1. 项目概述当AI遇上自动化测试最近在团队里搞自动化测试发现一个挺普遍的问题写Selenium脚本尤其是那些复杂的业务流和元素定位对很多刚入门的测试同学或者开发同学来说门槛不低。你得懂点Python熟悉HTML结构还得会处理各种等待、弹窗和动态加载。往往一个简单的登录测试从环境搭建到脚本稳定运行半天就过去了。就在琢磨怎么把这件事变得更“傻瓜式”一点的时候我注意到了快马AI。这玩意儿本质上是一个AI代码生成工具你可以用自然语言描述你的需求它就能给你生成可运行的代码片段。我当时就想能不能把它和Selenium这个老牌自动化框架结合起来让AI来帮我们写那些繁琐的定位和操作代码而我们只需要关注测试逻辑本身这个想法一冒出来我就动手试了试结果还真让我在5分钟内拼出了一个能跑起来的、具备基础智能的Web自动化测试工具原型。它不只是一个脚本生成器更是一个“需求翻译器”——你把想测的网页操作用大白话说出来它负责转化成可执行的Selenium代码。这个工具特别适合几类人一是测试新手想快速上手自动化又怕写代码二是业务测试人员需要快速为频繁变动的页面生成测试用例三是开发同学想在自测环节快速验证前端页面的关键流程。它的核心价值在于大幅降低自动化测试的初始编写成本让你能把精力集中在测试用例设计和业务验证上而不是和XPath、CSS Selector较劲。2. 核心思路让AI成为你的“脚本助理”这个项目的核心思路非常直接人机协同分工明确。我们不再需要从头到尾手动编写每一行Selenium代码而是构建一个工作流让AI承担代码生成的重任我们则负责提供指令、组装和运行。2.1 架构设计三层协作模型我设计的这个智能工具可以看作一个三层结构指令层用户输入这是最上层也是我们交互的地方。你只需要用自然语言描述测试步骤。比如“打开百度首页在搜索框输入‘快马AI’点击搜索按钮然后检查结果页面是否包含‘快马’这个词。” 越具体、越清晰越好。翻译层快马AI这是核心的智能中间件。它的任务是将你的自然语言指令解析并翻译成标准的Selenium Python代码。这个过程包括意图识别理解“打开”、“输入”、“点击”、“检查”这些动作。元素定位推断根据“搜索框”、“搜索按钮”等描述结合对常见网页结构的理解生成最有可能的元素定位策略如通过name‘wd’定位百度搜索框。代码结构化生成包含必要的导入语句from selenium import webdriver、WebDriver初始化、操作步骤和断言逻辑的完整代码块。执行层Selenium这是底层执行引擎。它接收由快马AI生成的、格式规范的Python代码调用本地或远程的浏览器驱动如ChromeDriver忠实地执行每一个操作命令并返回实际结果。这个架构的优势在于解耦。快马AI的模型能力升级了我们的工具就能生成更精准、更健壮的代码而底层的Selenium执行引擎保持稳定。我们作为使用者始终面对的是最友好的人类语言。2.2 为什么是快马AI Selenium市面上AI代码助手不少为什么选快马AI而Web自动化框架也有Playwright、Cypress等后起之秀为什么还是Selenium选择快马AI的考量经过对比测试我发现快马AI在生成Python脚本特别是基于流行库如Selenium、Requests的脚本方面准确率和上下文理解能力相当不错。它能较好地理解“等待元素出现”、“切换到新窗口”、“处理下拉列表”这类测试场景中的常见指令。更重要的是它的输出通常是即用型代码片段而非长篇大论的解释这正好符合我们“快速生成”的需求。当然你也可以用其他优秀的AI助手核心思路是相通的。坚持Selenium的原因Selenium虽然是“老将”但它的生态极其成熟、稳定社区支持强大几乎支持所有主流浏览器和编程语言。这意味着AI生成的代码有最广泛的应用基础。Playwright虽然更现代在某些方面如自动等待有优势但其API和生态相对较新AI模型对它的“熟悉程度”可能不如对Selenium那么高生成代码的准确率可能存在波动。对于追求稳定和普适性的快速工具原型Selenium目前仍是更稳妥的基石。注意AI生成的代码并非百分百完美。它可能选择不够优化的定位方式或者遗漏一些必要的异常处理如元素未找到、超时。因此我们的角色从“编码者”变成了“代码审查者和组装者”。生成后我们仍需快速浏览并微调代码这是保证脚本健壮性的关键一步。3. 五分钟快速搭建实战理论说再多不如动手做一遍。下面我就带你一步步在五分钟内把这个工具搭起来。前提是你已经有一个可用的Python环境3.6以上和pip。3.1 环境准备与依赖安装首先我们得把“原材料”备齐。打开你的终端或命令行。安装Selenium库这是我们的执行引擎。pip install selenium下载浏览器驱动Selenium需要通过驱动来控制浏览器。以最常用的Chrome为例查看你电脑上Chrome浏览器的版本在浏览器地址栏输入chrome://settings/help。访问 ChromeDriver 的官方镜像站如 https://chromedriver.chromium.org/ 或国内的淘宝镜像下载与你的Chrome版本号完全一致的驱动。将下载的chromedriverWindows是.exe文件放在一个你知道的目录例如C:\WebDriver\或/usr/local/bin/。关键一步要将这个目录添加到系统的环境变量PATH中这样Python才能找到它。