场景演示
传统 QA 流程中，测试用例靠人写、回归靠人跑、缺陷靠人追。需求一变，全流程重跑，QA 工程师沦为"人工跑机器"。
多 Agent 自动化测试与 QA 流水线将这一流程彻底自动化：
一个 Supervisor Agent 统筹调度，多个专业 Agent 并行工作——、用例生成 Agent 读 PRD 生成测试用例、自动化脚本 Agent 写 Playwright/Selenium 脚本、浏览器执行 Agent 跑 UI 测试、报告聚合 Agent 汇总结果并分发缺陷。
实测数据：多 Agent 协作下，完整回归测试时间从 4 小时压缩到 45 分钟，人工介入点从 5 个减少到 1 个（仅最终报告复核）。
Step by Step
第一步：建立测试中台记忆（记忆锚点）
在 OpenClaw workspace 中创建 QA 流水线配置文件：
~/.openclaw/workspace/qa-pipeline/config.yaml
内容包含：
- 被测系统基础 URL / API 端点
- 测试环境账号凭据（环境变量引用，不写死）
- 测试用例优先级分级（ P0 核心路径 / P1 主要功能 / P2 边缘场景）
- 缺陷严重等级定义
第二步：初始化 Supervisor Agent（调度中枢）
Supervisor Agent 负责接收测试需求、拆解任务、分发给专业 Agent 并汇总结果。
提示词模板（复制即用，下文完整版见"可复制提示词"章节）：
你是测试流水线 Supervisor，负责：
1. 接收需求后拆解为【用例生成】【脚本编写】【执行验证】【报告聚合】四个阶段
2. 向各专业 Agent 派发任务
3. 收集各 Agent 输出，进行质量门禁判断
4. 汇总最终报告，输出结构化缺陷清单
第三步：各专业 Agent 分工并行
| Agent | 职责 | 使用 Skill |
|---|---|---|
| 用例生成 Agent | 读 PRD/需求文档，输出测试用例矩阵 | feishu-doc（读飞书文档）、gog（读 Google Docs） |
| 脚本编写 Agent | 将用例转化为自动化脚本（Playwright / Cypress / requests） | coding-agent（调用 Codex 写脚本） |
| 执行验证 Agent | 在真实/模拟环境运行脚本，截图记录失败步骤 | browser-automation（真实浏览器）、mock server（接口测试） |
| 报告聚合 Agent | 汇总所有结果，去重归类，生成缺陷卡并分发 | halo-backend-publisher（写缺陷到知识库） |
第四步：配置触发条件
通过 OpenClaw cron 设置两种触发方式：
- 定时触发：每天下班前 18:00 自动跑 P0 + P1 回归，报告推送到飞书群
- 代码变更触发：监听 GitHub Webhook，PR 合入 main 分支时自动启动全量测试
可复制提示词
🎯 启动测试流水线提示词
你是测试质量保障流水线 Supervisor。
当前任务：为目标系统 run full regression。
【目标系统信息】（从 config.yaml 读取）
【测试范围】本次仅跑 P0 + P1 用例
【时间预算】单用例超时 60s，整体流程不超过 60 分钟
执行流程：
1. 读取上一轮缺陷历史（memory/qa-defect-history.md），避免重复报已知 bug
2. 调用【用例生成 Agent】输出测试矩阵（Excel 格式，含用例ID/优先级/前置条件/预期结果）
3. 调用【脚本编写 Agent】将测试矩阵转为 Playwright Python 脚本
4. 调用【执行验证 Agent】顺序执行，截图保存到 /tmp/qa-screenshots/
5. 调用【报告聚合 Agent】对比预期 vs 实际，输出缺陷清单（严重/高/中/低）
6. 若发现 P0 缺陷，立即暂停并推飞书消息告警
完成后输出：
- 通过率摘要（X/Y 用例通过）
- P0/P1 缺陷清单（附截图链接）
- 建议：本次是否可以发版
📋 用例生成 Agent 提示词
你是资深 QA 工程师，擅长黑盒测试用例设计。
任务：根据以下需求文档，生成完整测试用例矩阵。
需求摘要：（粘贴 PRD 核心内容）
输出格式（Markdown 表格）：
| 用例ID | 优先级 | 功能模块 | 前置条件 | 测试步骤 | 预期结果 |
🐛 缺陷编写 Agent 提示词
你是缺陷管理专家，擅长写可复现、可定位的缺陷报告。
任务：根据以下执行日志和截图，写出 JIRA 格式缺陷描述。
执行环境：（粘贴环境信息）
失败截图：（/tmp/qa-screenshots/ 下的截图路径）
错误日志：（粘贴关键日志片段）
输出字段：缺陷标题 / 严重等级 / 复现步骤 / 根因假设 / 影响范围
使用的 Skills
| Skill | 用途 | 调用方式 |
|---|---|---|
| coding-agent | 调用 Codex 编写 Playwright / requests 自动化脚本 | sessions_spawn runtime="subagent" |
| browser-automation | 真实浏览器执行 UI 测试，截图记录失败步骤 | openclaw browser |
| feishu-doc | 读取飞书上的 PRD 文档作为测试输入 | 飞书文档链接读操作 |
| feishu-im-read | 监听飞书群消息，触发测试流水线 | 消息监听 + webhook |
| halo-backend-publisher | 将测试报告发布到 Halo 知识库，供团队查阅 | publish_post.py |
| cron | 设置定时触发（每日回归）和 webhook 触发（代码变更） | cron add |
价值与注意事项
核心价值
- 时间压缩：全量回归从 4 小时降到 45 分钟，效率提升 5 倍
- 人效释放：QA 从"人工跑机器"变为"系统监督者"，仅处理 P0 异常
- 一致性：每次执行路径完全一致，消除"测试人员不同导致覆盖差异"问题
- 可追溯：所有执行截图+日志存档，缺陷可随时回溯
注意事项
⚠️ 环境隔离：测试环境与生产环境严格分离，避免误操作。
⚠️ 用例维护：需求变更后必须同步更新用例矩阵，否则脚本会跑"过时"的检查。
⚠️ 超时合理设置：单接口响应 > 10s 需要单独标记，避免误判为失败。
⚠️ 敏感信息：测试账号密码必须走环境变量，禁止写进脚本或配置文件。
⚠️ 误报率监控：初期需要人工复核执行结果，统计误报率，逐步调优断言条件。
本文使用 OpenClaw 多 Agent 协作流水线自动生成与发布。相关配置见 workspace/qa-pipeline/