Files
Obsidian/MyBestNanobot/自动化测试,snap 版 Chromium 和 Playwright 的 Chromium 的差异.md
T
2026-07-21 14:53:24 +08:00

339 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
**核心差异:Snap 是一个容器/沙箱,Playwright 的是裸二进制。**
---
**1. 安装与运行方式**
| | Snap Chromium | Playwright Chromium |
|--|---------------|---------------------|
| 位置 | `/snap/chromium/3416/...` | `~/.cache/ms-playwright/chromium-1208/...` |
| 安装方式 | Ubuntu snap 包管理器 | Playwright `install` 脚本直接下载解压 |
| 运行环境 | **Snap 沙箱容器**(受限的文件系统、权限、IPC) | 普通用户进程,无额外容器层 |
| 更新 | 自动(snap 控制) | 手动(与 Playwright 版本绑定) |
---
**2. 为什么 agent-browser 在 Snap 版上卡住**
Snap 的安全模型对自动化工具很不友好:
- **文件系统隔离**:Snap Chromium 只能看到 `/home/ubuntu/snap/chromium/` 下的数据,对 `/tmp` 等路径有受限访问
- **进程间通信限制**:agent-browser 通过 Chrome DevTools Protocol (CDP) 连接 Chromium,snap 的 AppArmor 配置可能阻塞或延迟这个连接
- **无头模式问题**:snap 版在 `--headless=new` 模式下经常需要额外的 `--enable-unsafe-swiftshader` 等参数才能正常工作
- **会话残留**:snap Chromium 崩溃或卡住时,agent-browser 的 daemon 还在等待 CDP 响应,导致后续命令全部超时
**刚才的实际现象**:
```
[chrome] <defunct> ← 僵尸进程
agent-browser open ... → 超时 124
```
就是 snap Chromium 启动后 CDP 连接挂起,agent-browser 一直等不到响应。
---
**3. 为什么 Playwright 一直工作正常**
Playwright 的 Chromium 是**专门为自动化设计的**:
- 直接下载 `.zip` 解压,没有任何 snap/apparmor 沙箱层
- Playwright 自己管理启动参数、user-data-dir、CDP 端口
- 支持 `--no-sandbox` 无缝运行
- 版本经过 Playwright 团队测试,确保 CDP 协议兼容性
---
**4. 对 agent-browser 的建议**
让 agent-browser 用 Playwright 的 Chromium,而不是 snap 版:
```bash
# 方式一:每次命令指定路径
agent-browser open https://example.com \
--executable-path ~/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome \
--args "--no-sandbox"
# 方式二:环境变量(推荐)
export CHROME_PATH="$HOME/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome"
agent-browser open https://example.com --args "--no-sandbox"
# 方式三:让 agent-browser 自己下载 Chrome for Testing
agent-browser install
# 这会下载到 ~/.cache/agent-browser/chrome/...
```
---
**一句话总结**:Snap 是给普通用户用的浏览器,Playwright 的是给机器人用的浏览器。自动化场景下,永远优先用 Playwright 的 Chromium 或 Chrome for Testing。
---
基于文档,我的日常自动化测试工作流应该这样分层执行:
---
**一、环境准备(每次新会话只需确认一次)**
```
# 1. 检查 Playwright Chromium(优先用,避开 Snap)
ls ~/.cache/ms-playwright/chromium-*/chrome-linux*/chrome
# 2. 如需要 agent-browser,强制指定 Playwright 的 Chrome
export CHROME_PATH="$HOME/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome"
# 3. 确认目标服务在运行
curl -s http://129.211.173.87:PORT/health
```
**原则**:永远不用 Snap Chromium 做自动化,它是给用户手动浏览器的,不是给机器人的。
---
**二、三级测试策略**
| 级别 | 场景 | 工具 | 耗时 |
|------|------|------|------|
| **L1 视觉验证** | "截图看看效果" | Playwright 截图 | 10-30 秒 |
| **L2 功能验证** | "点一下按钮看是否正常" | Playwright 脚本 | 1-2 分钟 |
| **L3 E2E 回归** | "跑一遍完整用户流程" | Playwright Test + 断言 | 3-5 分钟 |
---
**三、具体执行流程**
**L1:快速截图验证**
```python
