知识点思维导图
25 个知识节点
面试题（10） - AI Test Engineering 与 UI 验收（第 91～100 题）
读完后，你应能完成以下任务：
- 绘制“面试题（10） - AI Test Engineering 与 UI 验收（第 91～100 题） / 回答标准”的关键对象与数据流，解释“原理题：说清机制、输入输出和相近概念的边界。”，并用源码位置、日志或 Trace 标注证据。
- 为“面试题（10） - AI Test Engineering 与 UI 验收（第 91～100 题） / 第91题：AI 生成测试最常见的同源偏差是什么？”设计正常与异常输入，验证“核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。”，输出首个偏差位置与回归测试结果。
- 实现“面试题（10） - AI Test Engineering 与 UI 验收（第 91～100 题） / 第99题：浏览器里元素 visible 为什么仍可能不可点击？”的最小代码或配置，检验“判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现；”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：AI Test Engineering 与 UI 验收（第 91～100 题） 是什么？
理解“AI Test Engineering 与 UI 验收（第 91～100 题）”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“AI Test Engineering 与 UI 验收（第 91～100 题）”的第一个核心判断是：原理题：说清机制、输入输出和相近概念的边界。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 回答标准 | 原理题：说清机制、输入输出和相近概念的边界。 |
| 2 | 第91题：AI 生成测试最常见的同源偏差是什么？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 |
| 3 | 第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 |
| 4 | 第93题：集成测试和契约测试分别防止什么回归？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 |
| 5 | 第94题：E2E 测试为什么不能替代单元测试？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 |
| 6 | 第95题：Property-based Testing 和 Mutation Testing 如何互补？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 |
1.1 核心对象之间怎样衔接
flowchart LR
S1["回答标准"] --> S2
S2["第91题：AI 生成测试最常见的同源偏差是什么？"] --> S3
S3["第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？"] --> S4
S4["第93题：集成测试和契约测试分别防止什么回归？"] --> S5
S5["第94题：E2E 测试为什么不能替代单元测试？"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“AI Test Engineering 与 UI 验收（第 91～100 题）”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“AI Test Engineering 与 UI 验收（第 91～100 题）”的对象和顺序已经明确后，再看可观察的失败：条件缺失、结果不可复现或失败后责任不清。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、回答标准
- 原理题：说清机制、输入输出和相近概念的边界。
- 选型题：给出约束、比较维度、不适用场景和最终依据。
三、第91题：AI 生成测试最常见的同源偏差是什么？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
四、第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
五、第93题：集成测试和契约测试分别防止什么回归？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 协议边界需要版本号、兼容策略和未知字段处理，避免客户端与服务端独立升级后静默误解。
工程实践： 错误要返回机器可判断的类别和可安全展示的信息， 不能把堆栈、密钥或内部路径直接暴露。 面试时还应补充一个失败案例和对应的止损或回滚办法。
六、第94题：E2E 测试为什么不能替代单元测试？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
七、第95题：Property-based Testing 和 Mutation Testing 如何互补？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。
工程实践： 每个提交都应可独立解释和回退； 兼容性迁移要先扩展、再切流、最后清理旧路径。 面试时还应补充一个失败案例和对应的止损或回滚办法。
八、第96题：Fixture、Mock 和真实测试数据应该怎样选？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
九、第97题：如何区分 Flaky Test、产品缺陷和基础设施故障？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
十、第98题：为什么覆盖率高仍可能没有有效断言？
核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 单测、契约、集成和 E2E 覆盖不同边界； Property-based 扩输入， Mutation Testing 检验断言， 覆盖率只衡量执行范围。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
十一、第99题：浏览器里元素 visible 为什么仍可能不可点击？
核心答案： visible 不保证元素在视口内、未被遮挡或可点击。 验收要检查矩形、层叠、焦点、真实点击、Console、Network、响应式和主题， 并把截图或 Trace 绑定到提交。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 视觉验收需要固定视口、字体、数据和动画状态； 截图差异必须能回到具体组件和样式原因。
工程实践： 至少覆盖桌面与移动端、浅色与深色主题， 并检查 Console、Network 和无障碍语义。 面试时还应补充一个失败案例和对应的止损或回滚办法。
十二、第100题：UI 验收怎样覆盖响应式、主题、Console 和 Network？
核心答案： visible 不保证元素在视口内、未被遮挡或可点击。 验收要检查矩形、层叠、焦点、真实点击、Console、Network、响应式和主题， 并把截图或 Trace 绑定到提交。
判断依据： AI 可以扩展测试思路，但测试必须独立于生成实现； UI 验收还要覆盖真实交互、运行时错误和视觉状态。 把功能错误、环境错误和基础设施错误分开，重试只适用于确认的瞬态失败。
工程实践： 验收证据应包含命令、退出码、关键输出和运行环境； 覆盖率不能替代断言质量。 面试时还应补充一个失败案例和对应的止损或回滚办法。
十三、动手验证：先跑通 AI Test Engineering 与 UI 验收（第 91～100 题），再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“AI Test Engineering 与 UI 验收（第 91～100 题）”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
13.1 基线与候选只允许一个变量不同
验证“AI Test Engineering 与 UI 验收（第 91～100 题）”时，先固定样本、基线、候选、成功标准和失败边界。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“AI Test Engineering 与 UI 验收（第 91～100 题）”时，动作是：同环境运行基线与候选，记录输入、中间状态和异常。原始结果不能只保留截图或汇总分数，必须同步保存：可重放命令、结构化日志、输出 Diff、失败样本、版本，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定样本、基线、候选、成功标准和失败边界 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 通过阈值 | 结果符合结论条件，异常输入可解释、可恢复 |
| 立即停止 | 条件缺失、结果不可复现或失败后责任不清 |
13.2 执行前先排除不可比较条件
“AI Test Engineering 与 UI 验收（第 91～100 题）”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“AI Test Engineering 与 UI 验收（第 91～100 题）”的当前环境重复运行。
- 候选只改变一个与“AI Test Engineering 与 UI 验收（第 91～100 题）”结论直接相关的条件。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
13.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“AI Test Engineering 与 UI 验收（第 91～100 题）”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定样本、基线、候选、成功标准和失败边界 |
