自动化测试 2025 年的 8 大趋势

探索AI辅助测试的趋势，本文直接翻译而来，原文：https://testguild.com/automation-testing-trends/

---

随着我们进入 2025 年，以下是一些我认为将显著塑造软件测试未来的自动化测试趋势。

我的分析基于数百次访谈以及 2018-2025 年期间进行的一项全面自动化测试调查，平均每年有 200 条回复，揭示了测试优先事项的重大变化和持续的挑战。

这些数据，加上 2024 年全年数千名网络研讨会参与者的见解，为我们提供了行业未来发展的清晰视角。

基于以上标准，我编制了 2025 年的顶级自动化测试趋势列表，就像过去 14 年一样。

目录

• 代理型 AI：测试的下一波浪潮
• 代理型 AI 自动化测试工作流示例
• AI 右移：理解用户
• 展望未来：2025 年的宏伟愿景
• 人人都是 QA：人在回路中
• 测试人员角色演变：适应未来
• 与 DevOps 和 SRE 的集成：持续质量
• 端到端（E2E）自主质量平台
• Playwright：领先的自动化工具选择
• 2025 年每个测试人员都应该学习的语言
• 如何在 2025 年成功实现自动化测试

代理型 AI：测试的下一波浪潮

我相信 2025 年将见证 AI 辅助测试的持续扩展。

为什么？

AI 在测试中的兴起呈指数级增长，调查数据显示，到 2024 年，有 72.3% 的团队正在积极探索或采用 AI 驱动的测试工作流，而几年前还只是处于早期采用阶段。

这一趋势标志着我们 TestGuild 自动化测试调查历史上最快的采用曲线之一。

继 2024 年多模态 AI（通过专门算法处理多种数据类型）之后，新兴趋势是代理型 AI。

但你可能首先会问，什么是代理型 AI？

这些系统可以自主运行，处理以前需要人工干预的任务。它们可以通信、维护长期状态，并根据交互独立做出决策，有效地充当一组能力极强的测试助手。

仍然不清楚？我们举个例子。

代理型 AI 自动化测试工作流示例

让我们设想一个将代理型 AI 应用于自动化测试的实际例子，涉及一个 AI 代理自主管理一个大型电子商务平台的整个回归测试套件。

与依赖预脚本测试和固定时间表不同，这个代理型 AI 系统将执行以下操作：

• 优先级排序：代理分析最近的代码更改和功能发布，根据每次修改相关的风险优先级排序回归测试。
• 测试选择和适应：代理动态选择适当的测试，根据风险评估选择完整套件的一个子集。
• 测试执行和环境管理：代理在各种环境（例如，不同浏览器、操作系统、设备）中安排并执行选定的测试。如果测试失败，代理可能会自动触发额外的诊断测试，以收集更多关于失败原因的详细信息，甚至尝试自动修复一些琐碎问题。
• 结果分析和报告：代理分析测试结果，根据严重性对失败进行分类，并识别模式。代理甚至可能根据对常见错误模式的分析提出修复建议。
• 反馈循环和持续改进：代理从经验中不断学习并自我完善。

这个假设场景并不像听起来那么遥不可及。

我们的调查数据显示，团队不仅在自动化任务，而且越来越依赖 AI 自主做出决策，这正是代理型 AI 自动化的核心。

决策：AI 工具越来越多地被信任用于优化测试覆盖范围和维护。

自主性：对 AI 驱动的管道和框架的兴趣表明，团队希望获得几乎无需人工干预的解决方案。

性能：对使用 AI 的工具和框架的关注突显了向动态学习和适应的系统转变。

这种转变比许多人想象的要快，因为网络研讨会的投票显示，56% 的团队已经处于 AI 采用的“调查”阶段，许多公司由于 38% 的人认为 AI 是解决测试人员短缺问题的方案，而更有动力使用更多 AI。

我在 2024 年也听到了许多自动化测试专家确认我的代理型 AI 预测。

最值得注意的是，Jonathan Wright 和 Jason Arbon 在最近的一次 TestGuild 网络研讨会上都提到了代理型 AI 的变革潜力，以及它们将如何重新定义测试范式。

但这是否只是“营销供应商”的说法？

不，我不这么认为。

此外，行业内的大人物也表达了相同的观点（我只是将其扩展到自动化测试领域）。

在最近的讲话中，微软首席执行官萨提亚·纳德拉（Satya Nadella）描述了 AI“代理”将如何通过处理复杂任务、持续学习和无缝连接跨系统，将 SaaS 提升到一个新的水平。

