“文件选中不等于上传成功” 这点很关键。我会在 CSV 里放一条有唯一编号的记录，上传后清空筛选，重新查询，再核对几个关键字段。也加一个服务端拒绝上传的反例，确认页面不会仍然显示成功。我在做 Midscene，编号和字段值会保留普通断言；aiAssert 可以补查错误提示是否可见，不能代替数据核对。

我在做 Midscene。成本这块可以参考我们这次实测：https://midscenejs.com/zh/app-control-bench-report 。跑的是 Bluesky 和 Element iOS 的 60 个任务，Seed 2.1 Turbo 平均每个任务的模型成本约 ¥0.067，单次完全通过率 96.67%。每条任务的报告和费用都放出来了，可以看看具体怎么跑的。这是那组 iOS 测试的数据，你们的业务也可以挑一条流程对照跑跑。另外，用例能保留成 YAML 或 Playwright 测试做回归。

我在做 Midscene。如果想检查游戏过程中一闪而过的提示，可以试试 startObserving()：先开始记录画面，再执行操作，最后调用 stop() 拿到 UIObservation，就能查询或断言这段时间出现过的画面，比如结算提示有没有出现。这块适合先试一条具体场景。你们主要想验证过程中的画面，还是需要实时操作？

谢谢把 Midscene 放进来，我在做这个项目。已有 Playwright 用例的话，可以先在一条难维护的流程里加 aiTap、aiAssert，原来的 expect 留着。这样更容易比较维护成本，也不用一上来重写整套回归。

Cursor 能跑，换成平台接口后效果差很多，我会先看是不是少了代码检索和失败后继续修改的过程。只把 PRD 和一段页面代码交给模型，它很容易猜错前置条件。可以先挑一条失败用例，把账号、数据、初始页面和预期补齐再跑，看看问题到底出在生成还是执行。

我在做 Midscene，看到你后面说复杂业务容易崩，想看看具体是什么情况。方便分享一条脱敏的失败用例和报告吗？带上版本和模型就行，API Key 不用。你们已经花了不少时间搭调度和报告，最后卡在执行上，确实挺折腾的。