1. 项目概述为什么测试数据管理是自动化测试的“命门”干了这么多年自动化测试我见过太多团队在脚本编写、框架选型上投入巨大却在测试数据管理上栽了跟头。一个典型的场景是脚本跑得好好的突然因为一个数据格式错误或者一个文件路径问题整个测试套件就崩了。问题排查下来往往不是代码逻辑的错而是数据“喂”错了。这就是为什么我要专门聊聊在Python Playwright这个黄金组合下如何为你的自动化测试数据选择正确的“容器”——也就是文件格式。Python的简洁和Playwright的强大让我们能轻松模拟各种复杂的用户交互。但自动化测试的本质是“数据驱动”的。你的脚本是“厨师”测试数据就是“食材”。食材不新鲜、放错了调料盒再好的厨师也做不出好菜。测试数据管理就是管理这些食材的采购、存储、分类和取用流程。它直接决定了你的测试用例是否稳定、可维护、易于扩展。在这个项目中我们聚焦于一个核心痛点如何将不同性质、不同用途的测试数据以最合适、最高效的文件格式存储和管理。这不仅仅是选个.json还是.yaml那么简单它涉及到数据读取性能、可读性、协作便利性、环境隔离以及安全等多个维度。一个错误的选择可能会在项目后期带来巨大的维护成本。接下来我将结合实战经验为你拆解几种主流文件格式在自动化测试数据管理中的正确打开方式并分享那些只有踩过坑才知道的细节。2. 测试数据管理的核心诉求与格式选型逻辑在深入具体格式之前我们必须先明确一个好的测试数据存储方案需要满足哪些核心诉求。这就像选车你得先知道自己是需要家用省油还是越野性能。2.1 自动化测试对数据文件的四大核心需求可读性与可维护性测试数据不是一次性的。产品经理、测试人员甚至开发都可能需要查看或修改它。如果数据文件像天书一样难懂维护成本会急剧上升。清晰的层级结构、支持注释是巨大加分项。程序易用性Python脚本必须能方便、快速地读取和解析数据。这意味着库的支持要成熟API要友好解析过程不能成为性能瓶颈。环境与场景隔离能力我们通常需要区分测试环境如测试、预发布、生产和测试场景如正向用例、异常流、边界值。数据格式最好能天然支持或通过目录结构轻松实现这种隔离。安全性对于包含敏感信息如密码、密钥、真实用户手机号的数据格式需要支持加密或至少能方便地与加密方案集成避免将敏感信息硬编码或明文存储。2.2 主流文件格式横向对比与选型矩阵基于以上诉求我们来审视几种在Python生态中常见的文件格式。我会用一个简单的“用户登录”测试数据作为例子贯穿始终。格式典型文件扩展名核心优势主要劣势适用测试数据场景JSON.json通用性强几乎所有语言都支持Python内置json库解析极快结构清晰。不支持注释冗长需要大量引号和括号长字符串换行不友好。API测试的请求/响应体、配置项、结构固定的复杂对象数据。YAML.yaml,.yml极高的可读性缩进表示层级接近自然语言支持注释支持复杂数据类型如日期。缩进敏感格式错误不易排查解析速度通常慢于JSON过于灵活可能导致结构不一致。测试用例配置、多环境变量定义、需要人工频繁编辑的静态数据。TOML.toml语法比YAML更简洁、明确支持注释解析速度不错近年来在配置领域如pyproject.toml流行。社区生态和认知度相对JSON/YAML稍弱处理非常复杂的嵌套结构时语法可能不如YAML直观。项目配置、中等复杂度的静态数据、偏好更严格语法规范的团队。CSV.csv表格形式极其适合二维关系型数据可用Excel/Numbers直接编辑体积小。无法表示层次结构不支持注释数据类型如数字、字符串需要额外处理。参数化测试的大量数据集如用户名、密码组合、从数据库导出的测试数据。Python模块.py最大的灵活性可以直接写逻辑如生成随机数据无缝集成读取即导入速度最快。数据与代码耦合不利于非技术人员维护存在安全风险如果数据源不可控。需要动态生成或复杂计算的测试数据、团队内部分享的固定夹具。环境变量/.env.env与环境紧密绑定便于CI/CD集成使用python-dotenv等库读取简单天然适合密钥。只适合简单的键值对无法存储复杂结构管理大量变量时文件会混乱。环境相关的配置和密钥如数据库连接串、API密钥、基础URL。实操心得没有“银弹”格式。一个成熟的自动化测试项目通常会混合使用多种格式。我的经验法则是配置用YAML/TOML结构化API数据用JSON大量参数化数据用CSV动态逻辑数据用Python模块密钥用.env。3. 各格式实战详解与Playwright集成示例理论说完我们来点硬的。看看在Python Playwright项目中这些格式具体怎么用。假设我们正在为一个电商网站编写登录和搜索商品的测试。3.1 JSON结构化API测试数据的首选JSON最适合存储和传输结构化的对象。在Playwright测试中虽然我们主要做UI自动化但有时也需要验证后端API或者存储一些复杂的页面对象数据。示例api_config.json- 存储API端点信息{ base_url: https://api.demo-store.com, endpoints: { login: /v1/auth/login, search: /v1/products/search, user_profile: /v1/users/me }, default_headers: { Content-Type: application/json } }在Playwright测试脚本中的使用import json import pytest from playwright.sync_api import Page, expect # 读取JSON配置 with open(data/api_config.json, r, encodingutf-8) as f: API_CONFIG json.load(f) def test_search_api_with_playwright(page: Page): # 使用JSON中的数据构造API请求Playwright也可以发API请求 search_url API_CONFIG[base_url] API_CONFIG[endpoints][search] # ... 使用 page.request 或其他HTTP客户端发起请求并断言 # 例如可以先用API准备好测试数据如创建一个测试商品 # 然后再用UI自动化去前端验证这个商品能搜到注意事项JSON文件最怕格式错误一个多余的逗号就会导致解析失败。建议在编辑器中安装JSON语法检查插件。对于需要人工修改的JSON这不是最佳选择。3.2 YAML人类友好的配置文件之王YAML是我管理测试套件配置、多环境变量的最爱。