自然语言场景
用纯自然语言描述测试。无需选择器、无需页面对象、无需维护测试代码。
用纯自然语言编写 E2E 测试。 以 $0 回放它们。
LLM 只规划一次浏览器操作。从第二次运行起，Windup 进行确定性回放，零 LLM 调用 —— ~1 秒、$0，结果稳定。你编辑的是测试场景，而非选择器。
- 无需选择器，无需测试代码
- 回放时 llm_calls=0
- 底层由 Playwright 驱动
问题所在
手写的 E2E 测试，每当选择器变动就会失效。在每次运行时都驱动浏览器的 AI 智能体则速度慢、不确定，且每个测试都要向你收取一次 LLM 调用的费用。
Windup 只规划一次，并缓存一份经过验证的操作计划。回放是确定性的，且免费。当应用发生变化、某个检查失败时，计划会失效并自动重新规划 —— 自愈，而不是悄无声息地出错。
工作原理
用 LLM 规划一次，然后无需它进行回放。
最昂贵的部分 —— 弄清楚该执行哪些浏览器操作 —— 只发生一次，并被转化为缓存的、可验证的数据。
自然语言任务
→
规划器LLM · 1 次调用
→
JSON 操作计划
→
确定性执行器+ 廉价验证
↓
轨迹缓存
→
后续运行：0 LLM · ~1s · $0
- 1
规划（一次）
一个自然语言任务交给规划器。LLM 产出一份 JSON 操作计划 —— 一次调用，仅在首次运行时发生。
- 2
执行 + 验证
一个确定性执行器（Playwright）运行该计划。廉价的 DOM/URL 后置条件验证每个操作 —— 无需 LLM。
- 3
回放（免费）
轨迹被缓存下来。之后每次运行都回放它：零 LLM 调用、~1 秒、$0，每次都是同一份计划。
- 计划是数据，而非代码 — 经过 schema 校验的 JSON —— 没有运行时即兴发挥。
- 无需 LLM 的验证 — 后置条件在每个操作上检查 DOM/URL。
- 自愈缓存 — 检查失败会使计划失效 → 重新规划。
- 零硬编码的站点知识 — 引擎事先对你的应用一无所知。
为什么选 Windup
脚本的可靠性，自然语言的顺手。
手写脚本运行成本低，但维护成本高。每次运行都调用 AI 的智能体易于编写，但速度慢且不确定。Windup 各取二者之长。
| 维度 | 手写脚本 | 每次运行都用 AI 智能体 | Windup |
|---|---|---|---|
| 编写方式 | 代码 + 选择器 | 自然语言 | 自然语言 |
| 每次运行成本 | $0 | 每次运行都调用 LLM | 仅首次运行调用 LLM |
| 速度 | 快 | 慢（模型在回路中） | ~1s 回放 |
| 确定性 | 高 | 低（每次即兴发挥） | 高（每次都是同一份计划） |
| 应用发生变化 | 你去修脚本 | 可能悄无声息地做错事 | 检查失败 → 重新规划 |
功能特性
QA 工作流所需的一切 —— 唯独不要选择器。
一款为真实项目打造的 CLI：场景编写、密钥管理、依赖关系、成本追踪和 CI 报告器。
规划一次，免费回放
从第二次运行起：llm_calls=0、~1s、$0。缓存的计划每次都以相同方式运行。
确定性执行
Playwright 配合可信输入事件（isTrusted）—— 可靠的点击、输入与导航。
廉价验证
每个操作都检查 DOM/URL 后置条件，回路中没有 LLM。
windup new
LLM 辅助编写：根据你应用的真实页面（站点地图）+ 项目清单生成场景。--validate 会运行并不断改进，直到通过。
windup scan
直接从源代码（Next.js、react-router）索引你的路由和元素。
windup secret
凭据从不进入场景、缓存、LLM 提示词或 git —— 只有 ENV:* 引用，在运行时解析。
depends_on
场景之间的依赖关系（例如「创建发票」依赖「登录」）—— 同一会话，按依赖分别缓存。
run --summary
AI 撰写一份运行后的复盘，引用真实观察到的值 —— 价格、消息、确认信息。
run --suggest
失败时，AI 阅读真实页面并对你的场景提出修复建议。
CI 报告器
JUnit、JSON 和自包含的 HTML（--reporter）。任何失败都会返回非零退出码。
多提供商
Google Gemini 和 OpenAI，可按次运行选择（--llm openai:gpt-5-mini）。windup costs 按提供商和模型追踪花费。
run --concurrency
在一个共享的热浏览器上以隔离的上下文并行运行多个场景 —— 混合套件下约快 2 倍，在有规划或长流程时更快。默认串行。
跨浏览器
用 --browser 在 Chromium（默认）、Firefox 或 WebKit 上运行相同的场景。同一份计划可在三者上回放 —— 编写一次，处处运行。
示例
一个场景就是 JSON 里的自然语言。两次运行讲清全部故事。
你只写意图。首次运行进行规划并支付几分之一美分；此后每次运行都是缓存回放，成本 $0。
checkout.json 场景
{
"scenario_id": "checkout",
"task": "Log in as the qa account, add 'Backpack' to the cart, check out and verify the order confirmation message appears."
