AI游戏测试智能体：探索覆盖率与崩溃复现

在游戏研发的回归测试里，脚本用例擅长覆盖已知路径，却很难覆盖跨系统状态组合带来的偶发崩溃。近期实验把测试执行体从「脚本」换成「智能体」：以 UI 树与截图作为观测，把点击、拖拽、场景切换作为动作空间，用状态新奇度驱动的探索策略在真实包体上做长时间无监督探索；崩溃发生后自动保存状态-动作序列并做最小化回放，输出尽量短的复现步骤。为控制无效操作，探索过程叠加了一组业务约束（不消耗付费货币、不触发真实网络请求、关键弹窗优先处理），并针对版本 diff 做定向重访。

要点一，阶段性数据（实验环境、单项目内部测试）：72 小时无人值守探索覆盖 UI 状态节点约 3.1 万，触发 17 个可复现崩溃，其中 11 个未被现有 800 条脚本用例覆盖；崩溃最小复现步骤由平均 30 余步压缩至 6 步左右，明显缩短了定位前的沟通成本。

要点二，下一步计划：把探索奖励从「状态新奇度」调整为「业务风险加权」，对支付、存档、弱网重连等模块提高权重；同时接入每日构建做增量比对，关注点从崩溃绝对数量转向版本间的崩溃集合差异。