★☆☆	常见	理解原理，能够说清核心做法
★★☆☆☆	进阶	针对中高级岗位进行准备
★☆☆☆☆	扩展	了解即可，根据岗位方向选择准备