AI热榜 Slack 工程团队提出了一种叫作智能体测试的方法，探索如何 将 AI 智能体融入端到端测试 ，以提升动态软件系统（大型分布式系统）的稳定性。
这项工作旨在解决持续交付环境中一个常见难题：端到端测试经常因用户界面或服务变更而失败，而非源于真实的功能回归，导致工程团队的维护开销不断增加。
传统的端到端测试依赖固定的步骤、稳定的选择器和可预测的 UI 或 API 流程。
在快速变化的系统中，这些前提条件往往失效，导致维护成本上升。
Slack 工程师将智能体测试定义为：将一部分测试工作从静态脚本转移到基于高层次意图驱动执行的 AI 智能体。
在该测试模式下，测试用例仅需描述测试目标，而非死板的操作步骤序列。
AI 智能体会解读测试意图，并通过界面或接口层与应用交互，尝试完成完整业务流程。
智能体在每一步都会校验应用当前状态，动态选择下一步操作。
若遇到细微变更（例如页面结构调整、元素位置变动），智能体会尝试其他可行路径继续执行，而非直接测试失败。
执行完成后，再对照研发人员预设的断言校验结果是否符合预期。
工作流通常从将测试意图传递给智能体层开始。
智能体进行规划、对被测系统执行操作、观察结果，并迭代直至目标完成或达到终止条件。
流程结束后系统会记录测试结果，同时留存执行轨迹，完整保存运行过程中每一步决策与交互行为。
Slack 工程师在博客中指出，出于成本考虑，智能体驱动的测试目前更适合用于定向调试和探索性测试，并不适合在持续集成流水线中频繁执行。
传统测试流程： 点击 → 点击 → 输入 → 断言 智能体测试流程： 设定目标 → 智能体自适应 → 验证结果
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接