agent-browser 缺陷分类指南Issue Taxonomy基于 Dogfood 技能的系统化 Web 应用质量排查方法论【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser本指南围绕 dogfood 技能 的配套参考文档 issue-taxonomy.md 展开系统讲解在 agent-browser 浏览器自动化 CLI 生态中如何对被测 Web 应用进行缺陷分类、严重度定级与系统性探索。读者将掌握一套可复用的严重度分级 → 缺陷类别 → 逐页探索清单方法论并了解如何借助 agent-browser 的命令行工具截图、快照、控制台与错误追踪、录屏将每一个发现沉淀为带完整复现证据的问题报告。文档定位Dogfood 会话开始前的校准基准issue-taxonomy.md是 dogfood 技能 的一部分位于仓库的skill-data/dogfood/references/目录。dogfood 技能SKILL 元数据中的 description 将其定义为Systematically explore and test a web application to find bugs, UX issues, and other problems用于系统化地探索并测试 Web 应用寻找 bug、UX 问题与其他缺陷适用于 dogfood、QA、exploratory test、find issues、bug hunt 等任务场景。该参考文档在 dogfood 工作流中的位置非常明确SKILL.md 的 4. Explore 步骤要求先阅读本文件以获得需要寻找什么的完整清单Readreferences/issue-taxonomy.mdfor the full list of what to look for and the exploration checklist同时在 SKILL.md 末尾的 References 表格中它被标记为Start of session—— 即每次 dogfood 会话开始时都必须阅读用于校准关注点calibrate what to look for。整篇文档由三个核心部分构成Severity Levels严重度分级—— 四档分级标准用于为每个发现定级Categories缺陷类别—— 七大类别每类下列出具体检查项Exploration Checklist探索清单—— 八个维度指导每个页面/功能的测试顺序。这三部分与 dogfood 报告模板 形成完整闭环报告模板中的Severity字段取值critical/high/medium/low与Category字段取值visual/functional/ux/content/performance/console/accessibility正是本文件定义的分类体系。严重度分级Severity Levels文档定义了四档严重度每一档都对应明确的业务影响描述SeverityDefinitioncriticalBlocks a core workflow, causes data loss, or crashes the app阻断核心工作流、造成数据丢失或导致应用崩溃highMajor feature broken or unusable, no workaround主要功能损坏或不可用且无替代方案mediumFeature works but with noticeable problems, workaround exists功能可用但存在明显问题有替代方案lowMinor cosmetic or polish issue轻微的外观或打磨性问题分级的关键是以影响用户的程度为准而非以修复成本为准。critical 强调阻断核心流程与数据丢失这类不可逆后果high 强调无 workaround的完全不可用medium 与 low 的分界则在于是否存在可绕过的替代方案、以及问题是否仅停留在外观层面。在 dogfood 报告模板中汇总表Summary按这四档统计数量每个 ISSUE- 块都必须与该汇总保持一致——SKILL.md 的 Wrap Up 步骤明确要求更新 summary 严重度计数使它们与实际 issue 匹配每个### ISSUE-块都必须反映在总计中。七大缺陷类别CategoriesVisual / UI视觉与界面布局错乱或元素错位、元素重叠或文本被裁剪、间距/内边距/外边距不一致、图标或图片缺失损坏、深色/浅色模式渲染问题、响应式布局问题视口尺寸、z-index 层级问题元素被遮挡、字体渲染问题字体、字号、字重错误、颜色对比度问题、动画卡顿或抖动。