同样，斯坦福大学研究人员对模仿人类行为的 AI 代理的实验进一步强调了代理型 AI 改变测试方式的潜力。

AI 右移：理解用户

理解真实用户行为在 2025 年的质量战略中变得至关重要。

通过分析实时用户交互，团队可以发现模式、预测问题，并确保软件在生产环境中符合用户期望。

AI 的整合使团队能够探索提高质量的新方法。

调查数据显示，团队对预测模型和用户行为分析的兴趣日益增加，重点是利用 AI 发现长尾用例并更好地理解用户旅程。

Gojko Adzic 通过设想工具直接集成到平台中以提供体验分析和预测模型，有效地预测问题，说明了这一点。这在管理大量用户数据（包括长尾用例）方面特别有价值，AI 在发现数据中的模式方面发挥着关键作用。

这种右移方法补充了传统的左移方法，通过强调部署后的质量保证来实现。

一些潜在的好处包括：

• 通过主动监控减少用户报告的问题。
• 通过优化高价值用户流程提高功能采用率。
• 基于实际使用模式的数据驱动决策，提高测试覆盖范围。

展望未来：2025 年的宏伟愿景

像 saola.ai（目前处于测试阶段）这样的新一代 AI 驱动工具，展示了当测试将重点转向真实环境时的可能性。

这些工具将如何改变测试：

• AI 模型使用快照：不再依赖容易变化的选择器，AI 捕获用户会话的快照，确保稳定性和适应性。
• 真实用户行为分析：基于实时用户数据生成测试，自动识别业务流程，涵盖正向和负向案例。
• 零测试维护：通过从用户交互中持续学习，这些工具消除了手动测试更新的需求，这是 QA 团队的一个主要痛点。
• 右移生产测试：将部署后监控与传统的预发布测试相结合，通过发现被忽视的问题确保端到端的质量。
• 增强测试覆盖范围：将代码类与真实场景关联起来，允许动态回归测试，重点关注传统测试中经常遗漏的关键路径。
• 实用 AI 应用：自动错误修复和精确故障分析（例如 API 问题）加速了解决时间，提高了开发人员的效率。
• 持续洞察和监控：实时全球监控提供可操作的洞察，弥合实时性能和测试工作流之间的差距。

这种方法将测试转变为一个完全数据驱动的过程，根据实际使用模式动态更新测试计划。它确保测试始终保持相关性和高效性，同时显著减少维护工作量。

虽然其中一些听起来可能像是遥不可及的目标，但 AI 驱动工具的兴起表明，测试的未来将强调主动质量保证和与真实世界的对齐。

人人都是 QA：Human in the Loop

展望 2025 年，代理型 AI 和端到端（E2E）自主质量平台（稍后详细介绍）的采用将显著改变软件测试。

这将使测试比以往任何时候都更容易获取，赋予非技术团队成员权力，并促进跨角色的更大协作。

随着低代码和无代码工具的兴起，再加上 AI 的帮助，测试开始打破传统的孤岛。

这些工具使业务分析师、开发人员，甚至是技术知识有限的利益相关者都能积极参与质量保证。

网络研讨会的投票显示，74% 的参与者自认为是 AI 的初学者，这突显了降低入门门槛的工具的需求。

直观的低代码解决方案通过自动化复杂的任务（如测试创建和缺陷检测）来拉平竞争环境，允许更广泛的参与者参与 QA 流程。根据调查数据，32.3% 的团队正在积极探索无代码测试解决方案，因为它们能够减少学习曲线并加速工具采用。

与此同时，人类监督的作用仍然至关重要。

正如托比亚斯·穆勒（Tobias Müller）恰如其分地说：“这不再是为了信任人工智能；而是为了设定界限并信任你所设定的。”

将人类专业知识与 AI 结合起来的团队根据其他行业调查取得了令人印象深刻的结果，这些调查表明更好的缺陷检测和更快的测试周期，显示了将人类判断与机器效率相结合的重要性。

测试人员角色演变：适应未来

测试人员正在转向混合角色，将传统技能与 AI、DevOps 和自动化方面的专业知识相结合。

这一转变已经在调查和社区数据中得到反映：

• 45% 的团队强调需要 AI 技能。
• 51.8% 优先考虑 DevOps 知识。
• 72.3% 关注自动化专业知识。

为了保持相关性，测试人员必须拥抱持续学习和协作，成为组织内质量的推动者。

与 DevOps 和 SRE 的集成：持续质量

将测试与 DevOps 和站点可靠性工程（SRE）实践的整合是 2025 年最重要的自动化测试趋势之一。

随着组织越来越重视持续交付和运营弹性，测试正在演变为一个主动的、持续的质量工作，成为这些生态系统的一部分。

我们的调查数据显示了一个显著的转变：到 2024 年，采用 DevOps 实践的团队比例从 2022 年的 16.9% 上升到 51.8%。

这一增长突显了测试与 DevOps 和 SRE 工作流对齐的增加，以确保快速交付高质量的软件。

将测试与 DevOps 和 SRE 的整合超越了传统的质量保证，将其转变为一个增强整个软件生命周期的持续活动。

这种方法使组织能够：

• 加速反馈循环：将测试嵌入 CI/CD 管道中，可以立即洞察问题，缩短解决时间。
• 实施主动质量保证：将性能测试和监控集成到工作流中，使团队能够在问题影响最终用户之前识别并解决潜在问题。
• 促进更好的协作：共享质量所有权可以改善 QA、开发人员和运维团队之间的沟通和对齐。

