北京慧测&杭州但问智能独创课程：以下是企业最需要的项目和技术，也是但问智能本期课程的重点内容，耐心看完，薪资轻松多要5K以上。

普通测试工程师简历：

●熟练使用 JMeter、Postman

●编写测试用例，执行测试

●使用 Selenium 做 UI 自动化

学完这些技术的简历：

●✅ 独立设计 AI 智能体系统，掌握 DeepAgents + LangGraph 核心技术

●✅ 实现 7 个生产级测试智能体，覆盖接口/Web/性能/数据分析/缺陷分析

●✅ 深入理解 MCP 协议，能开发自定义工具服务器和 Tool Registry

●✅ 掌握 Skills 技能体系 设计，实现知识模块化与按需加载

●✅ 具备 从 0 到 1 构建 AI 测试平台 的完整经验

●✅ 熟练使用OpenClaw、AI 编程工具，提升开发效率 10 倍以上

北京慧测&杭州但问智能平台架构全景图

多智能体系统深度解析

1️⃣ 北京慧测&杭州但问智能接口自动化智能体 —— 场景编排专家

🎯 解决什么痛点？

💡 核心技术亮点

🔥 场景编排引擎

# 业务流示例：电商下单完整流程

用户登录 → 创建订单 → 支付 → 查询订单状态

   ↓          ↓         ↓          ↓

提取token   提取orderId  验证状态   断言结果

   ↘          ↙         ↘          ↙

    自动数据传递 & 跨接口状态管理

🔄 数据依赖传递系统

 📊 技术指标

● ✅ 支持 JSONPath 数据提取

● ✅ 支持 变量模板{{variable}} 替换

● ✅ 支持 转换表达式'Bearer ' + value

● ✅ 支持 断言链 多层级验证

2️⃣ 北京慧测&杭州但问智能UI 测试智能体 —— 定位器自愈大师

🎯 解决什么痛点？

传统 UI 自动化：页面一改 → 定位器失效 → 脚本崩溃 → 人工修复 → 重新调试

                     ↑_____________________________________________|

                                      恶性循环

我们的解决方案：定位器失效 → AI 自动识别 → 多策略修复 → 测试继续

                              ↓

                    3 次自动重试 + 截图对比 + 智能重定位

💡 核心技术亮点

🔥 TestAgents MCP 实时浏览器控制

🔥 定位器自愈系统（3 级修复策略）

🛡️ 工具错误隔离机制

# 传统方式：一个工具失败，整个 Agent 崩溃

# 我们的解决方案：错误隔离，智能降级

@tool_error_handler

async def browser_click(selector):

    try:

        return await page.click(selector)

    except ElementNotFound:

        # 不中断流程，返回结构化错误

        return {

            "success": False,

            "error_type": "LOCATOR_FAILED",

            "suggestions": generate_alternatives(selector)

        }

3️⃣ 北京慧测&杭州但问智能Chrome 智能体 —— 全链路监控专家

🎯 为什么需要它？

普通 Web 测试：只验证页面显示 ✅

Chrome 智能体：同时监控网络请求 ✅

                    分析前端性能 ✅

                    验证 API 响应 ✅

                    捕获控制台日志 ✅

💡 核心技术亮点

🔥 Just-Chrome-MCP 深度集成

🔥 双模式网络监控

📊 典型应用场景

场景: 用户下单流程验证

步骤:

  1. 导航到商品页面

  2. 点击"立即购买"

  3. 填写订单信息

  4. 提交订单

验证点:

  UI: 页面跳转正确，提示信息准确

  API: 

    - 创建订单接口返回 201

    - 订单状态为 "pending"

    - 响应时间 < 500ms

  数据:

    - 数据库订单表新增记录

    - 库存扣减正确

4️⃣ 北京慧测&杭州但问智能用例生成智能体 —— 需求理解专家

🎯 解决什么痛点？

传统方式：

需求文档 100 页 → 人工阅读 2 天 → 编写用例 3 天 → 评审修改 1 天

                              ↓

                        人力成本高，质量不稳定

我们的解决方案：

需求文档 100 页 → AI 解析 5 分钟 → 生成用例 10 分钟 → 人工确认 20 分钟

                              ↓

                        效率提升 10 倍，质量标准化

💡 核心技术亮点

🔥JustAskLLM 智能文档解析

🔥 RAG 增强生成（SSE 实时检索）

# 生成流程

用户输入需求名称

    ↓

RAG 检索（SSE 实时流）

    ├── 历史相似需求

    ├── 业务规则文档

    ├── 接口定义

    └── 缺陷记录

    ↓

LLM 融合生成

    ├── 测试点提取

    ├── 边界值分析

    └── 异常场景设计

    ↓

双格式输出

    ├── 标准用例（步骤+预期）

    └── BDD 用例（Given/When/Then）

📊 输出示例

5️⃣ 北京慧测&杭州但问智能性能测试智能体 —— 压测编排专家

🎯 解决什么痛点？

传统性能测试：

JMeter 配置复杂 → 脚本编写费时 → 结果分析困难 → 瓶颈定位模糊

我们的解决方案：

自然语言描述场景 → AI 生成配置 → 自动执行 → 智能分析报告

💡 核心技术亮点

🔥 Artillery.io 现代压测引擎

# AI 生成的压测配置示例

config:

  target: 'https://api.example.com'

  phases:

