AI-assisted testing（AI 辅助测试）和 agentic testing（智能体测试）听着像一回事，但主动权完全不一样。

AI-assisted 模式下，AI 给建议，人来执行。比如 AI 说"这个 PR 改了支付模块，建议跑一下支付相关的回归测试"，然后人点确认、跑脚本、看结果。方向盘在人手里。

Agentic 模式下就不一样了，AI 自己跑完整个循环。看代码改了什么，决定跑哪些测试，跑完分析结果，发现选择器（定位页面元素的标识，比如按钮的 ID 或 class）变了就自动修，最后给你一个"这次变更的风险等级"。人呢，就在边上画好红线，关键决策审一眼就行。

一句话，前者是副驾驶，后者是自动驾驶。

1. 规划（Planning） ，读需求文档、代码变更、历史缺陷数据，决定"这次要测什么、不测什么"。不是把所有回归用例都跑一遍，而是基于风险信号挑重点。
2. 执行（Execution） ，跑测试，收集证据（截图、日志、性能数据）。
3. 适应（Adaptation） ，测试跑不通时不直接报红，先尝试修复。比如按钮从 id="submit" 改成了 class="btn-primary" ，agent 自己找到新的定位方式，更新用例，继续跑。这个能力叫自愈（self-healing）。
4. 治理（Governance） ，根据覆盖率、变更影响、缺陷逃逸率（测试没拦住、上线后才被发现的 bug 比例）等指标，决定"这次能不能上线"。agent 基于数据做判断，但人可以审查它的决策理由。

四个环节不是跑一次就完了。适应阶段修好的用例、治理阶段积累的质量数据，都会反馈给下一轮规划，告诉 agent 哪些区域风险高、哪些测试容易坏。这才是"闭环"的意思。

原文把 2026 年的 agentic testing 工具分成三类：大型企业平台（比如 Tricentis）、AI-native 平台（比如 mabl）、还有只解决单一痛点的单点工具（比如 testRigor）。不管选哪类，都有三个评估维度。

1. 范围 ，你需要的是一个助手（帮你写测试）、一个单点工具（解决某个瓶颈）、还是一个平台（管理整个质量流程）？先想清楚这个，再去看工具列表。
2. 可衡量的结果 ，别看 demo，demo 都漂亮。看生产环境中的回归耗时、维护成本、flake rate（测试本身不稳定导致的假失败比例）、缺陷逃逸率有没有实际改善。说清怎么衡量成功，ROI 才算得出来。
3. 治理能力 ，agent 自主做了决策，你能解释它为什么这么做吗？在需要审计的场景（金融、医疗），这一点不是锦上添花，是刚需。