用多智能体闭环自动化测试验收

是什么 这条推文分享了一套面向软件交付验收的智能体闭环：先依据需求文档和当前代码生成交付给测试人员的测试用例，再让 Grok 4.5 通过 Computer Use 执行操作，并明确限制其不能查看代码，以保持测试人员的黑盒视角。发现问题后，由 Codex 接收缺陷报告、完成修改，再交回 Grok 进行验收，并借助 loopx 循环推进。

核心设计 关键不只是“让 AI 测试”，而是把测试、缺陷记录、修复、回归验收拆成职责清晰的阶段，并用文档作为智能体之间的交接协议。“禁止看代码”是重要的角色约束，可降低实现细节对验收判断的干扰；Computer Use 则把测试从静态分析推进到真实界面操作。

关键洞察 这套流程适合高频迭代、验收路径明确且测试项较多的产品，尤其能减少人工重复点击和初步缺陷整理成本。400 多项测试快速完成，说明其优势主要在执行吞吐量和循环反馈速度。

边界与风险 自动点击不等于完整质量保证。测试用例本身若遗漏关键业务规则，后续循环可能只是高效重复错误；视觉误判、状态依赖、权限、数据准备、并发和异常场景仍需人工抽查。同时应保留稳定的缺陷格式、证据截图和人工发布门禁，避免把偶然通过误认为产品可靠。