1.项目简介
ui自动化一直是个让人头疼的事，主要是因为系统兼容性难度较大和开发维护成本比较高，
以前使用过appium，通用性比较差，并且开发有一定的基础才行，更难以忍受的是后期的维护成本；然后接触Airtest之后，因为有专门的IDE工具和录制功能，让我们写自动化的门槛变低了许多。
Airtest
AirtestProject是由网易游戏推出的一款自动化测试框架，项目构成如下：
* Airtest：是一个跨平台的、基于图像识别的UI自动化测试框架，适用于游戏和App，支持平台有Windows、Android和iOS
* 源码
* API文档
* Poco：是一款基于UI控件识别的自动化测试框架，目前支持Unity3D/cocos2dx-*/Android原生app/iOS原生app/微信小程序，也可以在其他引擎中自行接入poco-sdk来使用
* 源码
* API文档
* AirtestIDE：跨平台的UI自动化测试编辑器，内置了Airtest和Poco的相关插件功能，能够使用它快速简单地编写Airtest和Poco代码。
* AirLab：真机自动化云测试平台，目前提供了TOP100手机兼容性测试、海外云真机兼容性测试等服务，请访问官网以了解更多
* 私有化手机集群技术方案：从硬件到软件，提供了企业内部私有化手机集群的解决方案，欢迎了解
有需要尽情到官网，资料很详细：https://airtest.doc.io.netease.com/
2.Airtest 如何上手
提供了一个针对各种使用场景和平台的系列教程，方便各位直接快速熟悉
在编写自动化脚本时，可以配合我们提供的AirtestIDE编辑器，能够快速编写脚本
我们的自动化脚本，以及Airtest和Poco，都是基于Python的，因此你也可以使用自己喜欢的Python编辑器来编写脚本
Airtest教程干货汇总
3.使用Airtest的痛点及作出改变
Airtest虽然好用，解决了很多问题，但并不是完美的，也有一些痛点。
比如：
> 1. 基于图片识别Airtest，会存在一定的兼容性问题，不同设备识别的能力、阈值可能不一样，毕竟安卓手机五花八门。这里从截图方面下手，附上两篇实用的文章：
截图识别成功率太低，究竟该如何补救
写了10000条Airtest截图脚本总结出来的截图经验，赶紧收藏！
>2. 测试报告，比较繁琐，运行后的日志和报告比较大；组织用例不方便，标记用例优先级等也是不方便。
所以想把Airtest和pytest allure jenkins结合起来，一并解决这几个问题，有想法是好事，做下去才是正事，做出来才有回报，有成就感。