# /home/ubuntu/.nanobot/workspace/tests/quick_screenshot.py
from playwright.sync_api import sync_playwright
with sync_playwright() as p:
browser = p.chromium.launch(
executable_path="~/.cache/ms-playwright/chromium-1208/chrome-linux64/chrome",
args=["--no-sandbox"]
)
page = browser.new_page(viewport={"width": 1280, "height": 800})
page.goto("http://129.211.173.87:10002/")
page.screenshot(path="/tmp/test_result.png", full_page=True)
browser.close()
```
我执行这个脚本,截图返回给用户判断。
**L2:交互功能验证**
```python
# 验证"特色展示"眼睛按钮点击后状态变化
page.goto("http://129.211.173.87:10002/admin")
page.fill('input[name="username"]', "admin")
page.fill('input[name="password"]', "abcd1234")
page.click('button[type="submit"]')
page.wait_for_url("**/admin/dashboard")
# 进入特色展示页面
page.goto("http://129.211.173.87:10002/admin/features")
page.click('tr:first-child .eye-icon') # 点击第一个眼睛
# 验证 API 是否被调用(拦截网络)
with page.expect_response("**/api/features/**") as resp:
page.click('button:has-text("保存更改")')
assert resp.value.status == 200
```
**L3:完整 E2E 用例(Playwright Test)**
```python
# tests/test_admin_flow.spec.py
def test_feature_toggle_auto_save(page):
page.goto("/admin/login")
page.fill('[data-testid="username"]', "admin")
page.fill('[data-testid="password"]', "abcd1234")
page.click('[data-testid="login-btn"]')
expect(page).to_have_url("/admin/dashboard")
page.goto("/admin/features")
# 点击眼睛,验证立即发送 PATCH 请求
with page.expect_request("**/api/features/*/toggle") as req:
page.click("tr:first-child .toggle-btn")
assert req.value.method == "PATCH"
```
---
**四、元素定位策略(按优先级)**
文档里强调了这个,我实际执行时:
1. **首选 Accessibility 语义**(如果 agent-browser 可用)
- `role=button, name="保存更改"` — 组件重构后依然稳定
2. **次选测试专用属性**(Playwright 推荐)
- `data-testid="login-btn"` — 前端配合添加,最稳定
3. **再次选语义标签**
- `button:has-text("登录")` — 比 CSS 层级稳定
4. **兜底 CSS 选择器**
- `.nav-bar > ul > li:nth-child(3)` — 最脆弱,只在上面都不可用时用
**永远不用的定位方式**:截图像素匹配、OCR 识别坐标。那是 PyAutoGUI 的路线,不是浏览器自动化。
---
**五、和 nanobot 工作流的结合**
当用户说:
| 用户指令 | 我的执行 |
|----------|----------|
| "截图看一下首页" | L1:启动浏览器 → 访问 → 截图 → 返回图片 |
| "测试一下登录功能" | L2:写临时脚本 → 执行 → 报告结果 |
| "验证特色展示自动保存" | L2/L3:先定位元素 → 拦截网络 → 验证 API 调用 |
| "跑一遍完整测试" | L3:检查 test 目录有无 spec 文件 → 执行 `pytest` 或 `playwright test` |
脚本位置:放在 `/home/ubuntu/.nanobot/workspace/tests/` 下(不污染 ~/nanocode)。
---
**六、反检测注意事项**
如果测试的是第三方网站(如 fumamx.com):
- 设置真实 User-Agent
- 模拟真实鼠标轨迹(Playwright 默认已做)
- 适当添加 `page.wait_for_timeout(random.randint(500, 1500))` 模拟人类停顿
---
**一句话总结我的测试能力**
> 我可以用 **Playwright + CDP 协议** 控制真实 Chromium 浏览器,通过 **DOM/AX Tree 语义定位** 执行点击、填写、导航等操作,最后 **截图或断言** 验证结果。脚本放在 workspace,不污染项目代码。
蔡叔叔,这个理解对吗?需要我针对某个具体页面(比如 website-new 的访客端或后台)先跑一次 L1 截图验证看看?
