18｜Agent 在测试领域有哪些探索？你怎么看自动化闭环？

开场先划清对话式 AI 和 Agent 的界线：前面的用例生成、日志分析都是「人提问模型回答」的单轮工具；Agent 是「给目标，它自己规划和执行多步」（感知、决策、调用工具、根据结果调整下一步）。

回答思路

第一步：测试场景的 Agent 探索按成熟度报

档位	探索	状态
相对落地（单点 Agent）	失败用例自动修复（分析原因——定位变了就改定位器、是环境就重试，改完跑验证再提 PR 给人审）、测试数据自愈、bug 单自动补全	有真实案例
探索期（流程级 Agent）	给它一个需求，自己完成「读需求、生成用例、评审修改、生成脚本、执行、出报告」全链路	各家在试，没有敢全自动上生产的

第二步：讲 Agent 落地的三道坎

1. 可靠性：多步任务一步错全链错——错误率随步数指数放大
2. 权限：自动改代码改环境需要权限，错了破坏大
3. 验证：怎么证明它做得对

三道坎里「人审关卡」是当前所有落地方案的标配——全自动是愿景不是现状。这个清醒认知是 2026 年面试最重要的判断力。

第三步：给自己的实践或观点

• 做过：讲单点 Agent 的实践（自动修 flaky 用例的尝试和效果）
• 没做过就讲判断：先从「人机协作的半自动」拿收益（Agent 干活，人审关键步），能力验证了再逐步放权——渐进式路线

收尾：回扣测试本行

Agent 的验证问题本质是个测试问题（怎么给 AI 行为做质量保障）——测试工程师做 Agent 是「用测试思维造工具」。这是合集一（测 AI）和本篇（用 AI）的交汇点，能看到这层的人不多。

考察重点

维度	说明
企业动机	Agent 是 2026 年企业 AI 落地的最热方向——企业都在探索又都没把握，这题的答案直接决定面试官对技术前瞻性的评分
过线标准	Agent 和单轮工具的界线 + 三道坎的认知
区分度	能分「单点 Agent 落地」和「流程级探索」两档的、能讲渐进放权路线的是有判断的；宣称「Agent 马上全自动替代测试」的是跟风言论
加分项	用测试思维给 Agent 做质量保障的交汇视角
减分项	把 Agent 当万能词用（什么都是 Agent），概念空洞

来源

整理自知识星球帖《面试情报 06｜AI 测试提效 20 题》，返回题库。