AI主导测试实战：搭建Agent测试工作台完整指南

从AI辅助到AI主导：测试行业的范式转变

软件测试正在经历一场深刻的变革。B站UP主北马老师在其软件测试进阶训练营中提出了一个核心观点：测试行业已经从「AI辅助测试」进入「AI主导测试」的时代。这一转变并非简单的术语更迭，而是工作方式的根本性重构。

这次范式转变的底层驱动力，来自2023-2025年间大语言模型能力的指数级跃升。从GPT-4到Claude 3.5再到DeepSeek^广告 V3/V4，模型不仅具备了理解复杂业务逻辑的能力，更关键的是通过Function Calling、Tool Use等机制获得了与外部系统交互的能力。这意味着AI不再只是一个「顾问」角色，而是可以真正执行操作的「执行者」。软件测试工作本质上是高度结构化、规则驱动的，恰好是AI最擅长的领域，这使得测试行业成为AI主导模式落地最快的领域之一。

为了让这个抽象概念更易理解，讲师用自动驾驶作了一个精妙的类比。在过去，我们使用的是「辅助驾驶」——方向盘自动保持、定速巡航，但双手不能离开方向盘，驾驶员仍是主体。而现在，长沙、武汉等城市已经出现了真正的无人驾驶出租车，物流领域也大量应用了无人配送小车，这就是「AI主导」的形态。

测试领域同理。过去我们用AI辅助自己完成测试工作，人是主导者；而现在的目标是让AI承担绝大部分工作，人只在关键时刻进行干预。

需要避开的两个认知误区

讲师特别强调了两个常见误区，这对于正确理解AI测试至关重要：

误区一：把「用了AI」等同于「AI测试」。 很多测试工程师认为，只要在日常工作中用到了AI，就是在做AI测试。但这只是AI辅助，人仍然是主导者，本质上属于过时的工作模式。

误区二：把所有工作全交给AI。 走向另一个极端同样有问题。如果把线上巡查、CI/CD持续集成的自动化回归等所有工作全部交给AI，会产生巨大的时间成本和Token成本。Token是大语言模型计费的基本单位，每次API调用都会消耗输入Token和输出Token。以DeepSeek V4为例，其定价约为输入1元/百万Token、输出2元/百万Token。一个完整的测试任务可能涉及数十次模型调用，包括理解需求、设计用例、编写代码、分析结果等环节，累计消耗可能达到数万甚至数十万Token。如果不加甄别地将所有工作交给AI，尤其是线上巡查这类需要持续监控的任务，Token成本会迅速累积。因此，合理的任务分配——让AI处理高价值、高复杂度的任务，而非所有任务——是成本控制的关键。

真正的AI主导测试有三个关键特征：AI为主、人工为辅；AI能够独立完成整个任务流程，完成后交给人评审决策；以及测试者需要具备系统统筹能力，在AI执行过程中做好过程控制与结果评审。

说个细节，传统自动化测试技术并未过时，但其价值定位发生了变化——主要用于将来的回归测试环节。在CI/CD（持续集成/持续部署）管道中，回归测试承担着「守门员」角色——确保新代码不会破坏已有功能。传统自动化测试框架（如Selenium、Playwright、Pytest等）在这一环节仍然是最高效的方式，因为它们执行速度快、结果确定性高、成本固定。AI主导的价值更多体现在测试设计、探索性测试、需求分析等需要创造性思维的环节。

AI测试工作台的五层架构详解

要让AI真正「动手」做测试，仅有一个聪明的大模型是不够的。DeepSeek、豆包这类模型虽然「有智慧」，但它们无法直接控制浏览器、执行接口测试。因此，讲师提出了搭建「AI测试工作台」的概念——相当于给AI的大脑装上了「手臂」，让它能够把测试思路转化为实际动作，执行用例、查看结果、进而改进测试计划。

这个工作台由五个层次构成：

第一层：IDE统一操作窗口

IDE（集成开发环境）是整个工作台的展示窗口，讲师并不限制具体使用哪款IDE。它的主要作用包括：展示项目结构、提供命令执行终端、对比智能体每次产出的差异。

这里的差异对比功能尤为实用。当你让AI重新设计一个测试用例时，如何判断它是真正重新设计了，还是把旧用例拿来敷衍你？通过IDE的对比功能（类似Git Diff的可视化展示），就能清晰看到改进的具体内容——哪些行被删除、哪些行是新增、哪些内容被修改，一目了然。此外，文件编辑、查看等功能也集成于此。