或者你也可以在代码中指定驱动的绝对路径。准备快马AI的访问方式你需要有一个快马AI的账户并获取其API密钥。通常在其官网的用户设置或开发者页面可以找到。我们将用这个API密钥来与快马AI的服务进行通信。3.2 构建核心AI指令翻译模块环境好了我们来写这个工具最核心的部分——一个能与快马AI对话并获取代码的函数。我们将使用requests库来调用其API。import requests import json def generate_selenium_code_with_kaimaai(instruction, api_key): 使用快马AI API根据自然语言指令生成Selenium代码。 参数: instruction (str): 自然语言描述的测试步骤。 api_key (str): 你的快马AI API密钥。 返回: str: 生成的Python代码字符串如果失败则返回None。 # 快马AI的API端点示例请以官方最新文档为准 url https://api.kaimaai.com/v1/completions # 构建请求头包含认证信息 headers { Content-Type: application/json, Authorization: fBearer {api_key} } # 精心设计的提示词Prompt这是决定生成质量的关键 prompt f 你是一个资深的Python自动化测试工程师。请将以下测试需求转化为可直接运行的Python Selenium代码。 要求 1. 使用 selenium.webdriver 库。 2. 代码结构清晰包含必要的导入和WebDriver初始化假设使用Chrome。 3. 为每个操作步骤添加简要的注释。 4. 对于查找元素优先使用稳定可靠的定位方式如ID、name其次是CSS Selector。 5. 包含必要的等待推荐使用WebDriverWait和expected_conditions。 6. 最后使用assert语句进行结果验证。 测试需求{instruction} 请只输出代码不要有任何额外的解释。 # 构建请求数据体 data { model: kaima-code-002, # 假设的代码生成模型请根据实际情况调整 prompt: prompt, max_tokens: 1500, # 生成代码的最大长度 temperature: 0.2, # 较低的温度值使输出更确定、更专注于代码 } try: response requests.post(url, headersheaders, datajson.dumps(data)) response.raise_for_status() # 检查HTTP请求是否成功 result response.json() # 假设API返回的代码在 choices 字段的 text 中 generated_code result[choices][0][text].strip() return generated_code except requests.exceptions.RequestException as e: print(f请求快马AI API失败: {e}) return None except (KeyError, json.JSONDecodeError) as e: print(f解析API响应失败: {e}) return None代码解读与心得提示词Prompt工程是关键AI的表现很大程度上取决于你如何“提问”。上面的Prompt明确限定了角色、技术栈、代码风格和要求。特别强调了“稳定的定位方式”和“必要的等待”这是生成高质量Selenium代码的命门。你可以根据实际需要调整这个Prompt。错误处理必不可少网络请求和API响应解析都可能出错用try-except包裹起来能让你的工具更健壮。温度参数temperature设为0.2左右是为了让AI生成更保守、更可靠的代码减少天马行空的“创意”。3.3 组装与执行打造完整工作流有了代码生成器我们还需要一个“主控程序”来串联一切接收用户输入、调用AI、保存并执行生成的代码。import os import subprocess import sys import tempfile def main(): print(欢迎使用智能Web自动化测试脚本生成器) print(请输入你的测试需求例如打开百度搜索Selenium检查标题。) print(输入 quit 退出程序。) # 替换为你的实际API密钥 KAI_MA_AI_API_KEY your_kaimaai_api_key_here while True: user_instruction input(\n请输入测试需求: ).strip() if user_instruction.lower() quit: print(再见) break if not user_instruction: print(输入不能为空请重新输入。) continue print(\n正在向快马AI请求生成代码...) selenium_code generate_selenium_code_with_kaimaai(user_instruction, KAI_MA_AI_API_KEY) if