Game AI QA

游戏版本迭代节奏持续加快，但 QA（Quality Assurance）团队的测试能力长期跟不上研发速度。一方面，手工测试效率低、回归测试重复耗时，功能越多积压越严重，版本上线质量受制于人力瓶颈。另一方面，传统自动化测试方案需要侵入游戏客户端，与引擎版本强耦合，维护成本高、适配周期长，难以在多项目间复用。本方案提供一套基于 AI 视觉智能体的游戏自动化测试框架，以"非侵入+自然语言"为核心设计理念。测试人员用中文描述测试意图（如"打开背包，检查道具数量是否正确"），智能体通过截图理解当前画面，自主决策下一步操作，在真实设备上执行点击和滑动等操作，完成端到端的自动化测试，不需要在游戏内嵌入 SDK 或暴露 UI 控件树。

1. 自然语言定义测试用例：以 YAML 描述测试任务，不需要编写脚本代码，QA 人员和策划人员均可直接上手。
2. 非侵入式视觉操控：通过截图分析画面内容和用户界面元素坐标，直接在设备层面执行操作，不需要在游戏侧做任何改造或接入。
3. 多模态感知与多路定位：结合大语言模型视觉理解、OCR 文字识别和图像分割模型的多路候选结果，融合排序选出最佳点击坐标，提升复杂界面的定位准确率。
4. 失败自动重试与自适应记忆：在执行中如果识别异常则自动调整策略重试，同时缓存已识别的页面结构和控件坐标供后续步骤复用，减少重复识别开销。
5. 多设备并行执行：支持多台设备同时执行不同测试用例，回归测试时间随设备数量线性缩短，适合大规模回归场景。
6. 灵活的设备接入：支持云端真机池、本地模拟器和本地物理设备三种运行时，按需切换，覆盖从开发调试到 CI 流水线的各种场景。
7. 自由探索模式：AI 自动遍历应用界面，发现可交互元素并记录导航路径，辅助测试人员快速了解新版本界面变化，自动生成可用的测试用例。