它的可读性无可比拟。示例test_config.yaml- 定义测试环境与全局参数# 测试环境配置 environments: staging: base_url: https://staging.demo-store.com admin_user: username: admin_staging # 密码建议通过环境变量或密钥管理服务注入而非明文 password: ${STAGING_ADMIN_PWD} db_host: staging-db.internal production: base_url: https://www.demo-store.com admin_user: username: admin_prod password: ${PROD_ADMIN_PWD} db_host: prod-db.internal # 测试全局设置 test_settings: default_timeout: 30000 # Playwright等待超时单位毫秒 headless: true # 是否无头模式运行 viewport: { width: 1920, height: 1080 } screenshot_on_failure: only-on-failure # 失败时截图 # 测试用户数据集用于参数化 test_users: - username: user_validexample.com password: Password123! expected_login: success - username: user_lockedexample.com password: Password123! expected_login: failure error_msg: 账户已被锁定在Playwright中的集成与使用import yaml import os from playwright.sync_api import sync_playwright, Page # 读取YAML配置 with open(configs/test_config.yaml, r, encodingutf-8) as f: CONFIG yaml.safe_load(f) # 使用safe_load防止执行恶意代码 # 根据环境变量选择配置 ENV os.getenv(TEST_ENV, staging) env_config CONFIG[environments][ENV] def test_login_with_yaml_data(page: Page): base_url env_config[base_url] page.goto(f{base_url}/login) # 获取参数化测试数据 for user in CONFIG[test_users]: # 使用Playwright填充表单 page.fill(input[nameemail], user[username]) page.fill(input[namepassword], user[password]) page.click(button[typesubmit]) # 根据预期结果进行断言 if user[expected_login] success: expect(page).to_have_url(f{base_url}/dashboard) else: error_locator page.locator(.alert-error) expect(error_locator).to_contain_text(user[error_msg]) page.click(a:has-text(退出)) # 退出以便下次循环登录避坑技巧YAML的缩进必须用空格不能用Tab。建议统一使用2个空格作为缩进标准。另外yaml.safe_load()是安全读取的最佳实践永远不要用yaml.load()除非你完全信任数据源。3.3 CSV参数化测试的数据引擎当你需要对同一个测试用例用几十上百组不同的输入输出数据进行验证时CSV是绝配。Playwright Pytest的参数化功能可以很好地与之结合。示例search_keywords.csv- 商品搜索关键词与预期结果search_term,expected_min_results,expected_first_item_contains “笔记本电脑”, 15, “联想” “无线鼠标”, 30, “罗技” “”, 0, “” # 空搜索测试 “#$%”, 0, “” # 特殊字符搜索测试与Pytest参数化结合使用import csv import pytest from playwright.sync_api import Page, expect def load_search_data(): with open(data/search_keywords.csv, r, encodingutf-8) as f: reader csv.DictReader(f) # 使用DictReader第一行为键 return list(reader) # 使用pytest的parametrize装饰器进行参数化 pytest.mark.parametrize(search_data, load_search_data()) def test_product_search(page: Page, search_data): page.goto(https://demo-store.com) search_box page.locator(input[placeholder搜索商品]) search_box.fill(search_data[search_term]) search_box.press(Enter) # 等待结果加载 results_locator page.locator(.product-item) # 断言最小结果数量注意CSV读入的是字符串需要转换 expected_count int(search_data[expected_min_results]) expect(results_locator).to_have_count(expected_count, timeout10000) # 如果预期有结果检查第一个商品是否包含特定文本 if expected_count 0 and search_data[expected_first_item_contains]: first_item results_locator.first expect(first_item).to_contain_text(search_data[expected_first_item_contains])常见问题CSV文件中的数字会被读作字符串需要手动转换类型。