基于Page-Agent框架实现UI自动化测试的完整实践指南
时间：2026-07-24 | 作者：318050 | 阅读：0基于 alibaba/page-agent 来做自动化测试，这事儿跟传统的 Playwright 或 Selenium 思路完全不同，甚至可以说是一次玩法上的碘伏。
page-agent 是阿里巴巴开源的一个纯前端浏览器自动化库，底层靠大语言模型（LLM）驱动。说白了，它抛弃了传统测试里那种“依赖 DOM 选择器、一改就崩”的脆弱模式，让你直接用自然语言写测试用例，就像跟人说话一样。
那么，具体怎么用？有哪些好处？又藏着哪些坑？下面展开聊聊。
1. 它是如何应用在自动化测试中的？
传统测试里，如果某个按钮的 class 变了，脚本当场就挂了。但 page-agent 不一样——它内置的 AI Agent 运行在浏览器端，能实时读取当前页面的 DOM 结构，进行语义分析，然后直接调度原生浏览器事件。换句话说，它不关心你类名怎么改，只关心你按钮上写的“登录”两个字。
你可以把它整合进现有的测试工作流（比如配合 Playwright 或传统测试框架）。举个例子：
传统 Playwright 脚本：
await page.locator('#username').fill('testuser'); await page.locator('.btn-submit-active').click();使用 page-agent 的脚本：
import { PageAgent } from 'page-agent'; const agent = new PageAgent({ model: 'gpt-4', // 或 qwen-plus, claude 等 apiKey: process.env.LLM_API_KEY, }); // 直接用自然语言下达测试指令 await agent.execute("用 'testuser' 填充用户名，并点击登录按钮");
看见没？代码量大幅缩减，而且指令本身就像测试用例的描述。
2. 用它做自动化测试的核心优势
- 告别“易碎”的脚本：前端改了 UI 样式、换了类名、调整了 DOM 结构——只要业务逻辑没变，AI 就能自动识别出正确的输入框和按钮。这意味着测试脚本的日常维护成本直线下降，再也不用半夜被“定位器失效”的报警吵醒。
- 零门槛编写测试用例：测试人员甚至产品经理，只要会写自然语言，就能直接创建测试场景。不需要深厚的前端编码背景，写出来的就是“测试场景说明书”本身。
- 智能应对动态内容：它具备语义理解能力，能自主处理复杂的表单、多步骤交互流程（比如电商从加购到结算的完整流程）。遇到边缘情况，它还能推理一下，而不是直接报错。
- 纯前端、轻量化：不依赖服务端的 Python 环境或复杂的 Headless 浏览器配置。直接通过 NPM 安装，或者用