Functional功能失效链接404、跳错目标按钮或控件点击无响应表单校验误拒合法输入或误收非法输入重定向错误功能静默失败无任何报错状态未按预期持久化刷新、导航后丢失竞态条件重复提交、陈旧数据搜索或筛选失效分页问题文件上传/下载失败UX用户体验导航混乱或不清晰缺少操作后的加载指示或反馈交互缓慢或无响应感知延迟 300ms错误信息不清晰破坏性操作缺少确认死胡同无法返回或继续相似功能间模式不一致缺少键盘快捷键或焦点管理默认值不符合直觉缺少空状态或空状态无帮助Content内容拼写或语法错误过时或不正确的文本遗留的占位符或 lorem ipsum 内容文本被截断且无 tooltip 或展开方式标签缺失或错误术语不一致Performance性能页面加载缓慢3s滚动或动画卡顿大幅布局偏移内容跳动过多网络请求通过 console/network 检查内存泄漏页面随时间变慢图片未优化文件体积过大Console / Errors控制台与错误控制台中的 JavaScript 异常失败的网络请求4xx、5xx弃用警告deprecation warningsCORS 错误Mixed content 警告未处理的 Promise rejectionAccessibility无障碍图片缺少 alt 文本表单输入无标签键盘导航体验差无法 Tab 到元素焦点陷阱focus traps颜色对比度不足动态内容缺少 ARIA 属性与屏幕阅读器不兼容的模式探索清单Exploration Checklist文档将每个页面/功能上的测试动作归纳为八步按顺序执行即可做到覆盖全面Visual scan视觉扫描—— 截图并标注annotated screenshot检查布局、对齐与渲染问题Interactive elements交互元素—— 点击每个按钮、链接与控件验证是否生效、是否有反馈Forms表单—— 填写并提交测试空提交、非法输入与边界情况Navigation导航—— 走遍所有导航路径检查面包屑、返回按钮、深链接States状态—— 检查空状态、加载状态、错误状态与满/溢出状态Console控制台—— 检查 JS 错误、失败请求与警告Responsiveness响应式—— 如相关在不同视口尺寸下测试Auth boundaries认证边界—— 测试未登录时的表现以及不同角色如适用下的表现。与 agent-browser 工具链的结合如何实际执行这份清单issue-taxonomy 定义了找什么而 agent-browser CLI 则提供了怎么找。dogfood SKILL.md 给出了与上述清单一一对应的命令组合这些命令在 cli/src/commands.rs 中有完整的解析逻辑在 cli/src/native/actions.rs 中有对应的底层实现。快照与截图覆盖清单第 1 步探索每个页面时的标准动作组合对应清单的 Visual scan 与 Interactive elementsagent-browser --session {SESSION} snapshot -i agent-browser --session {SESSION} screenshot --annotate {OUTPUT_DIR}/screenshots/{page-name}.png agent-browser --session {SESSION} errors agent-browser --session {SESSION} console其中snapshot -i用于查找可点击/可填写的元素按钮、输入框、链接snapshot不带标志用于阅读页面内容文本、标题、数据列表。screenshot --annotate会在截图上叠加元素标注便于在报告中指向具体元素——该行为在 actions.rs 的截图处理逻辑中实现annotate标志决定是否在渲染后叠加标注层。控制台与错误追踪覆盖清单第 6 步console与errors两个命令在 commands.rs 中被解析为对应的 action支持--clear标志清空已收集的条目实际处理则在 actions.rs。底层数据由 network.rs 中的EventTracker维护ConsoleEntry记录日志级别level、文本text与格式化参数argsErrorEntry记录错误文本、URL 与行列号line/column——这正是报告模板中定位代码问题所需的精确坐标两类条目均有max_entries: 1000的环形缓冲上限超出后丢弃最旧的条目避免长时间会话中内存无限增长。这一设计直接支撑了探索清单第 6 步检查 JS 错误、失败请求与警告许多问题在 UI 上不可见但会以控制台异常或失败请求的形式暴露——SKILL.md 的 Guidance 中也强调Many issues are invisible in the UI but show up as JS errors or failed requests。录屏与逐步截图覆盖Repro-First证据要求dogfood 方法论的核心原则是repro-first复现优先——发现问题时立即停下探索并记录证据而不是先探索完再补文档。issue-taxonomy 的类别直接决定了证据等级交互/行为类问题functional、ux、操作触发的 console 错误需要完整复现record start启动录屏 → 按人类可观看的节奏逐步操作步骤间sleep 1→ 每一步截图 → 最终screenshot --annotate捕获损坏状态 →record stop停止静态/加载即见问题拼写错误、占位符文本、文本裁剪、对齐错位、加载时的 console 错误只需一张带标注的截图报告中的Repro Video字段填写N/A。record命令支持start/stop/restart三个子命令输出格式支持.webm与.mp4并可配合--fps、--cursor、--contact-sheet等选项commands.rs。