另外包含逗号的字段必须用双引号包裹。建议使用Python的csv模块而不是手动分割字符串它能更好地处理这些边界情况。3.4 Python模块灵活的动态数据工厂对于一些需要动态生成、或带有逻辑的数据直接写在一个.py文件里是最直接的。示例data_factory.py- 生成测试用户数据import random import string from datetime import datetime, timedelta def generate_random_email(prefixtest_user): 生成随机邮箱地址 timestamp datetime.now().strftime(%Y%m%d%H%M%S) random_str .join(random.choices(string.ascii_lowercase, k6)) return f{prefix}_{timestamp}_{random_str}autotest.com def generate_user_data(rolecustomer): 根据角色生成用户数据字典 base_data { email: generate_random_email(), password: TestPassword123!, first_name: Test, last_name: fUser{random.randint(1, 1000)}, date_of_birth: (datetime.now() - timedelta(daysrandom.randint(7000, 20000))).strftime(%Y-%m-%d) } if role admin: base_data[permissions] [user_manage, content_edit] elif role vip: base_data[membership_level] platinum base_data[discount_rate] 0.2 return base_data # 可以直接导出的固定夹具数据 FIXTURE_ADMIN { email: admin_fixtureexample.com, password: Admin123456, role: admin }在Playwright测试中调用from data.data_factory import generate_user_data, FIXTURE_ADMIN def test_user_registration(page: Page): # 使用动态工厂生成全新数据避免重复 new_user generate_user_data() page.goto(/register) page.fill(#email, new_user[email]) page.fill(#password, new_user[password]) # ... 填写其他字段 page.click(#submit-button) # 断言注册成功 expect(page.locator(.registration-success)).to_be_visible() # 这个邮箱下次运行又会不同完美解决数据冲突 def test_admin_login(page: Page): # 使用固定的夹具数据登录管理后台 page.goto(/admin/login) page.fill(#username, FIXTURE_ADMIN[email]) page.fill(#password, FIXTURE_ADMIN[password]) page.click(button[typesubmit]) expect(page).to_have_url(/admin/dashboard)重要警告将数据放在.py文件中意味着它会被作为代码执行。绝对不要从不可信的来源如用户上传加载或执行此类文件。它只适用于完全受控的、团队内部维护的数据生成逻辑。3.5 环境变量与.env管理密钥与环境配置这是管理环境差异和敏感信息的标准做法。我们通常使用python-dotenv库。示例.env.staging文件# 环境标识 TEST_ENVstaging # 应用配置 BASE_URLhttps://staging.demo-store.com API_TIMEOUT30 # 敏感信息这些值应从CI/CD管道或密钥仓库注入不应提交到代码库 DB_CONNECTION_STRINGpostgresql://user:${DB_PASSWORD}staging-db.internal:5432/test_db ADMIN_API_KEYsk_test_abc123def456 STRIPE_SECRET_KEY${STRIPE_SECRET}在项目中加载和使用# conftest.py 或项目根脚本中 from dotenv import load_dotenv import os # 根据环境加载对应的.env文件 env_file f.env.{os.getenv(TEST_ENV, staging)} load_dotenv(dotenv_pathenv_file, overrideTrue) # 现在可以通过os.environ读取 BASE_URL os.environ.get(BASE_URL) ADMIN_API_KEY os.environ.get(ADMIN_API_KEY) # 在Playwright配置中设置baseURL import pytest from playwright.sync_api import Playwright pytest.fixture(scopesession) def browser_context_args(browser_context_args, playwright: Playwright): return { **browser_context_args, base_url: BASE_URL, # 这样page.goto(/login)就会自动补全为完整URL viewport: {width: 1920, height: 1080}, }安全第一务必在.gitignore中添加.env*确保包含真实密码和密钥的.env文件不会被意外提交到版本控制系统。