返回探索
指南VibeFix 内容整理更新于 2026年11月11日

别只在本地点一点就上线:vibe 项目的端到端测试实战

单元测试全绿,上线当天照样翻车——因为没人把整条路走一遍。这篇讲最值得自动化的五条关键路径、Playwright 最小骨架、抖动用例的两大病根、进 CI 的做法和 12 项上线检查。

一位程序员坐在 iMac 前写代码,屏幕上开着编辑器与单元测试

阿潮做了一个待办应用“潮汐待办”——本文的示例产品与人物均为虚构,数字均为虚构示例或本文推荐值,不是实测数据。第一版上线那天,他在自己电脑上点了一遍:注册能进、建待办能存、付款能跳支付宝,一切正常。三个小时后,用户在群里贴图:注册后点“创建第一个待办”,按钮转了半天圈,什么都没发生;另一个用户说,付了钱,页面还停在“等待支付结果”,刷新之后才变成付费版。

阿潮本地复现不出来。他的电脑上有缓存、有登录态、有之前跑通的数据,页面当然一切正常。问题只在干净的环境里出现:新用户、空账号、第一次走完整条路。单元测试全绿,照样挡不住这种 bug——单元测试测的是一个函数对不对,端到端测试测的是一条路通不通。vibe coding 最容易翻车的地方,恰恰是这条路:AI 一次性把注册、建数据、付款、邀请全写完了,每一段单独看都没问题,合起来走一遍才发现中间断了。

一位程序员坐在 iMac 前写代码,屏幕上开着编辑器与单元测试

一、端到端测试到底在测什么

端到端测试就是:打开一个干净的浏览器,像真实用户一样,从头到尾走一遍,断言每一步该出现的东西出现了。注册、登录、建一条数据、付一次款、邀请一个人——这些动作连起来,才是用户眼里的产品。一个按钮的点击事件测过了,不等于点完按钮之后页面真的跳对了地方;接口返回 200,不等于前端真的把结果画出来了。

它和另外几种测试的分工要先划清。单元测试管函数和组件,跑得快、数量多,是第一道防线;集成测试管模块之间怎么接,比如前端调后端接口、后端写数据库;视觉回归管页面长得对不对,之前站内已经有专门的视觉回归指南;压测管人多的时候撑不撑得住,也有专门的压测指南。这篇只讲一条:关键路径在真实浏览器里能不能从头走到尾。分工不清就会写错地方:拿端到端去测表单校验的每一种边界,是浪费;拿单元测试去证明“用户能付上款”,是测不到。

对独立开发者来说,端到端测试的价值不在“覆盖率数字好看”,而在“上线前有人替你走一遍最值钱的那几条路”。你只有一个人,没有测试团队,也没有时间把全站每个角落都自动化。正确的做法是反过来的:只测最值钱的路,测到能每次发布前跑一遍、跑完敢点上线按钮为止。

不过也要先说清楚它干不了的三件事,免得期望错了地方。第一,它抓不住逻辑算错:价格算错、折扣叠加错、积分扣错,这些是单元测试和集成测试的活儿,别指望端到端去算账。第二,它跑得慢,一条路几十秒,全套几分钟,不适合在写代码的过程中反复跑——写代码的时候靠单元测试,发布之前才靠端到端。第三,它证明不了“页面好看”,布局歪了、颜色错了、手机上排版乱了,这些要靠眼睛和视觉回归,端到端只认元素在不在、能不能点。一个工具只干一件事,干好了就值回票价;指望它什么都干,最后是什么都干不好。

二、先写哪五条路:关键路径清单

别从“登录”这种最好写的开始,先从“坏了最疼的”开始排。一个待办应用,坏了最疼的路只有五条,本文的示例流程按这个顺序写:第一条,注册并激活:从打开首页、填邮箱密码、点注册,到收到激活、进到空白首页,全程 6 步,5 个断言。第二条,创建第一条待办:新建、输入标题、保存、在列表里看到它、刷新之后还在,全程 5 步,4 个断言。第三条,升级到付费版:点升级、选套餐、走支付、回到应用、看到付费标识,全程 7 步,6 个断言。第四条,重置密码:点忘记密码、收邮件、点链接、设新密码、用新密码登录,全程 5 步,4 个断言。第五条,邀请队友协作:发出邀请、对方接受、看到共享清单、一起改一条待办,全程 6 步,5 个断言。

