AI只写代码不执行，测试自动化终于落地

想象一下：一个不懂编程的外包员工，用几句大白话描述测试场景，就能生成专业级的自动化测试代码；这套代码每月跑200万+步骤，通过率稳定在99%，覆盖四大平台700+用例。这不是科幻场景，而是微软Edge QA团队开源的AutoGenesis正在做到的事。长久以来，测试自动化卡在两道坎上：写代码门槛高，写出来的脚本又因UI变动频繁失效。AutoGenesis用一个反常识的思路破局——让AI只做擅长的「代码生成」，把「稳定执行」还给确定性程序。

把AI关在「生成层」的架构革命

AutoGenesis的核心是四层分工的「防火墙」架构，把AI的活动严格限制在第二层：

最上层是用户层，测试人员用接近自然语言的Gherkin格式写场景——比如「打开Edge浏览器，输入msn.com，验证页面标题」，不用管代码怎么写。

第二层是LLM层，AI只干一件事：把自然语言场景翻译成符合MCP协议的Python代码。MCP（Model Context Protocol）是一套标准化的AI与外部系统交互协议，相当于给AI的输出套上了「格式模板」，避免它「乱写代码」。

第三层是MCP Server层，统一封装了Windows、macOS、iOS、Android四大平台的自动化能力——就像给不同型号的手机装了统一的充电接口，不管底层用PyWinauto还是Appium，对外都是一样的调用方式。

最底层是执行层，用成熟的Behave BDD框架跑代码，全程不碰AI。这层的关键是「确定性」：相同输入一定得到相同输出，不会像AI执行那样「走神」或「误判」。

这个架构的妙处在于，把AI的创造力和程序的稳定性彻底分开。AI不用操心「怎么点按钮」「怎么等页面加载」，只需要理解人类的测试意图；执行层不用处理模糊的自然语言，只需要跑确定的代码。

从「代码门槛」到「人人能测」的落地

传统自动化测试的死穴，是把非技术人员挡在了门外。Edge团队里外包人员占大多数，他们懂业务但不会写代码，之前只能做手工测试。AutoGenesis让他们的角色直接升级：

现在，外包人员只需要用Gherkin写测试场景，点击VS Code插件里的「Send to Copilot」按钮，AI就会生成代码。生成前还有个「三阶段确认流程」：先缓存AI的操作调用，生成代码差异预览，人工确认无误后再写入文件——相当于给AI加了个「审核岗」，避免它生成不靠谱的代码。

数据最有说服力：团队里的外包人员已经贡献了413个PR，单个测试场景的编写时间从2-3小时压缩到10-15分钟。更重要的是，执行阶段完全脱离AI，每月200万+执行步骤的通过率能稳定在99%——这是AI直接执行根本做不到的稳定性。

当然，这套方案也不是没有局限：AI生成的代码依然需要人工审核，复杂的业务逻辑还是得靠技术人员把关；MCP协议的学习成本虽然比写代码低，但也需要团队花时间适应。但它确实解决了自动化测试最核心的两个痛点：让更多人能参与，让跑起来的测试能稳定。

不是炫技，是解决真实痛点的务实选择

AutoGenesis的诞生，不是为了赶AI的风口，而是Edge团队被逼出来的解决方案。Edge跟着Chromium高频发版，每次更新都可能导致之前的测试脚本失效，维护成本高到离谱。

他们试过让AI直接执行测试，结果发现问题百出：AI执行长任务时会「忘记上下文」，重复点击同一个按钮；用截图判断测试结果时，会把「看起来像成功」误判为「真的成功」；出错了还没法追溯原因——因为AI的判断过程是黑盒。

于是他们换了个思路：既然AI擅长理解自然语言和生成代码，那就只让它干这个；执行和判断这种需要确定性的活，交给传统程序。这个思路刚好踩中了AI测试的「甜蜜区」：用AI降低门槛，用程序保证稳定。

这种「AI做助理，人类掌方向盘」的模式，其实也是当前AI落地的最优解。比如在代码安全领域，AI生成的代码必须经过人工审核和静态扫描；在知识管理领域，AI生成的文档需要人工验证后才能入库。AutoGenesis的实践证明，AI不是要替代人类，而是要解放人类——把人从重复的代码编写中解放出来，去做更有价值的事，比如设计测试策略、分析测试结果。

AutoGenesis的意义，不止是给测试自动化提供了一个可落地的方案，更是给AI与工程实践的融合打了个样：AI的价值，不在于炫技式的「全自动化」，而在于找到和人类能力互补的平衡点。

当我们不再执着于「让AI干所有事」，而是让AI干它擅长的事，把需要人类判断和确定性的事留给人或程序，反而能把AI的价值发挥到最大。这也是AutoGenesis给所有团队的启示：技术的终极目标，从来不是替代人类，而是让人类的工作更高效、更有价值。

AI做生成，程序做执行，人机各归其位。