什么是AI智能体（Agent）？
AI智能体（Agent）不是某个具体的大模型（如豆包、通义千问或Claude），而是一套能调用大模型接口并与本地系统交互的软件系统。它让AI不仅能“说话”，还能“做事”——比如操作文件、打开浏览器、查询天气等。
Agent vs. 大模型：关键区别
大模型本身是“静态”的，只能处理文本、图像等输入输出，无法直接访问外部系统。而Agent作为中间层，负责将用户指令传递给大模型，并根据大模型的决策调用本地工具或API，再将结果反馈回去，形成闭环。
一个简单例子：写诗并保存到文件
- 在项目目录（如
AIdemo）中，使用Agent工具（如Claude Code）可直接创建文件并写入内容。 - 普通大模型聊天界面虽能生成诗歌，但无法自动保存到本地文件；而Agent能通过执行系统命令（如
echo "诗" > B.txt）完成此操作。
Agent如何工作？以查询天气为例
当用户说“查北京天气”时，流程如下：
- Agent接收指令，并附上可用函数列表（如
get_weather(location)）发送给大模型。 - 大模型判断需调用函数，返回“请调用
get_weather("北京")”而非直接回答。 - Agent执行该函数，获取真实天气数据，再传回大模型。
- 大模型整合信息，生成最终自然语言回复。
整个过程涉及三轮交互，体现了Agent的“工具调用”能力。
为什么测试人员需要理解Agent？
在自动化测试中，仅靠丢需求文档给AI无法生成有效用例——多数需求文档结构混乱、信息不全。正确做法是：
- 打点教学：引导AI“看”页面，标注关键模块（如登录页、作家专区、小说管理）。
- 提供上下文：告知数据库位置、接口规范等系统信息。
- 构建多Agent协作：主Agent协调子Agent（Sub-agent）完成不同测试任务。
实战成果：自动生成测试报告
基于上述方法，AI可自动执行测试用例，并生成包含截图、步骤和结果的完整测试报告。例如，在贝壳找房项目中，Agent已能独立完成端到端测试并输出可视化报告。
回复 0