一、操作路径不稳定（同一用例，每次跑流程不一样）
场景：你下达目标「完成用户下单」
每次选择不同控件
页面多个相似按钮（立即购买、加入购物车、弹窗确认），本次 A 路径成功，下次 AI 选了 B 按钮触发分支流程。
现象：第一轮正常下单；第二轮误点收藏，流程中断。
操作顺序随机变化
比如正常：选商品规格→填写地址→提交订单
AI 某次变成：先修改地址，再选择规格，触发前端特殊校验，流程报错。
随机跳过可选步骤
优惠券、弹窗、协议勾选，有时候 AI 主动关闭弹窗，有时候忽略弹窗直接操作，执行链路不一致。
关键危害：相同测试目标，无法稳定复现同一业务流程，不适合做标准回归门禁。
二、元素识别不稳定（视觉 / 语义识别漂移）
传统自动化依靠固定选择器 id/class/xpath；AI 大多依靠视觉、文本语义识别。
文本细微变化导致识别失败
按钮文字：提交订单 → 后台微调样式增加空格、字体微调、大小写变化，传统 xpath 不受影响；AI 视觉识别判定按钮不存在。
相似元素混淆（高频问题）
页面多个「确定」「取消」按钮，AI 偶尔点对弹窗按钮、偶尔点击页面底部按钮。
页面渲染时序识别偏差
元素已经渲染完成，但 AI 视觉模型判定元素未加载；或者元素半渲染状态误判为可点击，出现偶发点击失效。
动态广告、悬浮组件干扰识别
随机弹出的运营弹窗、滚动浮窗遮挡控件，AI 本次能绕开，下次识别被遮挡直接终止流程。
俗称：同样页面，时而能找到控件，时而找不到。
三、断言（结果校验）不稳定【最致命】
传统自动化：硬编码预期结果 金额 == 99.00；
AI 测试大多使用自然语言模糊断言。
同一结果时而 Pass、时而 Fail（摇摆判定）
示例：页面展示 “预计送达：1-3 天”
本次 AI 判定：展示正常
下次 AI 过度解读：没有精确日期，判定展示异常
宽松漏判（假阳性）
页面报错文案被折叠、文字错位，AI 视觉粗略扫描认为页面正常，缺陷漏掉。
过度敏感误报（假阴性）
页面仅仅样式微调、字体间距变化，无功能问题，AI 判定 UI 异常，产生大量无效缺陷。
数值类校验不可靠
金额、数量、订单状态等精确字段，AI 很难稳定做到严格等值校验，容易出现近似匹配。
四、自愈行为不可控（AI 自主修复带来新不稳定）
AI 自动化一大卖点：元素定位失效时自动寻找替代控件自愈。
副作用：
本次自愈成功，下次无法自愈
页面改版幅度小时 AI 自动适配；改动稍大自愈逻辑失效，脚本间歇性可用。
自愈后走入错误分支
原按钮删除，AI 自动找到一个名字近似的其他按钮继续执行，流程跑通但测的已经不是目标场景。
表面执行成功，实际测试目标发生偏移，属于隐蔽漏测。
五、环境、数据轻微波动引发执行差异
传统脚本对环境细微变动容忍度高；AI 对上下文非常敏感：
前置数据不同，执行逻辑大变
同一个下单目标：库存充足时正常流程；库存不足场景 AI 自主触发缺货弹窗分支。
即使你没有切换数据，缓存、上次测试残留数据会造成页面状态随机。
传统自动化可以前置清理数据、固化状态；AI 容易受页面当前上下文影响自主变更策略。
网络延迟、页面加载快慢影响 AI 决策
页面加载慢时 AI 等待策略短，直接判定元素丢失；网速正常又可以正常执行。
六、失败难以复现、排查成本高
偶现失败难以稳定复现
流水线偶尔失败，但人工重新触发一遍又跑通，很难抓取根因。行业称为 Flaky Test（不稳定用例）。
决策链路不透明
AI 为什么选择这个按钮、为什么判定结果异常没有完整标准化日志；传统脚本每一步操作、断言代码清晰可追溯。
出现问题只能观看录屏，缺少结构化执行日志。
七、边界场景一致性差
针对异常流程、分支场景：
传统自动化：你明确编写异常步骤，每次稳定执行异常分支；
AI 测试：大概率走正常主流程，很少主动稳定触发异常场景，无法持续回归异常、边界逻辑。
400-035-7887
sales@spasvo.com