not selenium_code: print(代码生成失败请检查API密钥或网络连接。) continue print(代码生成成功) print(- * 50) print(selenium_code) print(- * 50) # 询问用户是否执行 choice input(\n是否要立即执行生成的代码(y/n): ).strip().lower() if choice y: execute_generated_code(selenium_code) else: print(代码已生成您可以选择保存到文件。) save_choice input(是否保存到文件(y/n): ).strip().lower() if save_choice y: filename input(请输入文件名例如test_baidu.py: ).strip() if not filename.endswith(.py): filename .py with open(filename, w, encodingutf-8) as f: f.write(selenium_code) print(f代码已保存至 {filename}) def execute_generated_code(code_string): 在一个临时的Python文件中执行生成的代码。 这是一种安全且隔离的执行方式。 # 创建一个临时文件 with tempfile.NamedTemporaryFile(modew, suffix.py, deleteFalse, encodingutf-8) as tmp_file: tmp_file.write(code_string) tmp_file_path tmp_file.name try: print(开始执行自动化测试...) # 使用当前Python解释器执行临时文件 result subprocess.run([sys.executable, tmp_file_path], capture_outputTrue, textTrue, timeout60) # 设置60秒超时 print(\n--- 执行输出 ---) if result.stdout: print(标准输出:, result.stdout) if result.stderr: print(标准错误:, result.stderr) print(f返回码: {result.returncode}) print(--- 执行结束 ---) except subprocess.TimeoutExpired: print(错误测试执行超时60秒可能陷入无限等待或浏览器未正常关闭。) except Exception as e: print(f执行过程中发生未知错误: {e}) finally: # 清理临时文件 os.unlink(tmp_file_path) print(临时文件已清理。) if __name__ __main__: main()设计思路与避坑指南临时文件执行为什么不直接用exec(code_string)因为exec在执行复杂代码尤其是涉及导入、全局变量时作用域管理很麻烦容易污染当前环境。写入临时文件再用subprocess调用相当于启动了一个全新的、干净的Python进程来运行这段代码隔离性好也更安全。超时控制自动化测试可能因为元素找不到而无限等待。设置timeout参数可以防止程序卡死这是一个非常重要的防护措施。输出捕获通过capture_outputTrue捕获子进程的输出和错误方便我们查看测试执行过程中的打印信息或异常。4. 实战演练从需求到自动化测试报告光说不练假把式。我们用一个真实的例子走一遍全流程看看效果如何。4.1 案例自动化测试百度搜索功能第一步启动工具并输入需求运行我们刚刚写好的main()函数。程序启动后输入我们的测试需求“打开百度首页https://www.baidu.com等待页面加载完成。在搜索输入框里输入‘人工智能’然后点击‘百度一下’按钮。等待搜索结果页面加载检查页面标题中是否包含‘人工智能’这个词。最后关闭浏览器。”第二步AI生成代码工具将上述需求发送给快马AI。几秒钟后我们可能会得到类似下面的代码注以下为模拟AI可能生成的代码非真实API返回from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.common.exceptions import TimeoutException # 初始化Chrome浏览器驱动 driver webdriver.Chrome() try: # 步骤1: 打开百度首页 driver.get(https://www.baidu.com) print(已打开百度首页) # 显式等待页面标题包含“百度” wait WebDriverWait(driver, 10) wait.until(EC.title_contains(百度)) # 步骤2: 定位搜索框并输入关键词 # 使用ID定位这是最稳定的方式之一 search_box driver.find_element(By.ID, kw) search_box.clear() search_box.send_keys(人工智能) print(已在搜索框输入‘人工智能’) # 