第二层：智能体客户端选择Claude Code

在智能体客户端的选择上，讲师明确推荐 Claude Code，理由是它背后的公司Anthropic是「目前全世界范围内AI技术应用最好的公司」。无论是提示工程、内置工具还是智能体处理逻辑，Claude Code都处于顶尖水平。

Claude Code是Anthropic于2025年初发布的命令行AI编程工具，采用了Agentic Coding的架构设计。不同于传统的代码补全工具（如GitHub Copilot只做被动补全），Claude Code能够自主规划任务、读写文件、执行终端命令、进行多步推理，形成完整的工作闭环。其内置的工具链包括文件读写、命令执行、搜索替换等，配合精心设计的System Prompt和思维链机制，使其在复杂编程任务中表现远超同类产品。作为客户端工具，它支持通过API Key接入不同的后端模型，这正是本方案能够将其与国产模型组合使用的技术基础。

关于Claude Code「后门」的传闻，讲师也做了澄清：所谓后门实际上是识别中国用户并封禁账号的机制，因为Anthropic不向中国提供服务。但由于我们只使用它的客户端工具，真正的模型换成国产模型，因此不存在这一风险——客户端本身是开源可审计的npm包，不涉及数据上传到Anthropic服务器。

对比其他选择：腾讯的CodeBuddy、OpenAI的Codex、以及一些Agent Server类工具（用于管理独立在线助手），讲师认为它们与Claude Code在生产环境的智能体水平上仍有差距。当然，如果公司明确禁止使用Claude Code，可以退而求其次选择Codex等替代方案。

第三层：DeepSeek大模型作为核心引擎

模型层面，讲师首选 DeepSeek V4正式版，评价其「效果不错、速度快、价格便宜」。DeepSeek V4是深度求索公司于2025年发布的最新一代大语言模型，基于MoE（Mixture of Experts，混合专家）架构。MoE架构的核心思想是将一个超大模型拆分为多个「专家」子网络，每次推理只激活其中一部分，从而在保持模型整体能力的同时大幅降低计算成本。这使得DeepSeek V4在推理速度和API定价上相比海外同级别模型具有数量级的优势。

使用国产模型的另一重要意义在于——数据只在国内流动，无政治和法律风险，也不必担心账号被封。所有API调用的数据传输遵循中国数据安全法规，不存在跨境数据流动风险，对于企业用户而言，这解决了使用海外模型时面临的合规性顾虑。

除DeepSeek外，通义千问^广告、小米、智谱、MiniMax等国产模型也均可使用，没有严格限制，只要是较新版本即可。

第四层：配置切换工具

由于Claude Code是国外的命令行工具，配置并不方便。因此需要一个专门的配置切换工具，将DeepSeek等国产模型接入Claude Code。这类工具的核心功能是修改Claude Code的API端点（Endpoint）和认证密钥（API Key），使其请求从Anthropic的服务器重定向到国产模型的API接口。由于主流大模型厂商普遍兼容OpenAI的API格式，这种切换在技术上是可行的。

第五层：项目资产沉淀层

最后一层是工作台产出的各类成果，包括自动化代码、需求分析文档、用例执行日志、产物、以及Skill等。这里的Skill是指AI智能体在项目中积累的「经验」——类似于项目级别的提示词模板或工作规范，让AI在后续任务中能够复用已有的测试策略和领域知识。这些是整个测试项目的「资产」，无需手动创建，会随着前面几层工作台的运转逐步沉淀出来。

环境搭建实战：从零开始配置

理论梳理之后，讲师进入了实际的环境搭建环节。这部分内容特别照顾了从功能测试转型、没有代码和版本控制基础的学员。

三个必装的基础工具

环境准备的核心是安装三个工具：

• Node.js（自带npm，无需单独安装）——基于Chrome V8引擎构建的JavaScript运行时环境，最初设计用于服务端开发，如今已成为前端工具链和命令行工具的标准运行平台
• npm（随Node.js一起安装）——Node.js的默认包管理器，拥有超过200万个开源包，是全球最大的软件注册表，Claude Code本身就是通过npm分发的包
• Git（必须安装，用于版本控制）——分布式版本控制系统，用于追踪文件变更历史，Claude Code在工作过程中依赖Git来管理代码差异和版本回溯

