AI主导测试元年：三阶段搭建AI测试工作台

从辅助驾驶到自动驾驶：测试行业的范式转换

据B站UP主北马老师的分享，测试行业正在经历一场类似汽车从辅助驾驶向自动驾驶演进的结构性变革。他提醒从业者警惕两个常见误区：一是在日常工作中用过AI就自认为在做AI测试；二是把所有工作全部交给AI执行。在他看来，真正的分水岭不在于"是否用了AI"，而在于AI是辅助角色还是主导角色。

他用自动驾驶做了个类比：多年前的定速巡航和车道保持只是辅助驾驶，手不能离开方向盘；而现在的无人驾驶出租车已经做到了真正的"方向盘后无人"。测试行业同理，过去人为主、AI为辅，或者人机交替协作，都不能称为AI主导测试。真正的主导演进要求AI能够独立完成整个任务流程，人类只在关键节点进行干预和决策。

AI主导测试的三个核心特征

北马老师在实际教学踩坑中发现，很多从功能测试转型的同学对"主导"的理解存在偏差。他给出了三个判断标准：第一，AI为主、人工为辅，人的角色从执行者变成评审者和决策者；第二，AI能够独立完成整个任务流程，而非在人机之间反复切换；第三，人需要具备系统统筹能力，在AI执行过程中做好过程控制和结果评审。

这三点看似简单，但落地时对工作方式的重构是深层次的。过去你可能是自己设计用例、自己执行、用AI帮忙优化；现在你要让AI从需求分析一路走到用例生成、执行、结果分析，人类退后一步做把关。这种角色切换需要新的工具支撑，也需要新的能力模型。

AI测试工作台的五层架构

光有大模型不够。北马老师指出，DeepSeek^广告也好、豆包也好，它们有"大脑"但没有"手脚"，无法直接控制浏览器或执行接口测试。因此需要搭建一个AI测试工作台，把AI的思考转化为具体动作。

这个工作台分为五个层次：

IDE层是整个工作台的窗口，所有组件集中展示。它用于展示项目结构、提供终端执行命令、对比智能体每次产出的差异。北马老师特别强调对比功能的价值——当智能体重做用例时，你能判断它是糊弄还是真正改进了。

智能体层优先推荐Claude Code客户端，但模型接入DeepSeek。据他介绍，Claude Code背后公司的提示工程、内置工具和智能体处理逻辑在全球范围内处于顶尖水平。但由于该公司明确不对中国提供服务，直接注册存在封号风险，因此方案是"用它的客户端，接国产的模型"——模型走DeepSeek，数据留在国内，规避了法律和政治风险。

配置切换工具用于解决Claude Code作为国外命令行工具配置不便的问题，把DeepSeek接入其中。

集成成果层是整个测试项目沉淀下来的资产，包括自动化代码、需求分析文档、用例执行日志和skill等。这些不需要单独创建，工作台搭好后会逐步沉淀。

模型层北马老师推荐DeepSeek最新的V4正式版，理由是效果不错、速度快、价格便宜。不过他也表示，千问、小米、MiniMax等国内较新模型都可以，没有严格限制。

为什么大模型需要"手脚"？ 大语言模型（LLM）本质上是一个文本到文本的转换器，它只能根据输入生成输出，无法直接与外部世界交互。要让AI真正执行测试任务，必须给它配备"工具调用"（Tool Use）能力——即让模型能够发出结构化指令，由外部程序代为执行浏览器操作、接口请求、文件读写等动作。这种"大脑+手脚"的架构通常被称为智能体（Agent）。智能体的核心循环是：观察当前状态、规划下一步动作、调用工具执行、获取结果反馈、继续推理。北马老师所说的"工作台"，本质就是为LLM搭建一套完整的感知-决策-执行闭环。

环境准备：三个命令和两个工具

动手之前需要确认Node.js、npm和Git已安装。北马老师提醒，很多只做功能测试的同学从未接触过版本控制和代码环境，这恰恰是课程中容易踩坑的地方。检查方法很简单：打开命令行依次执行，能显示版本号即就绪。

Node.js的版本选择是关键：必须选LTS长期支持版（如v24.19），不要选绿色的最新版，因为最新版是短期维护版本，过一段时间可能就不再支持。如果已有v24.18也没问题，它和v24.19同属LTS线，但v14这类EOL版本绝对不行。npm随Node自动安装，无需单独下载。

Git必须安装，版本不限。安装完成后有一个必不可少的步骤：配置npm国内镜像。因为npm默认部署在国外，不配镜像下载速度会非常慢，走国内CDN加速是标准操作，而且该命令可以反复执行，不会产生冲突。

随后通过npm命令安装Claude Code，安装命令同样可以反复执行，已安装的会升级到最新版本。过程中出现的warning可以忽略，只有error才需要处理。

Node.js的LTS与Current版本差异是初学者最容易踩的坑。Node.js的版本发布分为两条线：LTS（Long Term Support，长期支持版）和Current（当前版，也叫最新版）。LTS版本会获得长达30个月的安全更新和维护，适合生产环境使用；Current版本则只维护约6个月，主要用于让开发者提前体验新特性。因此，安装时务必选择官网上标注"LTS"的版本，而非首页最显眼的绿色"Current"按钮。对于测试工作台的搭建来说，稳定性远比尝鲜重要——一个不再维护的Node版本可能导致依赖包无法安装或运行时报出难以排查的错误。

工具选型的现实考量

北马老师提到，市面上还有其他智能体客户端，比如腾讯的、以及一些"agent server"类型的产品，但在他看来暂时无法超越Claude Code在生产环境中的智能体水平。如果公司强制不允许使用，可以退而求其次选择CodeX等替代方案，但"有条件就用好的"是他的建议。

这个思路其实值得借鉴：工具链的选择不必在"完全自主可控"和"用最好的"之间二选一，通过客户端与模型分离的架构，可以在保留顶尖工具能力的同时，把数据和模型控制在合规范围内。对于想要从传统自动化测试转型到AI测试方向的从业者来说，先把环境搭起来、把工作台跑通，比观望和纠结更有价值。

为什么Claude Code客户端可以把模型换成DeepSeek？ 这涉及命令行智能体工具的一个关键设计：客户端与模型之间通过标准化的API协议通信，而不是硬编码绑定。Claude Code虽然由Anthropic开发，但其底层调用的模型接口遵循通用规范，用户可以通过环境变量或配置文件将请求指向其他兼容OpenAI格式的API端点。这意味着客户端的提示工程、工具编排、上下文管理等能力可以独立于模型存在。对于国内用户来说，这种"前端用Claude Code、后端接DeepSeek"的方案，既避开了直接使用境外服务的合规与封号风险，又保留了顶尖客户端在任务规划和工具调用上的工程积累。