Appium 你用了多少年？

它从 2013 年到现在，12 年了。

12 年里，移动端自动化测试的格局基本没变——Appium 统治一切。

但说实话，Appium 不好用。

写个测试脚本，要找元素 ID、写 XPath、处理弹窗、适配各种屏幕。脚本写完比业务代码还长，UI 一改全崩。

12 年了，一直如此。

直到最近，我发现了一个开源项目——让我觉得移动端自动化测试的范式，可能真的要变了。

它叫 agent-device

Callstack 出品，MIT 开源，JPMorgan Chase、Expensify、Shopify 的团队都在用。

一句话介绍：它是一款开源给 AI Agent 用的设备自动化 CLI，iOS、Android、TV、桌面全覆盖，目前在 Github 上，该项目 star 数接近 4k。

安装方式（Node.js 版本需大于 22.12）：

npm install -g agent-device@latest
agent-device doctor
agent-device --version
agent-device help workflow

注意——它不是另一个 Appium。

Appium 的逻辑：你写脚本，一步步告诉它怎么点、怎么填。

agent-device 的逻辑完全不同：你把它交给 AI Agent（Codex、Claude Code），Agent 自己看屏幕、找按钮、做操作。

agent-device 只干一件事——当 Agent 的"眼睛"和"手"。

为什么我觉得它可能改变格局？

先说我的判断：不是技术比 Appium 更强，是思路根本不一样。

Appium 时代，测试的核心能力是"写脚本"——你得会 XPath、懂定位策略、处理等待逻辑。

agent-device 时代，测试的核心能力变成"描述意图"——你说"验证登录功能正常"，Agent 自己看屏幕、找元素、点按钮、判断结果。

这不是优化，是范式转移。

就像从"手写汇编"到"用高级语言"——不是汇编不好，是抽象层变了。

三个我觉得很聪明的设计

第一，语义化引用。

agent-device 截取屏幕快照后，给每个可交互元素分配一个引用——@e1、@e2、@e3。

Agent 不需要写 XPath，只需要说"点击 @e3"。

agent-device snapshot -i
# @e1 [heading] "Settings"
# @e2 [button] "Sign In"
# @e3 [text-field] "Email"

agent-device fill @e3 "test@example.com"

XPath 会因为 UI 改版而失效。但基于无障碍树的引用，稳定性高一个量级。

第二，证据收集不只是截图。

日志、网络流量、性能采样、崩溃上下文、React 渲染 profile——全自动收集。

这意味着 Agent 不只是"操作完了"，还能自证清白。出了 bug 要复盘？证据链一条不少。

第三，探索变回放。

Agent 探索完一遍操作流程，自动录制成 .ad 脚本，之后 CI 反复跑。

探索时靠 AI，回归时靠脚本——两个阶段各取所长。

但别急着吹，它也有短板

第一，需要 AI Agent 驱动。

你得有 Codex 或 Claude Code。没有 Agent，它就是一个 CLI，价值砍半。

第二，吃 App 的无障碍标签。

它依赖 accessibility tree。如果 App 没做无障碍适配，元素全标"button"，Agent 也抓瞎。

第三，生态还处在早期。

虽然已经有大厂在用，但文档、教程、社区最佳实践还在积累。碰到坑，你得自己趟。

我的判断

它不会立刻替代 Appium——但代表了 Appium 之后的方向。

Appium 解决的问题是"怎么让机器按步骤操作手机"。

agent-device 解决的问题是"怎么让 AI 像人一样看屏幕、理解界面、自主操作"。

这两件事，根本不在一个层面上。

未来两三年，移动端测试的核心能力，会从"写自动化脚本"转向"编排 AI Agent 做验证"。agent-device 不是终局，但它可能是推倒多米诺骨牌的那只手。

如果你在做移动端测试，建议现在就去 GitHub 看看，跑一遍 Demo。

别等到所有人都在用的时候，你才反应过来。

GitHub 项目地址：github.com/callstack/agent-device