在CI/CD中这些变量应通过流水线的安全变量功能设置。4. 进阶架构构建混合式测试数据管理系统在实际的大型项目中你很少会只使用一种格式。一个清晰、可扩展的数据管理架构至关重要。下面分享一个我经过多个项目迭代后总结出的混合式目录结构。4.1 推荐的测试数据目录结构your-automation-project/ ├── configs/ # 配置文件目录 │ ├── test_config.yaml # 主测试配置环境、全局设置 │ ├── locators/ # 页面元素定位器可按页面组织为YAML │ │ ├── login_page.yaml │ │ └── product_page.yaml │ └── environments/ # 环境特定配置 │ ├── staging.yaml │ └── production.yaml ├── data/ # 静态测试数据目录 │ ├── api/ # API测试数据 │ │ ├── request_templates/ │ │ └── response_schemas/ │ ├── ui/ # UI测试数据 │ │ ├── users.csv # 参数化用户数据 │ │ ├── products.json # 商品数据 │ │ └── search_keywords.csv │ └── sql/ # 数据库初始化或验证数据 │ └── test_fixtures.sql ├── factories/ # 动态数据工厂Python模块 │ ├── user_factory.py │ ├── product_factory.py │ └── order_factory.py ├── fixtures/ # Pytest夹具负责数据准备与清理 │ ├── conftest.py # 全局夹具如加载配置、初始化浏览器 │ └── database_fixtures.py ├── tests/ # 测试用例目录 │ ├── test_login.py │ └── test_search.py ├── .env.staging # 环境变量文件不提交 ├── .env.production ├── .gitignore # 忽略.env文件和临时数据 └── pytest.ini # Pytest配置4.2 实现一个统一的数据加载器为了优雅地在测试中使用不同格式的数据可以创建一个统一的数据加载工具类。# utils/data_loader.py import json import yaml import csv import os from pathlib import Path import importlib.util from typing import Any, Union class DataLoader: 统一测试数据加载器 staticmethod def from_yaml(file_path: Union[str, Path]) - Any: 从YAML文件加载数据 with open(file_path, r, encodingutf-8) as f: return yaml.safe_load(f) staticmethod def from_json(file_path: Union[str, Path]) - Any: 从JSON文件加载数据 with open(file_path, r, encodingutf-8) as f: return json.load(f) staticmethod def from_csv(file_path: Union[str, Path]) - list: 从CSV文件加载数据返回字典列表 with open(file_path, r, encodingutf-8) as f: return list(csv.DictReader(f)) staticmethod def from_py_module(module_path: Union[str, Path], attribute_name: str None) - Any: 从Python模块加载数据或函数。 :param module_path: .py文件路径 :param attribute_name: 要获取的属性名如为None则返回模块对象 spec importlib.util.spec_from_file_location(dynamic_module, module_path) module importlib.util.module_from_spec(spec) spec.loader.exec_module(module) if attribute_name: return getattr(module, attribute_name) return module classmethod def load(cls, file_path: Union[str, Path]) - Any: 根据文件扩展名自动选择加载方法 path Path(file_path) if not path.exists(): raise FileNotFoundError(f数据文件不存在: {file_path}) suffix path.suffix.lower() if suffix in [.yaml, .yml]: return cls.from_yaml(path) elif suffix .json: return cls.from_json(path) elif suffix .csv: return cls.from_csv(path) elif suffix .py: return cls.from_py_module(path) else: raise ValueError(f不支持的文件格式: {suffix}。支持: .yaml, .yml, .json, .csv, .py) # 使用示例 from utils.data_loader import DataLoader # 自动识别格式并加载 config DataLoader.load(configs/test_config.yaml) users DataLoader.load(data/ui/users.csv) api_schema DataLoader.load(data/api/response_schemas/product_detail.json) # 使用Python模块中的函数 user_factory DataLoader.load(factories/user_factory.py) new_user user_factory.generate_user_data(rolevip)这个加载器提供了极大的灵活性让测试脚本可以以一致的方式访问各种格式的数据。