    # 渐进式预热（避免冷启动）

    - duration: 120

      arrivalRate: 10

      name: "Warm up"

    # 正常负载

    - duration: 300

      arrivalRate: 50

      name: "Normal load"

    # 峰值冲击

    - duration: 60

      arrivalRate: 200

      name: "Peak spike"

    # 逐步降载

    - duration: 120

      arrivalRate: 20

      name: "Cool down"

scenarios:

  - name: "用户下单流程"

    weight: 70

    flow:

      - post:

          url: "/orders"

          json:

            productId: "{{ $randomProductId }}"

            quantity: "{{ $randomInt(1, 5) }}"

      - think: 2

      - get:

          url: "/orders/{{ orderId }}"

🔥 多维度性能分析

6️⃣ 北京慧测&杭州但问智能Text2SQL 智能体 —— 数据洞察专家

🎯 解决什么痛点？

测试经理："我想知道最近一周哪些接口的失败率最高"

数据分析师："给我 2 天，我写 SQL 查一下"

我们的解决方案：

测试经理 → AI 智能体 → 20 秒后得到答案 + 可视化图表

💡 核心技术亮点

🔥 Schema 自动理解

🔥 查询意图理解

7️⃣ 北京慧测&杭州但问智能缺陷分析智能体 —— 质量洞察专家

🎯 解决什么痛点？

传统方式：

缺陷记录 1000+ 条 → 人工分类统计 → 制作报表 → 发现规律

                         ↓

                    耗时长，容易遗漏关联性

我们的解决方案：

缺陷数据 → AI 自动聚类分析 → 识别高频模式 → 预测风险区域

                ↓

         发现人眼看不到的关联规律

💡 核心技术亮点

🔥 缺陷智能聚类分析

 📊 分析维度

Skills 技能体系 —— 智能体的"专业知识库"

🎯 什么是 Skills？

传统 Agent：所有知识写在 Prompt 里

           ↓

    Token 消耗大，上下文易超限

我们的解决方案：

    按需加载，分层存储

           ↓

    节省 Token，知识结构化

💡 Skills 技术架构

🔥 核心 Skills 详解

healer skill —— 自动修复专家

能力矩阵:

  错误类型识别:

    - 401/403: 认证失败 → Token 刷新策略

    - 404: 端点变更 → URL 自动更新

    - 断言失败: 响应结构变化 → 动态适配

    - 超时: 网络延迟 → 重试机制

  修复策略:

    - L1: 配置更新（Base URL、Token）

    - L2: 选择器重定位

    - L3: 断言动态化

    - L4: 测试数据更新

  工作流程:

    1. 执行测试 → 识别失败

    2. 错误分类 → 匹配策略

    3. 生成修复 → 应用修改

    4. 重新执行 → 验证结果

    5. 保存修复 → 更新脚本

explorer skill —— 页面探索专家

探索能力:

  结构分析:

    - DOM 树解析

    - 交互元素识别

    - 表单字段提取

    - 导航链路映射

  动态行为:

    - 事件监听器检测

    - AJAX 请求监控

    - 状态变化追踪

    - 异步加载识别

  输出格式:

    - 元素定位器推荐（按稳定性排序）

    - 测试场景建议

    - 高风险区域标注

MCP 工具生态 —— 标准化工具接入

💡 MCP 技术亮点

🔥 Tool Registry 工具注册中心

// 自动发现与注册

class ToolRegistry {

  // 递归扫描工具目录

  async discoverTools(toolsDir) {

    const tools = await this._scanDirectory(toolsDir);

    for (const tool of tools) {

      await this.registerTool(tool);

    }

  }

  // 特性开关控制

  _applyFeatureFlags() {

    const enabledTools = this.tools.filter(tool => 

      this.config.isFeatureEnabled(tool.category)

    );

    return enabledTools;

  }

  // 统一执行接口

  async executeTool(name, parameters) {

    const tool = this.getTool(name);

    return await tool.run(parameters);

  }

}

🔥 多传输协议支持

📊 MCP 工具矩阵

北京慧测&杭州但问智能ClawTest —— 软件测试领域的万能 AI 助手框架

本期实现部分功能、

🎯 受 OpenClaw 启发，专为测试领域打造

OpenClaw（https://github.com/openclaw/openclaw）是一个开源的个人 AI 助手框架，支持多渠道接入（钉钉、飞书等）。北京慧测&杭州但问智能从中汲取灵感，打造了 ClawTest —— 一个专为软件测试领域设计的万能 AI 助手框架。

💡 核心理念

通用框架 + 领域插件 + 多渠道接入 = 测试人员的随身 AI 助手

ClawTest 让每个人都能用配置文件 + 自然语言，快速构建自己的测试智能体

架构设计

测试生态全覆盖

技术栈全景