Slack 推出智能体驱动型端到端测试，提升 UI 自动化测试稳定性

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Slack 工程师表示，确定性测试依旧是验证核心业务逻辑与接口契约正确性的主要手段。智能体测试则应用于端到端测试层 —— 该层的业务流程极易受界面及页面结构改动影响。这套基于智能体的测试方案旨在减少仅由表层改动引发、且不存在功能回归缺陷的测试失败。该系统还包含了约束条件，用于规范智能体在执行期间的行为，包括可执行操作范围、探索行为边界，以及判定终止执行的各类条件。可观测性是核心需求，系统会生成结构化执行日志，完整展示智能体的每一步操作，方便研发团队复现、排查各类测试异常。测试金字塔：单元测试、集成测试、端到端测试和智能体测试（来源：Slack 博客文章）Slack 工程团队将智能体测试定位为现有测试方案的补充，而非替代方案。确定性端到端测试将继续在持续集成流程中提供快速、可复现的回归校验，而智能体驱动的测试则用于解决界面变更带来的测试脆弱问题。脚本化或自动生成的测试用例能够对预设业务流程提供稳定校验，基于智能体的执行模式则采用目标导向模型：它会观测应用状态，并自主动态判断实现预期结果的操作路径。因此，在端到端测试体系中，该方案可与传统确定性测试搭配使用，适用于探索复杂界面交互、排查不稳定测试流程、复现线上生产问题等场景。查看英文原文：https://www.infoq.com/news/2026/07/slack-agentic-e2e-testing-ui/