4.3 在Playwright夹具中集成数据管理最优雅的方式是将数据准备与清理逻辑封装到Pytest夹具中实现测试的完全解耦。# fixtures/data_fixtures.py import pytest from utils.data_loader import DataLoader from factories.user_factory import generate_user_data pytest.fixture def test_config(): 加载全局测试配置 return DataLoader.load(configs/test_config.yaml) pytest.fixture def env_config(test_config): 根据环境变量获取当前环境配置 import os env os.getenv(TEST_ENV, staging) return test_config[environments][env] pytest.fixture def search_keywords(): 加载搜索关键词参数化数据 data DataLoader.load(data/ui/search_keywords.csv) # 可选在这里进行数据预处理如类型转换 for item in data: item[expected_min_results] int(item[expected_min_results]) return data pytest.fixture def new_user(): 生成一个全新的临时用户测试后自动清理 user generate_user_data() # 这里可以调用API或操作数据库来创建用户 user_id create_user_via_api(user) user[id] user_id yield user # 将用户数据提供给测试用例使用 # 测试结束后清理数据 delete_user_via_api(user_id) # conftest.py from playwright.sync_api import Playwright, Browser, BrowserContext, Page import pytest pytest.fixture(scopesession) def browser(playwright: Playwright, env_config) - Browser: 全局浏览器实例根据配置决定是否无头运行 launch_options { headless: env_config.get(test_settings, {}).get(headless, True), args: [--start-maximized] } browser playwright.chromium.launch(**launch_options) yield browser browser.close() pytest.fixture def context(browser: Browser, env_config) - BrowserContext: 浏览器上下文可设置视窗、权限等 viewport env_config.get(test_settings, {}).get(viewport, {width: 1920, height: 1080}) context browser.new_context(viewportviewport, base_urlenv_config[base_url]) yield context context.close() pytest.fixture def page(context: BrowserContext) - Page: 测试页面最常用的夹具 page context.new_page() # 可以在这里设置全局等待超时 page.set_default_timeout(env_config.get(test_settings, {}).get(default_timeout, 30000)) yield page page.close()现在你的测试用例可以非常简洁只关注业务逻辑# tests/test_search.py def test_product_search_with_keywords(page: Page, search_keywords): 使用CSV数据驱动搜索测试 for keyword_data in search_keywords: page.goto(/) page.fill(input[placeholder搜索商品], keyword_data[search_term]) page.press(input[placeholder搜索商品], Enter) # 断言逻辑 # ... def test_admin_flow(page: Page, env_config): 使用YAML配置中的管理员数据测试后台流程 admin_user env_config[admin_user] page.goto(/admin/login) page.fill(#username, admin_user[username]) page.fill(#password, os.environ.get(ADMIN_PASSWORD)) # 密码从环境变量获取 page.click(button[typesubmit]) # 验证登录成功并执行管理操作5. 常见问题、排查技巧与性能优化实录即使有了完善的架构在实际操作中还是会遇到各种问题。这里记录了一些高频问题和我的解决方案。5.1 文件编码与路径问题问题在Windows上写的脚本到Linux CI/CD环境运行时报UnicodeDecodeError或文件找不到。根因文件编码不一致如Windows默认GBKLinux默认UTF-8和路径分隔符差异\vs/。解决方案统一使用UTF-8编码在所有文本编辑器中设置默认UTF-8保存。在Python中打开文件时显式指定encodingutf-8。