TestMu AI前身为LambdaTest是全球首个由智能体AI驱动的质量工程平台。该平台在其自然语言测试工具Kane CLI中引入了“从需求到判定”(Source-to-Verdict)闭环。在Kane CLI从浏览器自动化工具不断演进的基础上该闭环能够将产品需求转化为发布决策自动编写测试、在本地浏览器中运行测试、收集证明、根据实际执行情况衡量覆盖率并最终返回判定结果。当AI智能体负责编写、运行和修复测试时一个绿色的对勾已不再可靠什么都不检查的步骤可能会通过针对几周前已变更的规格编写的测试可能会通过甚至点击根本没有生效智能体却报告“已完成”的情况也会显示通过。在每个仪表盘上“空的绿色”和“获得的绿色”颜色相同数字在攀升但风险并未消除。Kane CLI填补了这一空白它将需求直接转化为判定并为每一个步骤提供证明。一个闭环从需求到判定。你不再需要交给Kane CLI测试脚本而是直接提供需求。九个阶段构成一条可追溯的链路需求来源→业务用例→场景→验收标准→test.md→执行→证明→覆盖率→判定前半部分是AI执行测试工程后半部分则是证明。最终的数字由机器读取绝非人工输入或主观臆断。兼容任意输入源。将Kane CLI指向产品需求文档(PRD)、Jira工单、Confluence规范、Figma框架或演示视频它即可将其拉入上下文——没有其他工具能将Figma节点或mp4视频作为需求来源。AI设计测试并在必要时主动提问。它会提取业务用例将其拆解为场景并将每个场景锚定到验收标准。当两个来源存在冲突时它会暂停并询问哪个是最新的而不是盲目猜测。人类可读的测试自带覆盖率映射。输出结果为test.md人类可编辑的纯Markdown格式其中每一步都声明了它所证明的标准。可追溯性内置于测试中而不是依附于测试的独立电子表格。在真实浏览器中的确定性执行。编写阶段是宽松且基于意图的执行阶段则重放录制的运行过程循环中没有大语言模型(LLM)参与因此每次行为都保持一致。只有当产品真正偏离预期时自动修复(Autoheal)才会介入且流程可执行超过50个步骤。每次运行生成一个One.evidence证明包。它不仅是截图和日志而是完整的运行记录智能体的执行轨迹、网络请求HAR格式、出现分歧的DOM状态、控制台信息、视频以及任何失败的根因分析报告。它以分层页面的形式打开——L0极简、L1覆盖率与质量信号、L3签名、认证及逐文件哈希。每个对勾背后有三个评分。证据支撑通过是否真实、合法性智能体是否真正执行了操作——空操作点击会显示legit:false以及确定性是否可复现。允许下降的覆盖率。覆盖率是根据证明包计算得出的而非由运行工具自行断言。严格模式会降低那些针对已变更规格通过的测试的评级——只有允许下降的百分比在上升时才值得信任。最终由人工签字。覆盖率、置信度、未覆盖的标准和过时的来源会汇总为一个最终判定发布或暂停作为必需的检查项发布在拉取请求上并附带证明链接。机器提供证明由人来做出最终决定。“现在的软件在发布时已有智能体参与循环负责编写测试、运行测试和修复故障。绿色对勾是为人类逐行阅读代码的时代设计的它从未被设计为在智能体介入的循环中运行。Kane CLI将需求一路推进到发布决策并展示其工作过程留下一份团队成员、智能体和审计人员都能据此采取行动的记录。”TestMu AI联合创始人兼增长负责人Mudit Singh表示。.evidence是完全开放的。证明包并不锁定在仪表盘内而是采用纯YAML和Markdown格式支持版本控制、在git中进行差异比对且人类、智能体和审计人员均可读取。团队即使不采用Kane CLI本身也可以使用该格式并且证明包可以导出为CTRF和JUnit等CI格式。你可以把它看作是“测试证据的PDF”。关于TestMu AITestMu AI前身为LambdaTest是全球首个由智能体AI驱动的质量工程平台通过将自主测试能力与现实世界的验证相结合帮助团队在AI优先的时代充满信心地构建、测试和发布软件。