「Skiritai」AI 浏览器测试框架：先探索路径，再用 Playwright 30 倍速回放

很多 AI 浏览器自动化工具都有一个共同问题：第一次跑起来很聪明，但每次都要让模型重新观察、推理、点击，速度和稳定性都会受影响。Skiritai 的思路比较工程化：第一次让 AI 像侦察兵一样探索页面，找出可行路径；路径跑通之后，把它固化成 Playwright 脚本，下次直接回放。

这个名字来自斯巴达的侦察部队 Skiritai，官网也把它写成“explore first, then execute at 30x speed”。具体来说，它用 LLM ReAct agent 分析页面、发现 UI 元素、决定动作顺序，不依赖脆弱的手写 selector；一旦探索成功，就生成独立 Python 脚本，后续执行时不再经过 AI 推理。

README 里给了一个很直观的对比：首次探索三个步骤可能花 74 秒，第二次 replay 直接跑脚本大约 2.5 秒。这个模式适合 UI 测试，因为测试不是只要“跑一次成功”，而是要反复跑、稳定跑、在 CI 或回归检查里快速跑。

Skiritai 还照顾到非英文界面，内置 CJK-aware element matching，对中文、日文、韩文文本的元素匹配有专门评分。对国内团队来说，这比只在英文按钮和 aria label 上表现好的自动化工具更贴近日常。

它提供 Python-native cases、YAML cases、Flow API 和 CLI，也有可选的 FastAPI Web Dashboard，通过 REST + WebSocket 远程触发、监控和控制测试。LLM 侧支持 OpenAI-compatible API、Anthropic Claude、Qwen 等 provider。项目目前 MIT 开源，GitHub 约 215 stars，仓库里有 Dockerfile、示例、测试和文档站。

我觉得 Skiritai 的价值不在“让 AI 替你点页面”这个新鲜感，而在它把 AI 探索和确定性脚本执行拆开了。AI 负责处理未知页面和复杂意图，Playwright 负责可重复、可追踪、可高速执行。这种分工，比每次都让大模型现场表演要踏实得多。