用gpt + codex 加速网页UI自动化测试

最近在试用 ChatGPT + Codex 做前端自动化测试，有一个感受挺明显： AI 会写代码，这已经不是重点了。 真正的问题是：它写出来的代码，默认不一定符合你的项目习惯。 比如： locator 选得不稳定 Page Object 拆得不合理 断言写错地方 命名风格不统一 录制脚本照搬太多 甚至代码看起来像能跑，但实际一跑就挂 所以我现在不会直接把需求丢给 Codex，让它自由发挥。 我的做法是先把“输入材料”准备好： 第一，写清楚测试目标。 这个测试到底要验证什么，不只是点哪些按钮。 第二，录一段 Playwright 脚本。 它不是最终代码，而是给 AI 看页面怎么走、按钮在哪里、弹窗怎么出现。 第三，把录制脚本交给 ChatGPT 审查。 让它帮我过滤掉录制噪音，提取真正的业务动作，识别不稳定 locator，整理出哪些断言应该保留。 第四，在 Codex Project 里放规则文档。 比如 Page Object 怎么写，Flow 怎么拆，断言放在哪里，命名规范是什么，哪些写法禁止用。 第五，再让 ChatGPT 把这些信息加工成一份更适合 Codex 执行的 prompt。 不是简单描述需求，而是把测试目标、录制脚本、项目规则、断言要求都整理成一份明确的任务说明。 这样 Codex 写代码的时候，就不是从零猜，也不是照搬录制脚本，而是在一个比较清楚的轨道里工作。 我觉得这才是这套方法真正有价值的地方。 不是“AI 帮我写代码很快”， 而是通过录制脚本、规则文档和 prompt 精加工，把 AI 的不确定性压低。 让它尽量写出： 符合项目结构的代码 符合团队习惯的代码 更稳定的 locator 更合理的断言 更容易维护的测试 当然，最后还是要自己跑测试、看代码、看报错。 因为 AI 生成的东西不能盲信。 但如果前面的输入材料和规则整理得足够清楚，后面的返工会少很多。 用 AI 做自动化测试，关键不是让它自由发挥， 而是先把规则和上下文搭好，让它在边界里工作。 #自动化测试 #前端面试 #ai