AI 协作真正缺少的，往往不是更强的模型，而是一份不会随着聊天结束而消失、能被人和不同 AI 持续维护的当前工作状态。
13 年 测试与质量工程经验
100+ UI 自动化用例
90%+ 核心业务自动化覆盖率
代表案例
问题、决策与验证证据
精选文章
从真实问题提炼可复用方法
AI 产品团队做测试左移，重点是从需求阶段定义质量标准，并提前确认 prompt、数据、模型输出、风控规则和回归方式。
LLM 输出天然存在非确定性，测试不能只依赖全文匹配。更可靠的策略是组合结构化断言、关键事实校验、禁止项和语义相似度。
支撑项目
可运行的工程资产
YAML 驱动的 Playwright/pytest UI 自动化框架，把可审查测试资产、智能 selector 恢复、AI 用例生成和 agent 运行统一到同一执行链路。
本地/LAN UI/API 探活控制台，以主控单实例管理任务、历史、告警和指标，并通过本机与子执行节点并行/轮询执行检查、回传证据和聚合健康状态。
当前关注
正在持续验证的四个问题
- 人工智能产品的评测、回归与线上质量
- 编码智能体的仓库可读性、权限与验证门禁
- Playwright / pytest 自动化与执行证据
- 质量平台如何支撑完整交付链