验证方式很简单，打开命令行分别执行对应命令（node -v、npm -v、git --version），若能显示版本号即表示安装成功。

Node.js版本的关键注意事项

在所有工具中，只有 Node.js对版本有明确要求，其他工具（如Git）版本不限。

讲师强调了几个下载细节：

• 前往Node.js官网下载时，务必选择LTS长期支持版（蓝色标识），而非绿色的最新版（最新版是短期维护版本，可能很快停止支持）。LTS版本会获得30个月的维护支持，包括安全补丁和关键bug修复，而Current版本仅维护8个月，因此工具链始终推荐使用LTS版本。
• 推荐版本为 v24.19，只要是v24系列即可（如v24.18也可用），但绝不能是v14这类生命周期已结束（EOL, End of Life）的老版本。Node.js采用偶数版本号作为LTS发布线，v14已于2023年停止维护，存在已知安全漏洞且不支持新的JavaScript语言特性。
• 处理器方面：Apple M系列芯片（M1/M2/M3/M4）选择arm64类型，较老的Intel机型选择x64。

对于熟悉命令行的用户，讲师也提到NVM（Node Version Manager，Node.js版本管理器）是非常好用的工具。NVM允许用户在同一台机器上安装并自由切换多个Node.js版本，这在需要同时维护不同项目时特别有用。但为了简化流程，初学者直接使用安装包即可——「下载蓝标版本，未来5到10年内都可正常使用」。

配置npm国内镜像加速

由于npm的官方注册表（registry.npmjs.org）部署在国外，直接使用会导致下载缓慢，尤其在网络状况不佳时可能出现超时。因此安装完成后必须配置国内镜像（如淘宝镜像 registry.npmmirror.com），通过国内CDN节点加速包的下载。配置命令本质上是修改npm的全局配置文件，将默认的下载源替换为国内镜像地址。这个命令可以反复执行，不会产生冲突，每次执行都是覆盖写入。

安装并验证Claude Code

完成基础环境后，通过npm命令（npm install -g @anthropic-ai/claude-code）安装Claude Code。-g参数表示全局安装，安装后可在任意目录下使用claude命令。讲师提醒，如果没有先配置镜像，从国外下载会非常慢（尤其是移动宽带）。安装命令同样可反复执行，每次执行都会更新到最新版本（如从v2.20更新到v2.27）。

安装过程中出现的Warning警告（通常是依赖版本建议或可选依赖缺失）可以无视，只有Error才是真正的问题。安装完成后需验证版本号（claude --version）以确认成功。

接入国产模型完成工作台搭建

由于Claude Code拒绝为中国用户提供服务（无法注册、登录、使用其官方Anthropic模型），安装完成后还需将国产模型接入。这一步骤通过配置环境变量或配置文件，将DeepSeek的API地址和密钥写入Claude Code中，使其所有模型调用请求都发送到DeepSeek而非Anthropic。从而绕过服务限制，同时享受顶尖客户端工具与国产模型的双重优势。

总结：AI测试工作台的价值与展望

这套「Claude Code客户端 + DeepSeek模型」的组合方案，本质上是用全世界最优秀的智能体工具驱动国产大模型，在合规、成本、效果三者之间取得了平衡。Claude Code提供了业界领先的任务规划、工具调用和多步推理能力，DeepSeek则提供了高性价比、合规安全的模型推理服务，两者的组合形成了1+1>2的效果。

对于测试从业者而言，这一变革意味着技能重心的迁移：从亲自编写测试脚本，转向统筹、控制和评审AI的测试工作。这既是挑战，也是测试工程师价值升级的机遇。测试工程师需要培养新的能力维度：精准的需求拆解能力（让AI理解任务）、有效的提示词设计能力（让AI高质量输出）、以及敏锐的结果评审能力（判断AI产出是否正确）。

随着AI主导测试逐步成熟，未来测试团队的核心竞争力将不再是执行力，而是系统化的编排与决策能力。那些能够设计高效AI工作流、制定合理的人机协作边界、并持续优化AI测试资产的工程师，将在这场变革中占据最有利的位置。