步骤3: 定位并点击搜索按钮 search_button driver.find_element(By.ID, su) search_button.click() print(已点击‘百度一下’按钮) # 步骤4: 等待搜索结果页面加载验证标题 # 等待新页面标题出现 wait.until(EC.title_contains(人工智能)) actual_title driver.title print(f当前页面标题是: {actual_title}) # 步骤5: 断言验证 assert 人工智能 in actual_title, f页面标题验证失败期望包含‘人工智能’实际为‘{actual_title}’ print(测试通过页面标题包含‘人工智能’。) except TimeoutException as e: print(f操作超时: {e}) except Exception as e: print(f测试执行过程中发生错误: {e}) finally: # 步骤6: 关闭浏览器 driver.quit() print(浏览器已关闭。)第三步执行与验证工具询问是否执行输入y。你会看到Chrome浏览器自动打开访问百度输入文字点击搜索然后浏览器关闭。控制台会打印出每一步的日志。如果一切顺利最后会看到“测试通过”的字样。第四步代码优化与保存AI生成的代码已经非常可用但作为有经验的工程师我们可能会做一点微调增加隐式等待在初始化driver后可以加一行driver.implicitly_wait(10)作为全局的等待策略辅助显式等待。更精确的等待条件等待搜索结果页面时EC.title_contains可能不够精确。有时可以改为等待某个特定结果元素出现如wait.until(EC.presence_of_element_located((By.CSS_SELECTOR, “.result.c-container”)))。添加截图功能在断言失败时自动截屏保存证据便于后续分析。可以在except AssertionError as e:块中添加driver.save_screenshot(“error_screenshot.png”)。调整完毕后可以选择将最终版的代码保存到本地文件比如test_baidu_search.py以后就可以直接运行这个脚本了。4.2 处理更复杂的场景AI的能力不止于此。你可以尝试更复杂的需求比如需求“测试登录功能打开某电商网站登录页输入用户名‘testexample.com’和密码‘123456’勾选‘记住我’点击登录。登录成功后检查页面右上角是否显示‘我的账户’链接。”AI的挑战与应对这个需求涉及表单填写、复选框操作和登录后状态验证。AI需要生成处理输入框、复选框点击以及验证特定链接存在的代码。生成的代码可能会使用By.NAME或By.XPATH来定位用户名和密码框。关键点对于“记住我”这类复选框AI需要生成element.click()来切换状态对于登录后的验证可能需要等待页面跳转完成后再查找元素。实操心得面对复杂场景你的指令要尽可能分解。与其给一个长句不如分步骤描述甚至可以先让AI生成登录步骤的代码验证通过后再让它生成登录后操作的代码。这种“分而治之”的策略能显著提高AI生成代码的准确率和可用性。5. 进阶技巧与效能提升工具跑起来只是第一步要想让它真正成为生产力还需要一些“打磨”。5.1 编写高质量的AI指令Prompt你的指令质量直接决定输出代码的质量。以下是几个原则具体明确避免“操作那个按钮”这种模糊说法用“点击ID为‘submitBtn’的按钮”或“点击‘登录’按钮”。提供上下文对于非大众化网站可以提供关键元素的ID或Class。例如“在网站URL上有一个class为‘search-input’的搜索框...”。设定约束在Prompt中明确技术栈、编码风格如PEP 8、是否需要异常处理、是否使用Page Object模式等。迭代优化如果第一次生成的代码不理想不要放弃。根据问题调整你的指令比如“上次生成的代码定位元素用了XPath但那个元素有ID请改用ID定位。” AI可以从对话历史中学习。5.2 集成测试框架如Pytest目前我们的工具生成的是独立脚本。要融入CI/CD流程最好能集成进测试框架。我们可以修改AI的Prompt让它直接生成Pytest格式的测试用例。优化后的Prompt示例 “...请将以下测试需求转化为一个Pytest测试函数。函数名以test_开头。使用pytest.fixture来管理driver的生命周期。测试步骤中请使用清晰的断言...”这样生成的代码可以直接放入test_*.py文件中用pytest命令批量执行并生成漂亮的测试报告。5.3 构建可复用的代码库与模板随着使用次数增多你会发现AI生成的代码有共通之处。我们可以构建一个基础模板或函数库创建基础操作函数将“打开浏览器”、“查找元素带重试”、“输入文本”、“点击”、“截图”等操作封装成函数。修改AI Prompt让AI在生成代码时调用这些封装好的函数而不是每次都生成原始的driver.find_element和element.click。例如“...请使用我们项目中的safe_click(driver, locator)函数来点击元素该函数已内置显式等待...”