| 过程可回放 | 同环境运行基线与候选，记录输入、中间状态和异常 |
| 结果可审计 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
“AI Test Engineering 与 UI 验收（第 91～100 题）”的一次合格基线对照按以下顺序执行：
- 保存“AI Test Engineering 与 UI 验收（第 91～100 题）”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“AI Test Engineering 与 UI 验收（第 91～100 题）”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“AI Test Engineering 与 UI 验收（第 91～100 题）”：同环境运行基线与候选，记录输入、中间状态和异常。
- 为“AI Test Engineering 与 UI 验收（第 91～100 题）”保存：可重放命令、结构化日志、输出 Diff、失败样本、版本。
- 使用“AI Test Engineering 与 UI 验收（第 91～100 题）”预登记条件判断：结果符合结论条件，异常输入可解释、可恢复。
- 如果“AI Test Engineering 与 UI 验收（第 91～100 题）”未通过，不修改第二个变量，先恢复基线并保留失败现场。
十四、用一张矩阵验证 AI Test Engineering 与 UI 验收（第 91～100 题） 的关键结论
矩阵按正文顺序列出“AI Test Engineering 与 UI 验收（第 91～100 题）”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 回答标准 | 原理题：说清机制、输入输出和相近概念的边界。 | 只改变与“回答标准”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 第91题：AI 生成测试最常见的同源偏差是什么？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 | 只改变与“第91题：AI 生成测试最常见的同源偏差是什么？”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 | 只改变与“第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 第93题：集成测试和契约测试分别防止什么回归？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 | 只改变与“第93题：集成测试和契约测试分别防止什么回归？”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 第94题：E2E 测试为什么不能替代单元测试？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 | 只改变与“第94题：E2E 测试为什么不能替代单元测试？”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
| 第95题：Property-based Testing 和 Mutation Testing 如何互补？ | 核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。 | 只改变与“第95题：Property-based Testing 和 Mutation Testing 如何互补？”相关的条件 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 |
14.1 记录本次实际实验
下面的记录用于“AI Test Engineering 与 UI 验收（第 91～100 题）”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "AI Test Engineering 与 UI 验收（第 91～100 题）"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "同环境运行基线与候选，记录输入、中间状态和异常"
evidence: "可重放命令、结构化日志、输出 Diff、失败样本、版本"
pass_when: "结果符合结论条件，异常输入可解释、可恢复"
stop_when: "条件缺失、结果不可复现或失败后责任不清"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
14.2 边界实验必须证明能够停止和恢复
成功路径只能证明“AI Test Engineering 与 UI 验收（第 91～100 题）”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：条件缺失、结果不可复现或失败后责任不清，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 可重放命令、结构化日志、输出 Diff、失败样本、版本 | 结果符合结论条件，异常输入可解释、可恢复 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：条件缺失、结果不可复现或失败后责任不清 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：保留基线，缩小变量；根因确认前不扩大范围 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“AI Test Engineering 与 UI 验收（第 91～100 题）”，第一步是：保留基线，缩小变量；根因确认前不扩大范围。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“AI Test Engineering 与 UI 验收（第 91～100 题）”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
十五、AI Test Engineering 与 UI 验收（第 91～100 题） 的结果解释
解释“AI Test Engineering 与 UI 验收（第 91～100 题）”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 条件缺失、结果不可复现或失败后责任不清 | 先执行：保留基线，缩小变量；根因确认前不扩大范围 |
| 异常链路无法恢复 | 条件缺失、结果不可复现或失败后责任不清 | 先执行：保留基线，缩小变量；根因确认前不扩大范围 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“AI Test Engineering 与 UI 验收（第 91～100 题）”只有同时满足“结果符合结论条件，异常输入可解释、可恢复”，并且没有出现“条件缺失、结果不可复现或失败后责任不清”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“AI Test Engineering 与 UI 验收（第 91～100 题）”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“AI Test Engineering 与 UI 验收（第 91～100 题）”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
十六、AI Test Engineering 与 UI 验收（第 91～100 题） 的发布判断
发布判断需要把“AI Test Engineering 与 UI 验收（第 91～100 题）”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的基线与候选只存在一个计划内变量。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的输入、代码、依赖、配置和数据版本可以追溯。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的正常、临界、失败和恢复样本使用同一套断言。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的原始输出、中间状态和失败现场已经保留。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的日志、Trace、截图和测试数据已经脱敏。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”的停止条件、负责人和回滚入口已经演练。
- “AI Test Engineering 与 UI 验收（第 91～100 题）”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“AI Test Engineering 与 UI 验收（第 91～100 题）”的判断，就不能发布。
十七、总结
- 第91题：AI 生成测试最常见的同源偏差是什么？：核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。
- 第92题：怎样让单元测试覆盖边界，而不是只覆盖实现细节？：核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。
- 第93题：集成测试和契约测试分别防止什么回归？：核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。
- 第94题：E2E 测试为什么不能替代单元测试？：核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。
- 第95题：Property-based Testing 和 Mutation Testing 如何互补？：核心答案： 测试预期来自需求、风险和历史缺陷，而不是从生成实现反推。
学完自测
选择所有正确答案；提交后逐项核对判断依据。