} windup run checkout 输出
$ windup run checkout # 1st run
PASS checkout cache=miss llm_calls=1 total=3003ms cost=$0.0024
$ windup run checkout # again — deterministic replay
PASS checkout cache=hit llm_calls=0 total=671ms cost=$0cache=hit · llm_calls=0 · $0 —— 第二次运行从不触及模型。
CI / CD
把它放进你的流水线。退出码和报告一应俱全。
在一个热浏览器中运行整个套件，任何场景失败都让构建失败，并产出机器可读或人类可读的报告。
ci —— 一行搞定 bash
$ npx windup run --all --reporter junit \
--report-file reports/windup.xml- --all 在一个热浏览器中为整个套件运行每个场景。
- --concurrency <n> 并行运行场景（混合套件下约快 2 倍）；--browser firefox|webkit 进行跨浏览器运行。
- 任何场景失败时返回非零退出码。
- --reporter junit|json|html；windup costs --json 追踪流水线中的 AI 花费。
可靠性
确定性，就是货真价实的确定性。
回放是实测出来的，不是承诺出来的。缓存的计划每次运行都产出相同结果 —— 没有模型，没有抖动。
60/60
缓存回放通过
4 个场景 × 15 次回放 —— 零抖动
llm_calls=0
每次回放
登录 · 多步结账 · 添加/移除 · 第 2 个站点
~$0.0025
每次生成
默认模型，gemini-3.1-flash-lite
106 routes
生产环境自用
在真实生产应用上运行
快速开始
五条命令，从零到一个可回放的测试。
Node ≥ 20，以及一个 API 密钥 —— GOOGLE_GENERATIVE_AI_API_KEY（Google，默认）或 OPENAI_API_KEY（OpenAI）—— 放在 .env.local 中。密钥仅用于规划；缓存回放从不调用 LLM。
$ npm i -D windupjs $ npx windup init $ npx windup scan $ npx windup new "log in and create an invoice for ACME" $ npx windup run checkout Node ≥ 20Google Gemini 或 OpenAIPlaywright 已内置MIT
面向 AI 时代
让你的 AI 来搭建测试。
如今没人再读文档了 —— 大家都把它交给助手。所以 Windup 附带了一份 llms.txt：整套文档，为机器结构化组织。把你的编码智能体指向它，用纯自然语言描述流程，它就会为你编写并运行场景。
1
把文档交给你的 AI
将此 URL 粘贴到你的助手（Claude、Cursor、Copilot……）中。
https://windup.run/zh/llms.txt 2
描述要测试什么
一段现成可粘贴的起始提示词 —— 填入你的流程即可。
阅读 https://windup.run/zh/llms.txt 并为我的应用搭建 Windup E2E 测试，然后为以下流程编写场景：…… llms-full.txt —— 整套文档汇于一个文件 · 每页 markdown 位于 /zh/docs/<page>.md · llms.txt 标准