AI 技能AI 插件【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,400 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/gh_mirrors/an/agentic-awesome-skills点击查看免费下载本文基于 agentic-awesome-skills 仓库中的awt-e2e-testing技能文档位于 plugins/agentic-awesome-skills-claude/skills/awt-e2e-testing/SKILL.md展开并结合仓库内目录索引、插件兼容性元数据与技能规范文档进行源码级佐证。AWTAI Watch Tester为 AI 编程工具赋予眼睛和双手由 AI 编写声明式的 YAML 测试场景由 AWT 通过 Playwright 在真实浏览器中执行并以 OpenCV 模板匹配 OCR 完成视觉断言。本文围绕这一技能在 AAS Core 中的定位讲解其适用场景、核心能力、安装接入方式、执行流程、视觉匹配与失败诊断机制以及它在仓库目录与插件兼容层中的元数据形态帮助读者把 AI 驱动的端到端测试接入自己的编码工作流。一、这个技能解决什么问题AI 时代缺少的浏览器眼睛与双手传统 E2E 测试依赖稳定的 DOM 选择器#checkout-btn、[data-testid...]但面对现代前端框架频繁变动的组件结构选择器极易失效维护成本居高不下。awt-e2e-testing技能的定位截然不同它面向AI coding toolsAI 编码工具让模型既能看到真实渲染后的页面视觉匹配也能操作页面真实浏览器交互从而补齐 AI 编程闭环中最薄弱的一环——对运行结果的验证。按照技能文档SKILL.md的定义AWT 的工作方式是你的 AI 设计 YAML 测试场景AWT 用 Playwright 执行它们。也就是说人的职责或 AI 的职责是编写声明式场景描述而浏览器自动化、视觉断言、失败解释这类脏活累活全部交给 AWT 完成。何时使用When to Use文档明确给出了三个适用判断值得在接入前逐条对照需要 AI 辅助的端到端测试测试通过真实浏览器执行场景以声明式 YAML 编写——而不是让 AI 直接拼 CSS 选择器。测试流程依赖视觉匹配、OCR 或平台自动检测当被测页面没有稳定可用的 DOM 选择器或界面由 Canvas、WebGL、自定义渲染等黑盒内容构成时视觉方案是唯一可行的断言路径。需要一个既能执行测试、又能解释失败的 E2E 工具链AWT 不只是跑完给个 pass/fail它还能针对失败输出结构化的诊断清单供 AI 编码工作流理解并修复。与此同时文档也给出明确的使用边界只有当任务清晰匹配上述范围时才应使用本技能输出不能替代环境特定的验证、测试或专家评审当必要输入、权限、安全边界或成功标准缺失时应停下来向用户澄清。二、当前已实现的能力清单What works now技能文档列出了 AWT 当前可用的完整能力集这也是判断能做什么、不能做什么的第一手依据能力说明YAML 场景 → Playwright 执行声明式场景经过解析后以类人交互方式在真实浏览器中驱动视觉匹配基于 OpenCV 模板匹配 OCR无需 CSS 选择器即可定位与断言平台自动检测自动识别 Flutter、React、Next.js、Vue、Angular、Svelte 等前端技术栈结构化失败诊断失败时输出带有调查清单investigation checklists的诊断报告学习数据库以 SQLite 存储 failure→fix失败→修复模式随使用累积经验5 个 AI Provider支持 Claude、OpenAI、Gemini、DeepSeek、OllamaSkill Mode无需额外 AI API Key 即可运行从仓库的目录元数据来看该技能被归类为test-automation见 data/catalog.json标签为awt、e2e触发词覆盖awt、e2e、testing、ai、powered、web、eyes、hands、coding、declarative、yaml、scenariosdata/catalog.json。这组触发词与文档描述高度一致说明目录索引直接继承了技能 frontmatter 的语义。三、安装与接入一条命令完成技能的 frontmatter 中直接给出了安装方式SKILL.mdnpx skills add ksgisang/awt-skill --skill awt -g该命令从ksgisang/awt-skill仓库拉取awt技能并以全局-g方式安装安装后 AI 编码工具即可在会话中按需调用。需要说明的是这条命令针对的是 AWT 上游技能本体在 agentic-awesome-skills 仓库中该技能以目录形式收录于 plugins/agentic-awesome-skills/skills/awt-e2e-testing/ 与 Claude 插件 plugins/agentic-awesome-skills-claude/skills/awt-e2e-testing/你可以在仓库内直接阅读其SKILL.md与相关文档无需额外安装即可了解其用法。