让 AI 点页面容易，难的是证明它点对了

e2e 这个开源 AI 测试框架最近在 GitHub 上到了 13.8k Star，团队刚拿了 800 万美元融资。创始团队技术布道师 Kacper Kapuściak 写了一篇工程实践，主题是给 AI Agent 写 E2E 测试。文章不短，核心矛盾很清楚：Agent 能替你点页面之后，测试的可信度反而更依赖断言和真值源。

1. 测用户意图，不测前端实现

用户只想生成上个月的活动报告，不关心日期选择器用了哪个组件库，也不关心按钮里套了几层 DOM。Kacper 建议直接给 Agent 下业务目标，代码里就是一句 agent.act，目标是“生成上个月的活动报告”。Agent 自己判断该选月份、填日期还是点预设。前端换组件库、改按钮文案，用例不用跟着重写。绑 test-id 的测试一改版就红，维护成本最后可能比写测试还高。

2. 等业务状态，别用固定 sleep

固定 sleep 是 CI 里的慢性病。五秒等待能让本机通过，也让每次成功运行都多花五秒。报表生成时间随数据量和服务器负载变化，Kacper 的做法是用带超时上限的 agent.waitFor，等“上个月活动报表已经可以查看”这种强业务状态。Loading 消失是弱信号，只能说明某个 UI 元素没了。有网友补了一句：动态等待必须绑定业务状态的可观测来源，否则“等报表打开”和固定 sleep 只是换一种猜法。

3. 用后端 API 当真值源，再让独立 Judge 对账

执行 Agent 说“点击完成”不算验收。报表可能空数据，也可能串了别的 workspace 的数据。更不能让大模型盲猜什么才是正确画面。Kacper 的流程是先从后端 API 查出真实任务列表，把它作为唯一真值源，再调用独立的 AI Judge，把屏幕渲染明细和 API 底账逐条比对。有网友在回复里补了一个关键点：CSV 这类结果可以再加一道确定性检查，列名、行数、金额直接用代码对账，AI Judge 留给布局和交互语义。能少一层“模型判断模型”就少一层。

4. 测试之间别互相依赖

报表测试不该等“完成任务”测试先跑。单独跑、重试、并发跑，数据就可能消失。Kacper 建议开跑前通过可复用的 Fixture 调接口，独立构造专属工作区和测试数据，跑完在 afterEach 或 afterAll 里清理还原。每个测试自己安排状态，重试和并发才能幂等。共享代码可以留，但别把顺序依赖包装成复用。

5. 拆原子测试，把失败轨迹打包

“生成报表，下载 CSV，发邮件”是三个动作，拆成命名清晰的独立测试。失败时，e2e 会打包故障追踪轨迹，覆盖前置步骤、应用日志、Agent 推理上下文和屏幕快照。人类能快速定位，也能直接喂给 Coding Agent 修 Bug。它不保证完美复现，也不保证直接指出应用代码哪一行坏了，但比一句“something went wrong”强太多。

有网友在回复里泼了点冷水：软件最后还是给人用的，AI 全自动 E2E 顶多做一个大概的排雷，有些场景效果还是一般。这话不讨喜，但值得放进验收清单。Agent 能降低操作成本，不能替你定义正确。先挑一个团队反复重跑的用例，按这五条改。然后故意弄坏一个流程，看测试能不能抓住。

传送门：5 Tips for Writing Good Agentic Tests with e2e