| 2026 年線下課程 第一梯次 開課時間: 11 月 28 日 (星期六) 09:00-15:00 報名網址: https://forms.gle/oRzXc8W4dy77d7eo8 |
課程簡介
你的回歸測試還在人肉點。每次改版，同一份 Excel 測試案例再跑一輪，跑完發現漏了什麼，改版又來了。你知道該自動化，也試過 Selenium 的教學，卡在環境、卡在 XPath、卡在眉間看完課程。
現在情況變了兩次。
第一次是 Playwright。
它把過去讓自動化難上手的東西都收掉了：不用寫等待就自動等、用「登入按鈕」這種人看得懂的方式定位元素而不是一長串 XPath、失敗時有 Trace Viewer 讓你像看錄影一樣回放每一步。它是微軟維護的開源工具，免費，這幾年已經取代 Selenium 成為 UI 自動化的預設選擇。
第二次是 AI。
Playwright 的設計剛好是 AI 最好用的那種：元素用語意定位、頁面狀態用結構化方式描述，所以 AI 用它寫測試又快又準，Playwright 官方甚至直接內建了給 AI 用的介面。你用一句中文描述「登入後搜尋訂單、確認金額正確」，Claude Code 幾分鐘後交給你一支會跑的測試。
問題也在這裡。World Quality Report 2025–26 指出 89% 的組織正在試行或部署 GenAI 於品質工程，但只有 15% 做到全企業採用，障礙之一是治理與信任。Stack Overflow 2025 開發者調查：84% 的開發者在用或打算用 AI 工具，但 46% 不信任產出的正確性，一年前是 31%。AI 寫的 Playwright 測試會亮綠燈，但你不知道它驗證了什麼、改版時會不會壞、時好時壞的紅燈要不要理。而測試維護長期佔成熟測試套件 25% 到 50% 的 QA 預算，AI 讓寫測試變便宜，沒有讓維護變便宜。
這門課教你在 AI 寫 Playwright 測試的時代真正需要的能力：看懂它寫的測試、把需求描述到它不用猜、用測試設計技法決定該有哪些案例、判斷綠燈是不是真的。整天用 Claude Code 當結對夥伴，在 Playwright 上實際操作登入、表單、清單三種台灣後台系統最常見的場景，把你手上那疊 Excel 測試案例交給 AI 轉成自動化，然後親手找出它演戲的部分。
不用會寫程式。要會的是判斷。
適合對象
- 工作八成是手動回歸、想把它交出去，但不太寫程式的測試人員
- 學過 Selenium 卡在半路、想知道 Playwright 加 AI 有沒有比較容易的人
- 試過讓 AI 寫測試、亮了綠燈卻不敢相信的人
- 被 AI coding 的速度逼出不安、想知道自己的 PR 到底安不安全的開發人員
- 手上有一疊 Excel 測試案例、想知道怎麼變成自動化資產的 QA 主管
不適合：想深入 Playwright API、Fixtures 架構、CI pipeline 建置或 API 測試的人。這門課的重心在判斷，不在工具細節。
課前準備：課程請先裝好 Node.js、Playwright、Claude Code。
課程大綱
模組一：看懂 AI 寫的 Playwright 測試 痛點：AI 生的 code 你看不懂，綠燈紅燈都不知道為什麼。45% 的開發者說除錯 AI 產出的程式碼很耗時，不會寫程式的人更是連從哪裡看起都不知道。
- 環境檢查與第一支測試：一句中文讓 Claude Code 生出會跑的 Playwright 測試
- 故意弄壞它：從紅燈學會看測試骨架（test、page、locator、expect）
- Locator：getByRole、getByLabel 為什麼比 XPath 耐改版，怎麼判斷 AI 選的定位靠不靠得住
- Assertion：expect 在驗證什麼，沒有斷言的測試比沒有測試更糟
- Trace Viewer：失敗時像看錄影一樣回放，不用猜
模組二：讓 AI 寫出對的 Playwright 測試 痛點：同一個需求，AI 有時一次到位，有時來回五趟；案例靠直覺列，不知道漏了什麼。
- 怎麼描述測試需求才不會雞同鴨講：頁面、操作、預期結果三段式
- 用具體範例說清楚預期結果：Specification by Example 濃縮版
- 場景一：登入、驗證碼處理、storageState 重用登入狀態
- 場景二：表單驗證，從測試直覺到 AI 寫得出來的指令
- 測試設計技法：決策表、邊界值、等價類等等的做法，AI 產表、人審表
- 資料驅動：流程寫一次、資料列成表，Playwright 一次跑完
- 場景三：清單頁的搜尋、篩選、驗證通用套路
模組三：讓 Playwright 測試活得下去 痛點：測試寫了三十支，改版一次壞了十五支。其中不少最後歸因於不穩定或過時的測試而非真正的回歸。時好時壞的紅燈，最後教會團隊忽略紅燈。
- 把手上的 Excel 測試案例交給 Claude Code 批次轉成 Playwright 測試
- Page Object 重構：請 AI 把散落的 locator 收成一個地方，改版只改一處
- 測試會過不代表測得對：驗證 AI 測試的四個檢查點
- Playwright CLI：讓 AI 自己開瀏覽器走一遍再寫測試，比 MCP 省 token
模組四：AI 跑完之後，人去哪裡 痛點：自動化跑完了，測試人員的價值在哪；開發人員不知道哪些該寫 unit test、哪些該上 Playwright。業界已經不再問 AI 會不會寫測試，而是問怎麼知道它寫得好，這個問題的答案是人。
- 測試策略：哪些交給 Playwright 自動化、哪些留給人
- 測試分層：AI 可以全包 unit，E2E 只留業務關鍵流程，探索不能自動化
- 測試章程：給探索一個三十分鐘的方向
- 商業區 tour：Playwright 跑完回歸之後，第一個該去找 bug 的地方
課程收穫
- 能用一句中文讓 Claude Code 產出會跑的 Playwright 測試，並看懂它寫了什麼
- 看到一支 AI 寫的測試，五分鐘內判斷它是不是在演戲：斷言有沒有意義、locator 改版會不會壞、有沒有硬編碼等待
- 能用決策表、邊界值、等價類讓 AI 產出不漏的案例，而不是憑直覺列
- 能把既有 Excel 測試案例批次轉成 Playwright 自動化，一週內看到成果
- 失敗時知道打開 Trace Viewer 看什麼，改版時知道怎麼讓 AI 修，而不是全部重寫
- 知道哪些交給 Playwright、哪些留給人，以及人留下來之後從哪裡開始探索
- 開發人員與測試人員對「誰負責哪一層」有共同語言
課程時數
5 小時