已经做了一个平台了，使用 langgraph + qwen3-max + playwright mcp，langgraph 提供大模型接入的能力同时又能做编排，同时也可以自主配置上下文长度和对话的长度，如果用 trae 或者 cursor 执行太长的 case 会触发限制进行不下去，qwen3-max 是目前用的比较精准的模型了，deepseekv3.1 也可以，kimi2 也可以，反正要用好的模型；系统提示词要限制大模型的动作，要严格按照步骤执行，不能随意联想，然后用户提示词的描述要足够精准，如果文字描述不够精准的话就用 id 或者 class 来描述，目前还没有考虑成本问题，但肯定比人力要便宜，只要 case 写的够精准，稳定性还是有保障的，代码里也可以配置失败重试