使用pathlib处理路径它是Python 3.4的标准库跨平台友好。from pathlib import Path # 推荐做法 data_dir Path(__file__).parent.parent / data # 相对于当前文件的路径 config_file data_dir / config.yaml # 而不是 config_file ../data/config.yaml # 相对路径可能在不同工作目录下失效在CI/CD中设置工作目录确保流水线的工作目录是项目根目录。5.2 数据污染与测试隔离问题测试用例之间相互影响A用例创建的数据干扰了B用例的断言。解决方案每个测试使用独立数据像上面的new_user夹具一样使用动态生成的数据如随机邮箱。事务回滚对于数据库操作在测试开始时开启事务测试结束后回滚。API级别的清理为测试数据创建专用的API端点或在测试夹具的teardown中调用删除API。使用测试标签或命名空间在创建数据时加上唯一标识如test_20240527_前缀。5.3 性能优化避免重复读取与解析问题每个测试都读取同一个大的YAML/JSON文件拖慢测试速度。解决方案利用Pytest的夹具作用域和缓存。import pytest from functools import lru_cache from utils.data_loader import DataLoader pytest.fixture(scopesession) # 整个测试会话只执行一次 def cached_config(): 会话级缓存的重型配置 return DataLoader.load(configs/large_config.yaml) # 或者使用lru_cache装饰器 lru_cache(maxsizeNone) def get_static_data(): return DataLoader.load(data/static_reference.json) # 在测试中直接调用缓存函数 def test_something(cached_config): value cached_config[some_key]5.4 敏感信息泄露防护问题如何安全地管理密码、API密钥等敏感数据分层解决方案绝不硬编码这是底线。使用.env文件与环境变量如前所述将.env加入.gitignore。CI/CD集成在Jenkins、GitHub Actions等工具中使用“保密变量”功能注入环境变量。密钥管理服务对于企业级项目使用HashiCorp Vault、AWS Secrets Manager等服务在运行时动态获取密钥。代码扫描在CI流水线中加入敏感信息扫描如使用truffleHog或git-secrets防止意外提交。5.5 数据版本控制与变更管理问题测试数据文件多人修改冲突频繁数据结构变更导致大量测试失败。解决方案清晰的目录结构如前文所示按数据类型和用途分目录存放。数据Schema定义对于复杂的JSON数据可以考虑使用JSON Schema文件定义结构并在CI中验证数据文件是否符合Schema。变更日志在data/目录下维护一个CHANGELOG.md记录重大数据结构变更。数据生成脚本将核心的、共享的测试数据如基础商品目录的生成逻辑写成脚本scripts/generate_base_data.py而不是直接维护数据文件。需要更新时修改脚本并重新生成。5.6 Playwright特定在测试间共享状态问题登录状态需要在多个测试用例中复用但又不想每次重新登录。解决方案使用Playwright的storage_state功能将登录后的浏览器上下文状态cookies, local storage保存到文件。# conftest.py 或单独夹具文件 import pytest from playwright.sync_api import BrowserContext pytest.fixture(scopesession) def authenticated_context(browser, env_config): 创建一个已登录的上下文并持久化状态 context browser.new_context() page context.new_page() # 执行登录 page.goto(/login) page.fill(#username, env_config[test_user][username]) page.fill(#password, os.environ.get(TEST_USER_PWD)) page.click(button[typesubmit]) # 验证登录成功 expect(page.locator(.user-avatar)).to_be_visible(timeout10000) # 将状态保存到文件 context.storage_state(path.auth/state.json) context.close() # 重新创建一个加载了已保存状态的上下文 new_context browser.new_context(storage_state.auth/state.json) yield new_context new_context.close() pytest.fixture def auth_page(authenticated_context): 直接获取已登录的页面 page authenticated_context.new_page() yield page page.close() # 在测试中使用 def test_access_profile(auth_page): # 无需登录直接访问需要认证的页面 auth_page.goto(/profile) expect(auth_page).to_have_url(/profile)这个技巧能极大提升需要认证的测试套件的执行速度。记得将.auth/目录加入.gitignore。选择和管理测试数据格式远不止是技术选型它更是一种工程实践和团队协作规范的体现。从我个人的经验来看初期多花一点时间设计清晰的数据管理策略能为项目的长期稳定和维护性带来十倍百倍的回报。尤其是在Playwright这样高效的自动化工具加持下让数据成为推动测试的“燃料”而不是绊脚石是每个测试团队都应该掌握的必修课。最后一个小建议定期回顾你的数据文件就像整理你的代码一样删除过时的、重复的数据保持数据仓库的整洁这会让你的自动化测试之路走得更稳、更远。