技能元数据frontmatter 逐字段解读SKILL.md的 frontmatter 遵循仓库统一的技能规范。对照 docs/contributors/skill-anatomy.md可以逐字段理解其含义name: awt-e2e-testing——技能标识符格式为小写连字符命名且必须与目录名完全一致description——一句话摘要长度控制在 200 字符以内同时被目录索引继承risk: critical——安全分级。按 docs/contributors/skill-anatomy.md 的定义critical表示会修改状态、删除文件、推送生产环境级别的操作。AWT 通过真实浏览器驱动被测应用并可能触发真实操作如提交订单因此被标记为critical提示使用者在非生产或受控环境中执行source——上游来源标注指向 AWT 的技能仓库date_added: 2026-09-04——进入本仓库的日期格式为YYYY-MM-DD。从 data/skills_index.json 可见该技能在索引中的完整形态类别test-automation、风险critical、收录日期2026-09-04插件目标为codex: supported与claude: supported且setup.type为none即安装后无需额外配置步骤。data/plugin-compatibility.json 中的条目与此一致blocked_reasons为空说明在 Codex 与 Claude 两类目标上均无障碍。四、端到端工作流从一句需求到可视化失败报告文档给出的示例场景是结账流程checkout flow这也是 E2E 测试最典型的用例。将其与技能能力描述结合一个完整的 AWT 驱动流程可以拆解为以下阶段① 用户/开发者提出需求为结账流程创建并运行一个声明式浏览器测试包含视觉断言和清晰的失败报告。② AI 生成 YAML 场景AI 依据需求把测试意图拆解为声明式场景进入购物车 → 点击结账 → 填写表单 → 提交订单 → 对订单确认页做视觉断言。整个过程不依赖具体的 CSS 选择器而是表达我要做什么、期望看到什么。③ AWT 交给 Playwright 执行AWT 解析 YAML通过 Playwright 启动真实浏览器以类人交互方式真实点击、输入、滚动执行每个步骤。这一步是hands双手的体现。④ 视觉断言生效在需要验证的节点上AWT 用 OpenCV 模板匹配检查关键 UI 元素是否按预期出现用 OCR 从截图中提取并核对文本例如订单已提交支付金额一致。这一步是eyes眼睛的体现弥补了 DOM 选择器在动态渲染、Canvas 渲染场景下的失效问题。⑤ 失败诊断与报告若步骤失败AWT 输出结构化失败报告附调查清单investigation checklists将现象、可能原因与建议排查路径一并给出。这份报告可以直接回喂给 AI 编码工具驱动其定位问题并生成修复方案。⑥ 经验沉淀每次失败与对应的修复模式被写入 SQLite 学习数据库形成 failure→fix 模式库。后续遇到相似问题时AWT 可借助历史模式加速诊断。五、视觉匹配原理OpenCV 模板 OCR绕开选择器泥潭视觉匹配是 AWT 与选择器驱动测试工具最本质的差异。文档明确其实现为OpenCV template模板匹配 OCROpenCV 模板匹配预先截取目标 UI 元素按钮、图标、卡片作为模板在当前页面截图中滑动匹配定位元素出现的坐标与置信度。适合元素形状/外观相对固定的验证。OCR 文本识别从页面截图中识别文字用于断言页面上出现了某段文案、核对金额、订单号等动态文本也用于绕过无法被 DOM 访问的渲染内容。两者组合的收益是测试不绑定 DOM 结构。当 React 组件重构导致data-testid失效时只要视觉外观未变测试依然可以稳定通过反之当视觉回归出现样式错乱、元素缺失、文案错误时也能被敏锐捕获。这正是文档中测试流程依赖视觉匹配或 OCR 而非稳定 DOM 选择器这一适用场景的实现基础。六、平台自动检测对技术栈即插即用AWT 宣称支持对Flutter、React、Next.js、Vue、Angular、Svelte的自动检测auto-detection。结合仓库元数据这一能力也解释了为什么awt-e2e-testing被同时编入两个核心捆绑包从 data/bundles.json 可见它同时出现在core-dev核心开发共 494 个技能与mobile-core移动端核心共 64 个技能两个 bundle 的技能列表中data/bundles.json、data/bundles.json。这一编排并非偶然React/Next.js/Vue/Angular/Svelte 覆盖了 Web 主流的声明式框架而 Flutter 则是跨端移动开发的主要代表。