Playwright MCP 与回归测试：用智能体创建，无需 LLM 即可回放
Playwright MCP 擅长让智能体探索网站，但回归测试要求每次都走同一条路径。智能体创建场景，由 Delta-QA 原样回放：不经过 LLM，也无需代码。
阅读更多 →人工智能 — 所有文章和教程
7 篇文章
人工智能已大规模渗透视觉测试工具的话语体系：「Visual AI」「自愈测试」「智能 diff」，每家厂商都在标榜自己的 AI 层。在营销术语背后，技术现实更为微妙——它们大多是经过训练的感知算法（SSIM、嵌入向量），用于过滤外观噪声，仅上报可能具有实际意义的差异。这确实有用，有时甚至令人称道，但并非魔法：视觉测试中的一次假阴性，仍意味着一个被交付到生产环境的缺陷。
本页汇集了以批判视角审视测试领域中 AI 的文章：主要厂商（以 Applitools 为首）所宣称的 Visual AI 实际涵盖的内容、其价值在哪些方面切实可见、又在哪些方面更多停留于宣传层面、如何在不陷入黑盒效应的前提下评估所谓智能算法的可靠性、当工具独自裁决某项差异是否「重要」时应保持哪些审慎。我们还探讨了 LLM 应用于测试这一日益升温的话题——场景生成、diff 自动分类、评审辅助——并将真正有前景的用法与空洞的发布稿加以区分。Delta-QA 当前的对比引擎不使用生成式 AI，这些文章秉持坦诚立场，如实呈现 AI 在今天的视觉测试中究竟带来了什么。
Meticulous.ai vs Delta-QA：确定性对比还是真实流量回放？
Meticulous.ai（AI 驱动的流量回放）对比 Delta-QA（确定性回归测试，不是 LLM）：两种截然不同理念的完整对比。
阅读更多 →
截图对比原理：5步全解析（免安装）
截图对比如何工作？截取、对齐、像素/SSIM/pHash 比较评分，5步彻底讲清。Delta-QA 浏览器内免安装即可试用。
阅读更多 →
QA 与 AI 2026：自动化 80% 后留下的 3 个核心角色
AI 会自动化 80% 到 90% 的测试工作，但 QA 不会消失。从计算员到制图师的历史规律，分析您如何从执行者转型为质量架构师与 shift-left 推动者。
阅读更多 →
2027年视觉测试：将重塑市场的7大趋势
2026 年视觉测试市场约 12 亿美元、年增长 20%。七大趋势预测：确定性算法回归、无代码成为标准、数据主权、原生 CI/CD——以及我们对每个趋势的明确立场。
阅读更多 →
Playwright 与 MCP（Model Context Protocol）：视觉测试的革命还是海市蜃楼？
Model Context Protocol（MCP）将 Playwright 集成到 AI 生态系统中。了解它在 2026 年为测试带来了哪些变化——以及为什么确定性视觉测试仍然不可或缺。
阅读更多 →
逐像素对比 vs 感知对比：视觉检测如何工作
逐像素对比、感知对比（pHash、SSIM）与基于 CSS 与 DOM 的结构化分析：三种视觉检测算法详解，深入了解其精度、误报率与对视觉测试可靠性的实际影响。
阅读更多 →