知识分享
技术文章、实战教程、经验心得
LLM 驱动的自动化测试系列（10）：自愈定位——当启发式打分撞上语义理解的天花板
Healenium 是自愈定位领域最老牌的开源项目，README 宣称'leverages machine learning'，但直接读代码发现核心机制是一套基于 DOM 树相似度的加权打分公式，权重和阈值都是硬编码常量，跟机器学习没有关系；更值得注意的是它 2026 年新增了一个 AI 生成 XPath 的接口，但代码里直接写着'必须是付费的 hlm-ai 服务'。这篇先拆穿 Healenium 的打分公式到底怎么算，再看 MarketSquare/robotframework-selfhealing-agents 这个真正基于 LLM 的自愈项目怎么设计多智能体架构，最后回答规划里提的问题：自愈成功率和误判率的权衡，到底卡在哪。
LLM 驱动的自动化测试系列（09）：移动端自动化（五）——当通用 Agent 框架下沉到测试场景
MetaGPT 是一个'多智能体软件公司'框架，主打需求分析、代码生成这类通用软件工程场景，但它内置了一个 Android 测试 demo。直接读代码会发现规划文档里的一个预设是错的：这个 demo 没有复用 MetaGPT 通常宣传的产品经理/工程师/QA 角色分工，而是只有一个自定义 Role，复用的是 Team/Environment/Role/Action 这套更底层的调度骨架；更关键的是，README 里明确写着它'借鉴了 AppAgent 的思路和代码'——这篇拆解这个通用框架到底继承了 AppAgent 的哪些设计、复用通用骨架换来了什么、又付出了什么代价。
LLM 驱动的自动化测试系列（08）：移动端自动化（四）——AppAgent：解析树与视觉特征的结合
AppAgent 是腾讯开源的 CHI 2025 论文项目，跟前几篇纯视觉（ARTEMIS/Mobilerun）或纯坐标（Mobile-Agent-v3）的方案不同：它用无障碍树给截图上的元素画数字标签，模型只需要挑一个数字——'解析树'和'视觉'其实不是两个独立感知通道，而是结构信息负责标注位置，视觉模型负责决策。这篇拆解它自主探索阶段怎么靠反思四分类（BACK/INEFFECTIVE/CONTINUE/SUCCESS）自己攒文档，网格兜底机制在解析树失效时怎么退化，也如实指出网格兜底路径里一个真实存在的坐标换算 bug。
LLM 驱动的自动化测试系列（07）：移动端自动化（三）——Mobile-Agent-v3 与自研 GUI-Owl 模型路线
Mobile-Agent-v3 是阿里通义实验室（Tongyi Lab）基于自研 GUI-Owl 模型打造的多智能体框架，跟前两篇依赖通用 VLM（Gemini/GPT/Claude）做感知的 ARTEMIS、Mobilerun 走的是完全不同的路：自己训练一个专门做 GUI grounding 的模型，让它输出'绝对像素坐标'而不用再猜。这篇拆解它 Manager/Executor/ActionReflector/Notetaker 四角色的具体分工、'连续两次失败才升级给 Manager'的容错阈值设计，也如实指出代码里一个真实存在的 HarmonyOS 输入 bug。
LLM 驱动的自动化测试系列（06）：移动端自动化（二）——DroidRun/Mobilerun 的角色级模型拆分
DroidRun（现更名为 Mobilerun）用统一的设备驱动抽象把 Android 和 iOS 塞进同一套工具接口，但它跟上一篇的 ARTEMIS 走的是完全不同的路：不是'任务级'选择 Flash 还是 Pro，而是'角色级'——Manager、Executor、FastAgent 三个角色分别配模型、配温度。这篇拆解它的多智能体工作流、Portal 无障碍服务、App Card 机制，也如实指出它那块'91.4%'的 benchmark 徽章在仓库里其实找不到任何本地可考证的说明。