平台自动检测的意义在于——AI 不必在场景中显式声明技术栈AWT 通过页面特征自行识别渲染框架从而选择对应的等待策略、渲染完成判断与交互方式降低跨框架测试的配置成本。七、AI Provider 与 Skill Mode两条运行路径文档列出 AWT 支持5 个 AI ProviderClaude、OpenAI、Gemini、DeepSeek、Ollama同时提供Skill Mode技能模式Provider 模式将测试过程中需要推理的环节场景生成、失败归因、修复建议交给所选的 LLM 服务适合追求更强诊断能力的团队Skill Mode无需额外 AI API Key 即可运行适合把 AWT 作为纯执行引擎嵌入已有 AI 编码工具链的场景——由宿主 AI如 Claude/Codex 会话负责推理AWT 只负责看和做。两条路径的存在使 AWT 既可以独立成体系也可以作为执行层插件化接入现有工作流这与 AAS 中插件兼容层data/plugin-compatibility.json所表达的按目标平台声明支持的设计理念一致。八、风险等级与使用边界risk: critical是本技能最重要的使用提示。按仓库的质量门槛文档docs/contributors/quality-bar.md与技能解剖文档docs/contributors/skill-anatomy.mdcritical意味着技能可能修改状态或触发有副作用的操作。对于 AWT 而言它在真实浏览器中执行真实交互测试目标是结账、提交、删除类流程时会触发真实副作用因此应优先在staging 或测试环境运行涉及真实支付/写操作的场景需谨慎授权文档的 Limitations 进一步明确不得将输出视为环境特定验证、测试或专家评审的替代品当所需输入、权限、安全边界或成功标准缺失时应停止执行并请求澄清。在 AAS 的审核体系中风险标签属于声明性元数据审核流程会校验其存在与形态docs/contributors/quality-bar.md。使用者在实际调度该技能时应把critical视为执行前必须确认环境与权限的强信号。九、在 AAS Core 中的完整定位汇总仓库各数据层的记录可以还原该技能在 AAS Core 中的完整画像维度记录来源值分类data/catalog.jsontest-automation风险data/skills_index.jsoncritical收录日期data/skills_index.json2026-09-04插件目标data/plugin-compatibility.jsoncodex / claude 均supported安装配置data/plugin-compatibility.jsontype: none无需额外配置所属捆绑data/bundles.json、data/bundles.jsoncore-dev、mobile-core文档本体plugins/agentic-awesome-skills-claude/skills/awt-e2e-testing/SKILL.md完整使用说明从源码结构看该技能在 AAS 中属于社区收录 平台适配型资产它由上游ksgisang/awt-skill提供能力本体AAS Core 通过目录索引、触发词、风险分级与插件兼容声明将其纳入可发现、可调度、可审计的技能体系。对于想为 AI 编码工作流补齐浏览器验证能力的团队这是一个开箱即用的接入点——无需维护自建浏览器自动化框架只要遵循声明式 YAML 场景 视觉断言 结构化失败报告的范式即可。赞分享AI 技能AI 插件【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,400 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/gh_mirrors/an/agentic-awesome-skills点击查看免费下载相关推荐SurfSense 中 Playwright E2E 测试的性能优化并行执行、Sharding 与网络层优化实战SurfSense 中 Playwright E2E 测试的性能优化并行执行、Sharding 与网络层优化实战 本篇指南基于 SurfSense 仓库内置的人工智能AI 应用后端AI Agent网页爬虫RAG深度研究MCP 服务前端Sanity 仓库 E2E 测试性能实战Playwright 并行执行、分片Sharding与资源调优指南Sanity 仓库 E2E 测试性能实战Playwright 并行执行、分片Sharding与资源调优指南 本篇技术指南聚焦于 Playwright 测试CMS前端Agentic Awesome Skills 视觉指南AAS Core 工作流与技能分发全景图解Agentic Awesome Skills 视觉指南AAS Core 工作流与技能分发全景图解 本文以 docs/users/visual guide.mdAI 技能AI 插件创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考