配置管理将浏览器类型、默认等待时间、基础URL等提取到配置文件如config.yaml中让AI生成的代码能读取这些配置。这样做AI生成的代码将更符合项目规范也更健壮。6. 常见问题与排查手册在实际使用中你肯定会遇到各种问题。这里我整理了一份“踩坑”实录。6.1 AI生成代码的典型问题与修复问题现象可能原因排查与修复方法代码执行时报NoSuchElementExceptionAI生成的元素定位器不准或过时页面尚未加载完成。1.手动验证在浏览器开发者工具中用AI生成的定位器如XPath尝试查找看是否能唯一匹配目标元素。2.增加等待在操作元素前添加显式等待WebDriverWait(driver, 10).until(EC.presence_of_element_located((By.ID, “element_id”)))。3.优化定位器优先使用ID、name等稳定属性。避免使用绝对XPath或依赖动态class的CSS选择器。浏览器闪退或无法启动ChromeDriver版本与Chrome浏览器版本不匹配驱动路径未正确设置。1.检查版本确认ChromeDriver版本与Chrome浏览器主版本号一致。2.检查PATH确认ChromeDriver所在目录已添加到系统PATH或在代码中指定绝对路径webdriver.Chrome(executable_path‘/path/to/chromedriver’)。3.查看日志初始化driver时添加service_log_path‘chromedriver.log’参数查看详细的驱动日志。执行速度很慢AI生成的代码可能使用了过多的time.sleep()或缺乏高效的等待策略。1.替换sleep将time.sleep(5)替换为显式等待WebDriverWait(driver, 10).until(EC.condition)。2.启用隐式等待在driver初始化后设置driver.implicitly_wait(10)作为查找元素的全局超时。3.检查网络确保测试环境网络通畅。断言失败但页面看起来正常AI生成的断言条件可能过于严格或不准确例如检查的文本有空格或大小写问题。1.打印调试在断言前打印出实际获取到的文本或属性值与预期值仔细对比。2.模糊匹配使用assert “关键词” in actual_text而非assert actual_text “完整句子”。3.清理数据使用.strip()去除字符串首尾空格。无法处理弹窗/新窗口AI可能没有生成切换窗口或处理alert的代码。1.切换窗口在点击可能打开新窗口的链接后添加driver.switch_to.window(driver.window_handles[-1])切换到最新窗口。2.处理Alert使用Alert(driver).accept()或Alert(driver).dismiss()。需要在Prompt中明确告知AI此类场景。6.2 提升脚本稳定性的关键点定位器策略这是Selenium脚本稳定的基石。绝对不要依赖AI生成复杂的、包含索引的XPath如/html/body/div[3]/div[2]/div[5]/a[1]。这类定位器极其脆弱页面结构稍有变动就会失效。指导AI使用ID、唯一的name属性或者简洁的CSS选择器如input.search-input。等待的艺术区分“存在”、“可见”、“可点击”。presence_of_element_located只要求元素在DOM中存在可能隐藏visibility_of_element_located要求元素可见element_to_be_clickable要求元素可交互。根据你的操作意图选择正确的等待条件。失败重试机制对于不稳定的操作如网络波动导致的元素加载慢可以在代码外层包裹一个简单的重试循环。或者使用更高级的库如retrying。环境隔离每次测试都使用全新的浏览器实例无缓存、无Cookies的匿名模式可以避免因旧数据导致的意外行为。可以在初始化driver时添加选项options.add_argument(“--incognito”)。6.3 关于Playwright与Selenium选择的再思考在项目热词里也看到了Playwright。这里简单说一下我的看法如果你的项目是全新的且团队对Node.js/Python/.NET/C#接受度良好Playwright确实是一个强大的选择它内置了自动等待、强大的录制工具和跨浏览器支持。但是对于我们“5分钟快速打造智能工具”这个目标而言Selenium的确定性更高。AI模型对Selenium的认知数据更海量生成代码的“常识”更丰富。Playwright较新AI可能在某些API的使用上产生混淆。因此在追求“快速”和“稳定生成”的第一阶段Selenium是更优解。当你的工具成熟后完全可以探索让AI生成Playwright脚本思路是完全一致的。这个用快马AI加Selenium攒出来的小工具本质上是一个“生产力杠杆”。它不能替代你对Web自动化测试原理的理解也不能替代你设计测试用例的思考。但它能把你从重复、繁琐的代码编写中解放出来让你用描述需求的时间换来一个可运行、可调试的脚本原型。剩下的优化和集成工作依然需要你的专业判断。我开始用它来快速生成冒烟测试和核心流程测试的初版脚本效率提升非常明显。最重要的是它让团队里那些对代码望而却步的同事也开始愿意尝试和描述自动化测试用例了这或许才是它最大的价值。