调查和投票数据清楚地支持这一增长趋势。

从管道自动化到性能监控，团队正在采用与运营卓越目标一致的持续质量实践。

如果您的组织尚未将测试整合到 DevOps 或 SRE 工作流中，2025 年是进行这一转型的一年。

端到端（E2E）自主质量平台

端到端平台正在成为测试策略的核心。

这些平台将测试、可用性、性能、无障碍性和安全性整合到一个框架中，解决更广泛的质量问题。

通过利用 AI 自动化测试生命周期，团队报告缺陷检测显著改善，测试覆盖范围得到增强。

我们的调查数据显示，DevOps 整合的显著增加，从 2022 年的 16.9% 增长到 2024 年的 51.8% 以上。这表明了一个明确的向统一质量方法的转变，端到端平台成为测试策略的核心。

这不仅仅是猜测——我们的调查显示：

• 安全性测试从 2021 年的 8.2% 激增到 2024 年的 39.5%
• 性能测试目前的采用率为 41%
• API 测试从 2021 年的 13.1% 增长到 2024 年的 46.2%

这些指标反映了团队对全面质量平台的依赖增加，以管理整个测试需求范围。

Playwright：领先的自动化工具选择

正如我去年预测的那样，Playwright 将成为许多测试人员的首选。我的帖子《Playwright 超越 Cypress（接下来会发生什么？）》中提到的发展证实了我的预测。

那么现在呢？

在 2025 年，Playwright 由于其无与伦比的多功能性、可靠性和性能，继续巩固其作为领先自动化测试工具的地位。

TestGuild 2024 年的调查和社区反馈反映了其显著增长，因为团队越来越多地采用它来满足他们的测试需求。

测试工具的发展轨迹显示了偏好的显著转变（在分析了 2018-2024 年的结果后，我发现了以下情况）：

• Playwright：快速采用（45.1% 的采用率）使其成为增长最快的自动化工具，这得益于其强大的跨浏览器支持、API 测试能力和精简的工作流程。
• Selenium：曾经的市场领导者，Selenium 的采用率下降到 22.1%，因为团队正在寻找更快、更稳定的替代方案。
• Cypress：在前端测试中保持其利基地位，Cypress 保持稳定（稳定在 14.4%），拥有忠实的用户群体。

使用 Playwright 的团队一致向我报告：

• 更快的测试执行速度，使反馈循环更快，开发周期得到改善。
• 减少测试的不可靠性，从而获得更稳定、更可靠的测试结果。

除了最初专注于 UI 浏览器自动化之外，Playwright 还发展出支持 API 测试和其他高级功能的能力，使其成为现代测试需求的全面解决方案。

注意：我不是主张一种工具优于另一种工具，或者说是更好的。最适合您的工具是适合您和您的团队独特情况的工具。更多关于这些工具的观点，请参阅我的帖子《顶级 3 自动化测试工具》。

2025 年每个测试人员都应该学习的语言

根据 TIOBE 编程社区指数，Python 连续第二年成为顶级编程语言。

这对我来说并不奇怪，因为 Python 仍然是 2025 年测试人员的顶级编程语言，原因在于其简单性、强大的库以及在人工智能和机器学习中的主导地位。

无论是初学者希望进入自动化领域，还是高级测试人员希望为未来做好准备，Python 都是弥合当今挑战与未来自动化测试可能性之间差距的理想选择。

如何在 2025 年成功实现自动化测试

2025 年将成为软件测试的关键一年，为那些准备好迎接变革的人提供前所未有的机会。人工智能的成熟、团队协作以及工具的演变标志着我们对质量保证方法的新篇章。

但成功不仅仅在于观察趋势——它需要行动。

要在 2025 年及以后取得成功：

• 拥抱代理型 AI：开始探索自主 AI 代理如何优化工作流程并减少人工工作量。利用它们的决策能力来解决测试优先级和维护等挑战。
• 采用右移测试实践：平衡传统的左移方法与部署后监控，以确保软件与真实用户行为和期望保持一致。
• 投资技能发展：为您的团队配备 AI、自动化和 DevOps 方面的知识，以保持竞争力。混合角色将成为未来测试团队的基础。
• 将测试与 DevOps 和 SRE 整合：打破孤岛，将质量保证整合到交付的每个阶段，以实现更快的反馈和运营稳定性。
• 利用全面的工具：从 Playwright 这样的平台到 Python 的多功能性，选择不仅能满足当前需求，还能为未来复杂性做好准备的工具。

这些不仅仅是趋势——它们是我们确保软件质量的根本转变的信号。随着测试、开发和运维之间的界限变得模糊，现代测试人员的角色正在演变为具有战略重要性。