这五条路有一个共同点:每一条都跨了至少两个环节。注册跨了前端、邮件和数据库;付费跨了前端、支付方和订单状态;邀请跨了两个账号。跨环节的地方,就是 AI 生成代码最容易断的地方:前端以为后端返回了这个字段,后端以为前端不需要那个字段,两边各写各的,单测全绿,合起来就断。只测单环节的用例,测不出这种断法。

五条之外,先别贪多。设置页、换头像、改昵称、导出数据,这些坏了用户骂两句就过去了,不值得第一批自动化。等五条全绿、跑顺了,再按“上周用户投诉了什么”的顺序往里加。判断一条路值不值得写自动化,有个土办法:想象这条路今晚坏了,你会不会半夜爬起来修。会,就写;不会,就先放着。

五条关键路径的步骤数:注册并激活 6 步,创建第一条待办 5 步,升级到付费版 7 步,重置密码 5 步,邀请队友协作 6 步

三、一个最小骨架:从零到第一条能跑的用例

工具选 Playwright,理由只有一个:一个工具同时管 Chromium、Firefox 和 WebKit,录制、截图、追踪、视频全在里面,不用再拼一堆插件。先别管配置大全,第一天只做四件事:装好、跑通官方示例、把第一条路写成用例、让它在命令行里变绿。骨架越小越好,小到你一眼能看完:

import { test, expect } from '@playwright/test';

test('注册并激活', async ({ page }) => {
  await page.goto('https://example.com/signup');
  await page.getByLabel('邮箱').fill('test-user@example.com');
  await page.getByLabel('密码').fill('Test123456');
  await page.getByRole('button', { name: '注册' }).click();
  await expect(page.getByText('请去邮箱激活')).toBeVisible();
});

注意这个例子里的三个习惯,都是后面少踩坑的关键。第一,用 getByLabel 和 getByRole 找元素,不用 CSS 类名和层级选择器——类名是样式的,随时会改;角色和标签是语义的,改起来要慎重得多。第二,每个动作后面只断言用户能看见的东西:文案出现了、按钮能点了、列表里多了一行。别断言接口返回了什么、数据库里写了什么,那是集成测试的活儿,端到端只认屏幕。第三,一个用例只走一条路,别在一个用例里既注册又付费又邀请,中间一步断了,整个用例的报错都读不懂。

第一条用例跑绿之后,再写第二条,复制这个骨架改动作和断言就行。五条全部跑绿,全套控制在 10 分钟以内,单条不超过 90 秒。超了就说明用例里塞了太多步骤,或者等的地方太多,拆一拆再说。全套 10 分钟是个硬上限:超过这个数,你就不会在每次发布前都跑它,而一个发布前不跑的测试,等于没有。

四、定位器与等待:抖动用例的两大病根

端到端测试最常见的死法不是写不出来,是写出来之后时绿时红,没人敢信。根源基本只有两个:定位器太脆弱,等法太粗暴。定位器脆弱的意思是,用了随时会变的东西找元素:nth-child(3)、.css-1a2b3c、div 下面第三个 span。前端改一次样式,用例就得跟着改,改三次之后你就再也不想维护它了。解法是按优先级选定位器:先 getByRole,再 getByLabel,再 getByText,最后才是 test-id。test-id 是给实在找不到语义钩子的元素准备的逃生口,不是默认写法——满屏 test-id 的用例,读起来和看天书没区别。

等待粗暴的意思是,到处写固定等待:等 3 秒、等 5 秒,等完再断言。网络快的时候白白浪费时间,网络慢的时候照样失败。正确的做法是让断言自己等:expect(locator).toBeVisible() 本身就会一直等到元素出现或者超时,不需要你在前面加任何等待。唯一可以写固定等待的地方,是你要等的那个东西根本不在页面上——比如等一封邮件到达、等一个定时任务跑完——而且这种等待要写清楚上限和轮询间隔,别写死一个 30 秒在那儿空转。还有一条铁律:重试只在 CI 里开 1 次,本地永远不重试。本地重试通过的用例,是在骗你;CI 里重试 1 次,是给真实网络抖动留的余地,超过 1 次就是在掩盖问题。

