Maestro AI 测试指南5 分钟跑通第一条自然语言断言【免费下载链接】MaestroPainless E2E Automation for Mobile and Web项目地址: https://gitcode.com/GitHub_Trending/ma/Maestro界面一改版移动 UI 自动化测试脚本就成片报红。你不用逐个修定位Maestro 的 AI 能力让你只写测试意图它自己找元素、做判断。下面这条路线从零到第一条 AI 断言只要 5 分钟。它把测试变成了什么Maestro AI 的定位一句话把写脚本变成写意图。自然语言断言你用一句大白话描述期望它负责找元素、比对结果。视觉缺陷检测它直接看截图找出布局错乱、元素重叠这类肉眼看才费劲的问题。跨平台统一同一份 flow 跑 Android 和 iOSAI 帮你抹平两端的控件差异。核心能力逐条拆解自然语言断言怎么写它能做什么把一句中文断言翻译成真实操作。你不用先摸清应用的视图树也不用记元素 ID。- launchApp: clearState: true - assertWithAI: assertion: 登录界面可见包含用户名和密码输入框 - tapOn: 登录使用注意assertion里写业务期望不写定位细节。找不到元素时 AI 会重试判断不确定时加optional: true让它只警告不挂流程。视觉缺陷检测怎么配它能做什么对当前界面做一次体检专挑布局类毛病。- tapOn: 缺陷测试 - assertNoDefectsWithAI使用注意assertNoDefectsWithAI默认optional为 true即检出缺陷只提示、不算失败。正式流程里建议保留这个默认值先观察再收紧。跨平台跑同一份 flow它能做什么一份 YAML两端复用。AI 会自动适配平台特有交互比如 Android 的返回键、iOS 的侧滑手势。- launchApp: clearState: true - back - assertWithAI: assertion: 已回到上一级页面使用注意back这类命令两端语义由 Maestro 各自实现你不用写 if-else。示例见测试工作区 e2e/workspaces/里面有 Wikipedia 等应用的 Android、iOS 双端 flow。5 分钟上手从克隆到第一条 AI 断言 克隆仓库git clone https://gitcode.com/GitHub_Trending/ma/maestro然后cd maestro。此时你应看到包含maestro-ai目录的仓库结构。构建 AI 模块./gradlew :maestro-ai:installDist。构建完成后启动脚本会出现在./maestro-ai/build/install/maestro-ai-demo/bin/maestro-ai-demo。配置密钥export MAESTRO_CLI_AI_KEYsk-...OpenAI 或 Anthropic 的 Key 都支持。配置后该环境变量会被 AI 模块读取缺了它 AI 命令会直接报错。写最小 flow新建first_ai.yaml内容就用上面自然语言断言怎么写里的三行加appId。文件保存后你应看到一份能独立运行的 YAML。运行验证./maestro test first_ai.yaml。此时你应看到 AI 断言逐条执行、逐条通过。想不连真机先试试maestro-ai-demo还能直接对一张截图做缺陷检测maestro-ai-demo foo_1_bad.png它是独立 demo适合先确认密钥配对了再上真机跑 flow。AI 功能源码见 maestro-ai/src/。进阶MCP 服务器与稳定性机制Maestro 的 MCP 服务器把测试能力封装成 AI 可调用的工具。评估配置 maestro-cli/src/test/mcp/full-evals.yaml 里列出了工具面list_devices、take_screenshot、run、inspect_screen、cheat_sheet、list_cloud_devices、run_on_cloud等 8 个。AI 拿到这些工具后可以自主完成看屏幕、选动作、跑 flow的闭环。评估用 LLM-Judge 给每次工具调用打分阈值 0.8低于这条线说明模型选错了工具或传错了参该调用不达标。稳定性靠两层机制extendedWaitUntil把等多久变成等什么。你声明要等谁出现visible或消失notVisible并给定timeout。它替代写死的 sleep可复现性更好。自适应重试内置稳定性检测发现界面仍在动就自动重做这一步减少应用没加载完就点这类偶发失败。- extendedWaitUntil: visible: 登录按钮 timeout: 10000两层叠起来同一条 flow 在不同时间、不同设备上更容易跑出一致结果。API 成本怎么压下来三级策略逐级见效用例缓存重复跑的场景直接复用历史分析不重复调模型。模型分级简单断言走轻量模型如 Claude-3-5-Haiku复杂场景才上大模型。增量分析只处理界面变化区域token 消耗随改动量走。实操建议日常回归全部走缓存和轻量模型只在新增页面、大改版时切到强模型重新分析一次。常见疑问AI 断言失败等于测试挂了是的除非你显式加了optional: true。加了的断言失败只告警不中断流程。只能测 Android 吗不是。Android、iOS 都能跑同一份 flow 双端复用AI 自动适配平台差异。AI 断言要不要一直联网要。assertWithAI和assertNoDefectsWithAI依赖模型服务需要MAESTRO_CLI_AI_KEY。其余命令离线可用。怎么控制 API 花费按上一条API 成本怎么压下来的三级策略来再配合optional避免无谓的重跑。下一步先从「5 分钟上手」把第一条 AI 断言跑通再翻 maestro-ai/README.md 看完整 demo 用法。平台差异、稳定性机制想深究直接看 maestro-cli/src/test/mcp/ 里的评估配置。【免费下载链接】MaestroPainless E2E Automation for Mobile and Web项目地址: https://gitcode.com/GitHub_Trending/ma/Maestro创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考