软件团队正比以往任何时候更快地采用 AI 代理来编写、运行和修复测试。突破点通常不在于模型本身。ChatGPT 和 Cursor 可能共享相同的底层智能，但前者给人的感觉像是一个复制粘贴助手，而后者则像是一位能够编辑文件、执行命令并持续迭代直至任务完成的队友。差异在于代理框架（agent harness）：这是一层编排层，它将模型与指令、工具、上下文和护栏相结合，使原始推理转化为可靠的操作。在测试自动化领域，这一差距尤为重要。一个失败的测试场景可能产生数千行 Playwright 输出，涉及页面对象、步骤定义、测试数据和多个环境。若将所有内容一次性投入单个长对话中，模型响应会变慢，成本上升，且决策噪声增加。设计良好的代理框架将模型视为规划者，而非垃圾车。它会对代码库建立索引，使代理能够提出结构性问题，而非读取整个文件。它将测试执行和文件生成委托给更小、更隔离的 worker，这些 worker 返回紧凑的摘要。在运行开始前，它会验证凭据、环境配置和参考夹具，从而尽早捕获失败，而非将其误标为“定位器损坏”。而当确实出现故障时，它会通过受控路径处理失败：诊断、修复、审查补丁、仅重新运行变更部分，并以人类可采取行动的形式报告结果。