读取 PR 自动测试
自动读取代码仓库中每一个 Pull Request,按真实用户使用产品的路径执行验证,把质量检查嵌进现有提交流程,无需额外安排测试任务。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Pie 是一款自主式人工智能质量保证平台,面向需要快速迭代又要保证质量的研发团队。它会读取每一个 PR,像真实用户一样在 iOS、Android 和 Web 上走完用户流程,捕获功能与可用性 bug,并在问题到达用户前自动草拟修复 PR 供团队审核。使用它的团队把回归测试从数天缩短到数小时,一份案例显示其覆盖 5 个应用、3 个市场,零人工回归。它不依赖选择器定位元素,UI 改版后覆盖不会失效。不过它需要联系销售获取报价,且官方未公开价格与免费额度。
Pie 是一款面向软件研发团队的自主式人工智能质量保证平台,定位是「像真实用户一样测试每次改动」。它运行在后台,读取代码仓库里的 Pull Request,按真实用户路径在新版本上走一遍,找出功能性和可用性问题。
它的工作方式分四步:探索产品并绘制真实用户流程,无需编写测试脚本;读取每个 PR 并按用户使用方式执行;捕获功能性 bug 和可用性问题,而不是只看通过或失败;最后自动打开一个包含修复代码的 PR,等待人工审核合并。它以「无选择器」的方式定位界面元素,靠观察屏幕找到按钮等控件,因此 UI 改版后测试覆盖仍然有效。
普通用户可以把它当作一个持续运行的质量守护进程,睡醒后处理修复 PR 而不是看一堆 bug 报告;开发者把它接进现有 PR 流程,让每次提交都自动被真实流程检验;质量团队用它替代或补充人工回归,把从数天的回归测试压缩到数小时。目前支持 iOS、Android 和 Web 三端。
自动读取代码仓库中每一个 Pull Request,按真实用户使用产品的路径执行验证,把质量检查嵌进现有提交流程,无需额外安排测试任务。
靠观察屏幕找到按钮等界面元素,像用户一样定位控件,不依赖选择器。UI 重新设计后测试覆盖依然有效,不会因为样式改版而失效。
状态码 200 不等于产品可用。它能发现通过常规断言但实际已经坏掉的用户体验,例如按钮点击后一直处于禁用状态、用户无法进入下一步。
发现 bug 后自动定位根因并生成修复代码,打开一个待审核的 PR。示例中把 loading 状态未复位的根因和修复补丁直接写入 PR,团队只需审核合并。
覆盖 iOS、Android 和 Web 三端,可在同一套流程里跨平台验证改动,适合同时维护多端产品的团队统一做端到端检查。
每个发现的问题在推送给团队前都会先被复现,保证报出来的是真实可重现的缺陷,减少大量无法复现的疑似问题带来的干扰。
当团队保持高频发布、希望在不增加人工 QA 的前提下守住端到端质量时,Pie 值得关注:它把回归测试从数天压缩到数小时,并能直接产出修复 PR,把「发现问题」和「改问题」连成一步。当团队的产品流程非常复杂、或需要精确控制测试脚本的每一步断言时,它「无脚本、靠观察界面」的方式需要先验证覆盖面是否够用。它按销售报价,没有公开价格与免费额度,预算敏感或多方比价时需先索要报价;同时它支持 iOS、Android、Web,桌面端等其它平台未提及。
每天多次合并 PR、希望每次改动都被自动验证,把回归从数天压到数小时,减少因发布太快导致线上问题的事后解释。
同时维护 iOS、Android、Web 三端,需求是一套流程统一跑端到端检查,而不是为每个端分别维护一套脚本。
希望用自动修复 PR 替代部分人工回归和长期维护的脚本,把精力从修脚本转到审核修复和流程设计上。
需要先看公开价格再做采购决策,而这类平台需要联系销售获取报价,获取报价前难以评估成本是否可承受。
产品形态以桌面客户端为主,而目前覆盖的是 iOS、Android 和 Web,桌面端未提及,可能不在适用范围内。
它读取每个 Pull Request,像真实用户一样走一遍产品流程,按屏幕上的实际画面找到按钮等控件,模拟点击、填写等操作。发现问题后先复现,再自动定位根因并生成一个修复 PR,团队审核合并即可。整个过程不需要先写测试脚本。
它的思路是让测试跟着界面走,靠观察屏幕定位元素,而不是绑定选择器。这样 UI 改版后覆盖仍能生效。代价是对断言的控制不如手写脚本精细,如果你们需要逐条控制每一步断言,建议先用核心链路验证覆盖情况。
覆盖 iOS、Android 和 Web 三端。桌面端等其它形态官方未提及,如果产品以桌面客户端为主,可能不在适用范围内,建议联系团队确认。
价格未公布,需要联系销售获取报价。页面没有列出免费额度或试用方式,在做成本评估前需要先向团队索要报价。
脚本题材本身在维护成本上很脆弱:界面一变,靠选择器定位的用例就可能失败。Pie 通过观察界面定位元素来降低这类维护负担,并用自动修复 PR 把发现问题和改问题连起来。它的主张是脚本不够用,需要让 AI 在每次改动后都重新走一遍真实流程。
每条发现都会在推送给团队前先被复现,官方强调给的是真实可重现的缺陷,而不是大量无法确认的疑似问题。即便如此,修复 PR 仍建议走正常评审流程,确认根因和影响范围后再合并。