Approxima：开源 Agentic QA 工具，用英语写测试、AI 自动找回归缺陷

端到端测试长期以来有两个让人头痛的选择：

要么用 Playwright/Cypress 写脚本——精准但脆弱，UI 但凡改个 class 名或挪个按钮，就跑红一堆 case，维护成本比写代码还高。 要么用托管 AI QA 平台——省心但你的测试数据、历史记录、发布信心全锁在别人服务器上，还按月付费。

Approxima 试图给出第三个选项：开源 + Agentic（智能代理驱动）。用英语写测试步骤，AI 代理在真实浏览器中执行，UI 变了它会自己修复。

它来自 Y Combinator 2026 冬季批次的新创公司 Approxima，创始人是两位 2025 届滑铁卢大学毕业生（Ethan Pronev 曾在 Jane Street/Citadel 做交易系统，Ashish Selvaraj 曾在 Databricks/Microsoft 做基础设施）。目前在 GitHub 上以 MIT 协议开源。

一、它解决了什么问题

传统的自动测试工具无论怎么演变，始终困在两种模式里：

Approxima 的解法是两个结合的：把测试写成意图（intent）而非选择器（selector），底层用 Playwright 驱动真实浏览器，上层用 LLM 解析意图、适配变化、自我修复。同时因为完全开源 MIT，你可以永远自托管。

二、核心能力

用英语写测试（Journeys）

一个 Journey（测试旅程）就是一段有序的英语步骤列表：

- Click Sign in
- Enter $TEST_EMAIL in the email field
- Verify the dashboard shows 3 projects
- Click on the first project
- Verify the project detail page loads

Agent 在真实浏览器中逐条执行，每步截屏 + 视觉验证。可以分组为 Suite，通过 cron 定时运行或手动触发。

Goal Mode：不知道步骤？告诉它目标就行

这是最有意思的功能。如果你不确知某条测试路径的具体步骤，可以直接给一个目标：

"Sign up, create a project, and invite a teammate"

Agent 会自己探索你的应用，找到完成目标的所有步骤，然后把它们回写到 Journey 里，并立即启动一次验证运行确认可复现。之后这条测试就变成了确定性的 Journey，不需要人手动写步骤。

Skills：可复用的步骤组

比如「登录」这个操作可以定义为一个 Skill：

Login: enter email, enter password, click submit

然后在多个 Journey 中直接引用为一行。更新 Skill 会自动更新所有引用它的 Journey。Goal Mode 发现已存在的 Skill 时，会自动将匹配的步骤折叠为单行引用。

Self-Healing（自愈）

当应用 UI 变化导致某条步骤的文字不再匹配时，Agent 不会直接跑失败——它会分析页面当前状态，推断正确的操作应该是什么，给出修复建议。

建议经过 LLM 审查后推送到编辑器，你只需点一下接受或忽略。这意味着测试用例可以在 UI 频繁变动的情况下持续运行，而不是每次改界面都要重写测试。

变量与密钥

步骤中可以用 $NAME 语法引用变量。标记为 secret 的变量会经过 AES-256-GCM 加密存储、在 UI 中显示为 ••••••、并从运行日志中自动清除。

不过需要注意项目文档中的诚实警告：

Secrets used in Approxima should be for test workspaces that don’t matter to you and which you wouldn’t mind exposing.

（在 Approxima 中使用的密钥应该来自你不会在意的测试环境。）

因为加密只在存储层面生效，实际值在 Agent 执行时仍然会发送给 LLM 提供商。

Shadow Runs：A/B 测试 Agent 自身

在 shared/agent-versions.ts 中注册一个 beta Agent 版本，开启 AUTO_SHADOW_ENABLED，每次正式运行都会平行启动一个影子运行使用新版 Agent。管理面板会用配对统计对比两个版本的差异——直接拿来找最佳 Agent 配置。

三、架构概览

用户 → Next.js 前端（Dashboard）
        ↓
   Hono API (Cloudflare Workers) → Postgres 队列
        ↓
   Web Runner (Node + Playwright + LLM)
        ↓
   本地 Chromium 逐步骤执行
        ↓
   结果回调 → Dashboard Live Screencast

四、Agent 如何驱动浏览器

Approxima 有两种 Agent：

• Journey Agent：执行固定步骤列表，逐条操作→截图→验证，产出自愈建议
• Explore Agent：在 Goal Mode 下探索应用直到完成目标，写回步骤（Skill-aware），然后触发验证

底层使用了一种”元素优先 + 坐标消歧”的点击策略：

1. 优先按 Role（getByRole() 匹配 accessible name）
2. 次选按 Text（getByText() 大小写不敏感子串）
3. 最后用 CSS Selector

截图默认 1280×720（移动模式 390×844），支持区域裁剪查看细节。

五、快速上手

git clone https://github.com/Approxima-AI/Approxima-OSS.git

依赖： Node 20+、Postgres、S3 兼容存储、至少一个 LLM API Key（OpenAI / Anthropic）

详细启动步骤见项目 README。部署方式包括 Docker Compose，支持自托管。

六、使用场景与注意事项

适合的场景

• CI/CD 回归测试：每次 PR 自动运行 Agentic QA，检测功能是否被改坏
• UI 频繁变动的项目：Agent 的自愈能力让测试不至于每次改界面就全崩
• 测试编写门槛高的团队：PM/QA 可以用自然语言描述测试，不需要编程
• 重视数据主权的公司：完全自托管，测试数据不出你的网络

需要留意的地方

• 项目非常新：6 个 Stars、2 个 contributors、刚刚开源。社区和成熟度还在早期
• LLM 调用成本：每一步都调用 LLM，大规模测试可能产生可观费用
• 密钥安全性：项目文档诚实地说明了密钥值会传给 LLM 提供商，不适合生产级凭据
• 纯 Web 测试：目前只支持 Web 应用 E2E，不支持 API 或移动端

七、比较：Approxima 与其他方案

总结

Approxima 的方向是对的：测试不应该写成适配器代码，而应该描述为行为意图。 当 UI 变了，意图不需要变——这是 Agent 的价值所在。

当然它还很新。6 个 Stars 的项目不代表现在就要投入生产，但它的设计思路——开源 + 自然语言测试 + 自愈 + 自托管——代表了一条值得关注的技术路线：AI 不再只是辅助写测试代码，而是直接成为测试执行的驱动力。

项目地址： github.com/Approxima-AI/Approxima-OSS
官网： approxima.ai
许可协议： MIT