LLM 自动化测试系列（05）：移动端自动化（一）——ARTEMIS 的双模式架构拆解
Google 开源的 ARTEMIS 让 AI 助手和测试套件像人一样操作真机。这篇先讲清楚它是什么、特色在哪，再深挖 Flash/Pro 双模式的图结构、'verify vs assert'的语法级区分、两层预执行安全网，以及最容易被忽略的一点——它给'元素定位'单独配了一个 Google 自研的具身推理模型 Gemini Robotics-ER，而不是让通用 VLM 顺手做定位。这些技术点跟它宣称的 AndroidWorld 99%+ 到底是什么因果关系，这篇尽量说清楚。
LLM 自动化测试系列（04）：Web UI 自动化——Midscene 的视觉驱动脚本化
字节跳动开源的 Midscene 走的是纯视觉定位路线：不写 selector，直接把截图交给视觉模型，用自然语言描述'点击提交按钮'。这篇拆解它的三种模型角色分工（Default/Planning/Insight）、aiAct 的重规划循环、规划缓存与定位缓存各自的失效判定逻辑，以及跟 Stagehand 这类基于 DOM/无障碍树的方案比，鲁棒性和成本的权衡到底在哪。
LLM 自动化测试系列（03）：单元测试生成——TestGen-LLM 与 Qodo Cover
让 LLM '随便写点测试'，产出的往往是编译不过、断言写死 true、或者根本不提升覆盖率的垃圾测试。Meta 的 TestGen-LLM 论文给出的解法不是让模型变聪明，而是用一套机械化的过滤器把不合格的产出全部筛掉。这篇拆解这套过滤器的具体设计，以及它的开源实现 Qodo Cover 怎么把这套思路落地成可跑的 CLI 工具。
LLM 自动化测试系列（02）：统一技术底座——视觉定位 / DOM 语义化 / Computer Use
同一个'找到提交按钮'的任务，不同的开源项目给出了三种完全不同的技术路线：专用视觉定位模型、DOM/无障碍树结构化理解、纯坐标点击的 Computer Use。这篇建立全系列复用的概念词汇表，讲清楚三条路线各自的原理、取舍，以及 ScreenSpot / ScreenSpot-Pro / OSWorld 这些 benchmark 到底在测什么。
LLM 自动化测试系列（01）：为什么测试是 LLM 落地的新战场
传统自动化测试有三个老问题：脆弱定位、oracle 问题、维护成本，而且这三者会互相加剧。这篇是系列开篇，讲清楚这三个问题的本质，以及为什么测试恰好是 LLM Agent 落地里少见的'有明确对错标准'的场景。后续 13 篇会逐一拆解代表性开源项目的具体解法。
一天一个开源项目（第223篇）：TeamAI-CLI —— 腾讯开源的团队级 AI Agent 中间层，让每个人的 AI 能力变成团队共享能力
TeamAI-CLI 是腾讯开源的团队协作中间层工具，不是又一个 AI 编程助手，而是让 Claude Code、Codex、Cursor 等已安装的 AI 工具共享技能、规则、知识库的元管理系统。通过 push/pull 流程同步团队规范，配合代码知识图谱和"摩擦度"驱动的经验沉淀机制，把个人的 AI 使用经验转化为团队共享资产。4.8k Stars，MIT 协议。
一天一个开源项目（第224篇）：ARTEMIS —— 谷歌开源的移动端 AI 自动化框架，让 AI 助手像人一样操作手机
ARTEMIS 是 Google 开源的 Android 自动化框架，把自然语言指令转化为可靠的移动端自动化操作。提供 Flash（快速反应式）和 Pro（多智能体规划验证）两种执行模式，通过 MCP 协议与 Claude Code、Antigravity、Codex 等 AI IDE 原生集成，在 AndroidWorld 基准测试中达到 99%+ 任务完成率。8.1k Stars，Apache-2.0。