---
这是一个很好的架构问题。我的判断是:
---
**1. agent-browser 能被 Playwright + CDP 替代吗?**
**底层控制:完全可以替代。** Playwright 本身就是基于 CDP 的,能力只强不弱。
| 能力 | agent-browser | Playwright |
|------|---------------|------------|
| CDP 控制 | ✓ | ✓(原生) |
| Accessibility Tree | `snapshot -i` | `page.accessibility.snapshot()` |
| 语义定位 | `@eN` refs | `get_by_role()`, `get_by_label()`, `get_by_text()` |
| 网络拦截 | ✓ | ✓(更成熟) |
| 自动等待 | ✓ | ✓(业界最强) |
| 截图对比 | ✓ | ✓ + 像素级 diff |
| 录制视频 | WebM | ✓ |
| 并行/多 context | session | browser context 隔离 |
| **AI Chat** | ✓(内置) | ✗(需自行封装) |
| **Skills 分发** | ✓(内置) | ✗(但 nanobot 有 skills 系统) |
| **稳定性** | 一般(Snap 兼容问题) | **非常好** |
agent-browser 真正的独特价值只有两点:
- **令牌优化的 AX Tree 输出**(给 LLM 看很省 token)
- **自然语言 Chat 接口**(`agent-browser chat "search google for..."`)
这两点可以用 Playwright + 一个简单的包装层来实现,不需要依赖 agent-browser 本身。
---
**2. 应该做成 skill 吗?**
**应该。** 理由:
你刚才的文档里已经沉淀了一套**完整的测试方法论**:
- 环境检查(避开 Snap Chromium)
- 三级测试策略(L1 截图 / L2 功能 / L3 E2E)
- 元素定位优先级(AX > data-testid > 语义文本 > CSS 兜底)
- 反检测注意事项
这些不是一次性的,而是**可复用的工作流知识**。做成 skill 后,任何项目都可以调用。
---
**3. 理想的 skill 设计**
不叫 `agent-browser`,叫 `browser-automation` 或 `e2e-testing`:
```
skills/browser-automation/SKILL.md
├── 环境检查(Playwright Chromium 路径、目标服务可达性)
├── L1 快速截图(一行命令生成截图)
├── L2 功能验证(拦截网络 + 断言)
├── L3 E2E 回归(Playwright Test 规范)
├── 元素定位策略(AX Tree > data-testid > text > CSS)
├── 反检测配置(真实 UA、随机延迟)
└── 常用脚本模板
```
这个 skill 底层用 **Playwright + CDP**,输出格式参考 agent-browser 的 Accessibility Tree(但自己做),不依赖 vercel-labs/agent-browser CLI。
---
**4. 结论**
> **不需要依赖 agent-browser。** Playwright + CDP 能力完全覆盖,稳定性更好。
>
> **应该做成 skill。** 把文档里沉淀的方法论标准化,以后任何项目说"测试一下",我自动按 L1/L2/L3 策略执行。
要我现在就创建这个 `browser-automation` skill 吗?基于你刚才的文档内容。
---
蔡叔叔,汇报当前进展:
---
**1. browser-automation skill 已完成 ✅**
创建了技能文件:`/home/ubuntu/.nanobot/workspace/skills/browser-automation/SKILL.md`
包含脚本:
- `test_screenshot.py` — L1 任意 URL 截图
- `test_navigate.py` — L1 基础导航验证
- `test_baidu_search.py` — L2 百度搜索(含 JS 绕过 visibility 技巧)
- `test_generic_search.py` — L2 通用搜索框架
**2. 百度测试验证通过 ✅**
之前遇到的 headless 模式下百度搜索框 visibility 为 0 的问题,已用 `page.evaluate` JS 直接操作 DOM 绕过,成功搜索并截图。
---
**3. 博客后台登录遇到障碍 ❌**
访问 `http://129.211.173.87:10002/admin/` 返回 **404 Not Found**。
检查后发现:
- 端口 10002 确实有一个 Vite dev server 在运行(PID 1857)
- 但 `~/nanocode/website-new/` 目录**已不存在**(被删除或迁移了)
- 所以后台服务没有实际部署
---
**需要你确认两点:**
1. **website-new 项目现在在哪?** 正确后台地址是什么?(之前不是 `129.211.173.87:10002` 吗?)
2. **还要继续测其他场景吗?** 比如:
- 用通用搜索框架测试 Google / DuckDuckGo
- 测试我们自己的其他项目(fumamxCRM 等)
请指示下一步 👆
---