前言
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。
2026/7/20大约 5 分钟
AI 测试入门
传统测试工程师如何迈出 AI 测试第一步，核心概念、工具链与学习路线
Claude Code & Codex
使用 Claude Code + OpenAI Codex CLI 实现智能测试生成与代码审查
MCP & Skills
模型上下文协议（MCP）与自定义技能开发，打通 AI 与测试工具链
AI Testing Agent
从零构建 AI 测试智能体，自动化测试设计、执行与结果分析全流程
自动化测试
Playwright、Cypress、Selenium 等主流自动化测试框架深度实践
职业转型
测试工程师的技术成长路径、面试经验与 AI 时代的职业规划
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）
2026/7/16大约 3 分钟
前言
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。
测试行业的现状
传统测试的痛点
- 重复劳动占比高：大量的回归测试、冒烟测试仍然依赖手工执行
- 用例维护成本高：需求变更后，测试用例和自动化脚本的更新往往滞后
- 覆盖度难以保证：靠人工分析很难做到全面覆盖，边界 case 容易被遗漏
- 效率瓶颈明显：测试执行速度受限于人力和环境资源
2026/7/15大约 3 分钟
👋 你好，我是乔治
我是一名传统软件测试工程师，正在经历从手工测试到 AI 驱动测试 的职业转型。
我的故事
在软件测试领域工作多年后，我深刻感受到 AI 技术对测试行业的巨大冲击和机遇。从最初的好奇、困惑，到逐渐摸索出一套学习路径和实践方法，我决定把这些经验记录下来。
为什么要写这个博客？
- 知识沉淀：系统化地整理自己的学习和实践成果
- 帮助同行：让更多传统测试工程师少走弯路
- 社区交流：与志同道合的朋友一起探讨 AI 测试的未来
2026/7/22小于 1 分钟