举个具体的例子就明白了。抖动的写法是:点完“创建待办”,睡 3 秒,再断言列表里多了一行——网速一慢,3 秒不够,断言失败;网速一快,3 秒白等,全套时间越涨越长。稳定的写法是:点完之后直接断言“包含刚才标题的那一行可见”,断言内部会一直等到它出现,最多等 5 秒,出现了立刻往下走。这样写还有一个好处:报错信息直接告诉你是哪一步没等到,而不是一句“列表数量不对”,定位快得多。定位器也一样:用 getByRole('button', { name: '创建待办' }) 找按钮,前端把按钮从蓝色改成橙色、从圆角改成方角,用例一点感觉都没有;用 .btn-primary:nth-child(2) 找,样式一改就得跟着改。判断定位器稳不稳,有个简单的标准:设计师改一次样式,你的用例要不要跟着改。要,就说明定位器绑错了东西。

五、测试数据与环境:别让测试互相踩脚

端到端用例最容易互相干扰:两个用例同时注册了同一个邮箱,第二个就失败;一个用例删了共享清单,另一个用例接着就找不到数据。解法是每个用例自己造数据、自己清数据。邮箱用时间戳拼出来,比如 test-1730000000@example.com,保证每次运行都是新的;跑完之后调删除接口或者直接清掉这条测试数据,别留在库里。千万别共用一个“测试账号”让所有用例轮流登录——那个账号的状态一变,全套用例跟着全红,你连从哪儿开始查都不知道。

环境也要分开:测试跑在专门的测试环境,别直接对着生产跑。测试环境的数据可以随便造、随便删,生产不行。测试环境要和生产保持同一份部署流程:同一份代码、同一套迁移、同一批环境变量,只是数据库和第三方 key 不同。只在测试环境跑通、生产用另一套手工流程的项目,测试通过也证明不了生产能跑。另外,支付这类第三方环节,在测试环境里走沙箱或者 mock,不要真扣钱;但至少留一条用例,在发布前手动走一次真实支付——沙箱测的是流程,真实支付测的是收款本身,两件事不能互相代替。

种子数据是另一块容易被忽视的地基。测试环境里至少要有一套固定的种子数据:一个已经激活的账号、一条已经建好的清单、一个已经付费的账号。很多用例不需要从注册开始走,它们可以直接登录种子账号、从中间开始测。种子数据要写在代码里,用脚本一键重建,环境一乱就重建,别靠人工在界面上点出来。还有一条:种子数据和用例新造的数据要分得清清楚楚,名字上就区分开,比如种子账号叫 seed-user,测试新造的叫 test-加时间戳。混在一起,删数据的时候一不小心把种子删了,全套用例第二天全红,你还以为是产品坏了。

六、进 CI:让失败自己说话

测试写完了不进 CI,等于写在纸上。做法是:每次提 PR,自动跑全套五条路;全绿才能合,全红直接拦住。跑起来之后,最重要的不是“绿了没有”,而是“红了之后能不能在 5 分钟内看懂为什么红”。所以失败时的现场证据要留全:失败那一步的截图、控制台报错、网络请求的失败记录,Playwright 的 trace 更好,打开就能一帧一帧回放当时发生了什么。证据只在失败时保留,通过的用例不留视频、不留截图——全留下来,CI 的存储和时间全会被吃光。

还有一个容易被忽略的点:CI 里跑浏览器的环境要和本地一致。本地跑得好好的,CI 里全红,十有八九是环境差了东西:少装了浏览器依赖、字体不一样、时区不一样。解法是直接用 Playwright 官方的 Docker 镜像或者 GitHub Action 的官方配置,别自己攒一套。环境一致,抖动就少一半。最后,把测试的运行时间也当成指标:全套从 10 分钟慢慢涨到 25 分钟,说明有人在往用例里塞步骤,该拆了;突然从 10 分钟掉到 2 分钟,说明有一半用例被跳过了,该查了。

读失败报告也有个顺序,别从最后一行开始看。先看第一个红的用例,再看它是在哪一步断的,最后才去看截图和 trace。五个用例里四个红了,通常不是四个 bug,而是一个 bug:注册挂了,后面依赖登录的四个全跟着挂。先修第一个,修完重跑一遍,剩下的可能自己就绿了。反过来,一个一个截图翻过去,半小时就没了。还有一个习惯很值钱:每次修完一个真 bug,把“当时是怎么发现的”写进用例里——比如那次是支付成功后页面没刷新,就补一个“支付成功后付费标识可见”的断言。套件就是这样一条一条长出来的,不是一天写完的。

