test: 增加可扩展的浏览器能力回归测试框架 - #150

为什么增加这个测试框架

BrowserSkill 每次修改 CLI、daemon、扩展或插件后，都需要有一套稳定的测试基准，用来判断更新是否引入严重问题。

这个框架主要解决两个问题：

• 使用相同的 case 和 seed 重复测试，记录通过率、错误数、执行失败、调用次数和耗时，方便量化比较每次更新前后的变化。
• 将线上或用户反馈的 badcase 固化成 regression case，确保问题修复后不会再次出现。

测试页面全部在本地运行，不依赖外部网站，避免页面更新、网络波动等因素影响结果。

当前包含 6 个基础能力 case 和 1 个 seed 驱动的动态页面 case，后续可以持续增加新的测试页面和历史 badcase。

现在vibecoding 比较方便，可以让AI帮忙把反馈case 增加入测试集，

主要改动

• 增加本地测试页面，不依赖外部网站，避免页面变化和网络波动影响结果。
• 增加 6 个稳定的 core case：
  • 页面跳转、后退、前进、刷新
  • 表单、下拉框、键盘和截图
  • Hover、局部 HTML 和截图
  • 标签页创建、切换和关闭
  • Console 和 Network
  • 移动设备模拟
• 增加 seed 驱动的 matrix case，用来测试不同 DOM 结构、label 方式、hydration 延迟和干扰控件。
• 支持按 case、suite、tag 和 seed 运行。
• 支持直接测试 bsk，也支持通过 adapter 运行 DSH 或其他 Agent。
• 自动检查重复 case、重复路由、缺失页面、无效操作和断言配置。
• 增加 badcase 脚手架，后续可以把用户遇到的问题固化成 regression case。
• 增加中英文使用文档和开发基准线。

后续如何扩充

新增普通 case 时，只需要增加：

• 一个 case manifest
• 一个本地 fixture 页面
• 对应的断言和 smoke steps

不需要修改中央 switch。

用户反馈的 badcase 可以通过下面的命令生成回归模板：

pnpm eval:browser scaffold <case-id> --title "..." --source "issue-or-pr"

当前覆盖

• 7 个自动化 case
• 28 项浏览器操作清单
• 其中 25 项支持自动 smoke
• tabs.borrow、tabs.return、assist.request-help 需要真人或真实用户标签页，保留为人工测试

验证结果

• pnpm eval:browser:check
  • 7 个 case 和 12 条 fixture 路由校验通过
  • 15/15 harness 测试通过
• cargo build -p bsk 通过
• 全部 7 个 case：7/7 通过
• Matrix seeds 4,7,14：3/3 通过
• Fully verified：100%
• Execution failure/error：0
• 测试结束后没有遗留 BrowserSkill session