七、每周 30 分钟的维护账

端到端测试不是写完就完事的东西,页面一改,用例就得跟着改。这笔维护账要先算清楚,再决定写多少。每周留 30 分钟,专门干三件事:第一,修本周变红的用例,先看是产品真坏了还是用例过时了——产品真坏了,修产品;用例过时了,修用例,别为了让它变绿去改断言。第二,删掉已经没用的用例:功能下线了,对应的用例要一起下线,留着它只会每天多一个误报。第三,把本周用户投诉过的那条路补进来:如果投诉的路已经有自动化,说明断言不够,补一个断言;如果还没有,排进下一批。

维护不下去的端到端套件,通常不是写得太多,而是写得太细。断言写到“按钮的颜色是橙色”“列表第二行的字是 14 号”,这种用例产品一改版就全红,修起来比写还累。断言只写用户在乎的事:东西出现了、能点了、数对了、钱收到了。样式交给视觉回归,数字交给单元测试,端到端只管路通不通。路通的标准越粗,套件活得越久。

如果有一天你发现,每周 30 分钟根本不够,红的用例越修越多,先别急着加时间,先停下来数一数:红的里面有几个是产品真坏了,有几个是定位器又绑错了东西,有几个是步骤写得太长、中间一步抖一下全盘皆输。如果大部分是后两种,说明骨架要返工:把共用的登录、建数据抽成前置步骤,把超长的用例拆成两条短的,把定位器按角色重写一遍。返工一次顶得上修十次。最怕的是不敢返工,套件越修越烂,最后没人敢跑、没人敢信,等于回到没有测试的那天——而那一天你本来是有五条路能走的。

八、上线前的 12 项检查

发版之前,把下面这 12 项过一遍,全部打勾再点上线。第一,五条关键路径在测试环境全绿。第二,全套用时不超过 10 分钟,单条不超过 90 秒。第三,没有用例依赖固定等待超过 5 秒。第四,没有两个用例共用同一个测试账号。第五,测试数据每次运行都是新造的,跑完能清掉。第六,支付走沙箱,发布前手动走一次真实支付。第七,失败时有截图和 trace,能在 5 分钟内定位原因。第八,CI 里失败会拦住合并,不是只发个通知。第九,重试只在 CI 开 1 次,本地不重试。第十,测试环境和生产是同一套部署流程。第十一,本周下线的功能,对应的用例也一起删了。第十二,有一个人——就是你自己——每周花 30 分钟维护这套用例,写在日程里,不是想起来才做。

最后说一句大实话:端到端测试救不了写得一塌糊涂的产品,它只能保证“最值钱的五条路是通的”。五条路全绿,你上线那天晚上能睡着觉;五条路之外的地方出问题,用户骂两句,你第二天修。这就是它全部的意义,也是它值得每周 30 分钟的原因。

阅读 5评论 0

评论 (0)

ME
0/1000
评论加载中...
浏览项目广场发布你的项目

相关文章

一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带损失曲线、混淆矩阵与流水线图的机器学习仪表盘
资讯
一个 bug 难不倒它,五十个就全军覆没:BuggyMLE 把编程智能体的遮羞布扯下来了

2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。

行业趋势测试与质量AI 编程实践
一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带绿色对勾与柱状图的测试仪表盘,桌上有台灯和马克杯
资讯
你的智能体到底变好还是变坏了:AWS 开源 UAEF,给所有框架的智能体用同一把尺子量

2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。

开发工作流产品发布测试与质量
真实照片:一排浅灰色金属档案柜,其中一个抽屉拉开,露出里面一排排悬挂的文件夹
指南
浏览器里也能用数据库:IndexedDB 本地存取实战指南

localStorage 只能存字符串、没有索引。IndexedDB 是浏览器里真正的数据库:能存结构化数据、容量大得多、能建索引、能用事务。本文按 MDN 的《Using IndexedDB》《IDBDatabase》《IDBObjectStore》三篇官方文档讲清楚:五步套路、开库、升级、主键、索引、事务、add 与 put、get、游标、范围与多标签页升级。

工具技巧数据工作流前端工程