记录完成后报告中的每个复现步骤都必须引用对应截图使读者无需打开浏览器即可按图复述整个流程——这正是 dogfood-report-template.md 中每个 ISSUE- 块的结构要求。会话、状态与效率贯穿整个工作流命名会话agent-browser --session {SESSION} open {TARGET_URL}启动wait --load domcontentloaded等待加载close在 wrap up 阶段关闭认证状态复用登录成功后state save {OUTPUT_DIR}/auth-state.json保存状态对应探索清单第 8 步认证边界的测试前提滚动方式SKILL.md 明确要求使用scroll down 300进行滚动而不要使用key或evaluate模拟滚动命令批量执行相互独立的命令可在同一条 shell 调用中用连接如screenshot与console减少往返开销人类节奏录屏时步骤间sleep 1、最终结果截图前sleep 2保证视频以 1x 速度可观看。报告结构与质量闭环dogfood-report-template.md 将 issue-taxonomy 的分类体系落成结构化文档头部字段Date、App URL、Session、ScopeSummary 表按 critical/high/medium/low 四档统计数量与严重度分级一一对应ISSUE- 块每块包含 Severity、Categoryvisual/functional/ux/content/performance/console/accessibility 七选一、URL、Repro Video以及 Description 与逐步的 Repro Steps每步引用一张截图。dogfood 技能对会话质量有明确要求目标是5-10 个文档完善的 issue且证据深度比总数更重要——5 个完整复现的 issue 优于 20 个含糊描述。Wrap up 阶段需要重读报告、校正严重度统计然后关闭会话并向用户汇报issue 总数、按严重度的分布、以及最关键的条目。此外dogfood 技能还规定了若干纪律性约束与 issue-taxonomy 的分类视角互为补充先验证可复现性再收集证据录制视频或截图前至少重试一次确认 issue 能稳定复现否则不算有效发现绝不删除输出文件会话中途不得删除截图、视频或报告不得关闭会话后重启只向前推进绝不阅读被测应用的源码以用户身份测试而非审计代码不读取被测应用的 HTML、JS 或配置文件——所有发现必须来自浏览器中的可观察行为像人类一样输入录屏期间使用type逐字符输入而非fill一次性填充仅在非录屏、追求速度时使用fill。结语从找问题到可交付的证据链issue-taxonomy 的价值在于把发现缺陷这一模糊的 QA 行为拆解为一套可执行、可量化、可交接的工程方法四档严重度让团队能按优先级排布修复工作七大类别覆盖从像素级视觉问题到深层次竞态条件的完整缺陷光谱八步探索清单则保证了逐页测试的系统性与可重复性。当它与 agent-browser 的截图标注、快照引用、控制台/错误追踪network.rs和视频录制能力结合后每一个发现都能沉淀为带完整复现证据的 ISSUE- 记录直接交付给负责团队。这套方法论不仅适用于 agent-browser 自身的 dogfood 会话也为任何希望以真实用户视角系统化排查 Web 应用质量的工程团队提供了一份可复用的参考框架。【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
agent-browser 缺陷分类指南（Issue Taxonomy）：基于 Dogfood 技能的系统化 Web 应用质量排查方法论
agent-browser 缺陷分类指南Issue Taxonomy基于 Dogfood 技能的系统化 Web 应用质量排查方法论【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser本指南围绕 dogfood 技能 的配套参考文档 issue-taxonomy.md 展开系统讲解在 agent-browser 浏览器自动化 CLI 生态中如何对被测 Web 应用进行缺陷分类、严重度定级与系统性探索。读者将掌握一套可复用的严重度分级 → 缺陷类别 → 逐页探索清单方法论并了解如何借助 agent-browser 的命令行工具截图、快照、控制台与错误追踪、录屏将每一个发现沉淀为带完整复现证据的问题报告。文档定位Dogfood 会话开始前的校准基准issue-taxonomy.md是 dogfood 技能 的一部分位于仓库的skill-data/dogfood/references/目录。dogfood 技能SKILL 元数据中的 description 将其定义为Systematically explore and test a web application to find bugs, UX issues, and other problems用于系统化地探索并测试 Web 应用寻找 bug、UX 问题与其他缺陷适用于 dogfood、QA、exploratory test、find issues、bug hunt 等任务场景。该参考文档在 dogfood 工作流中的位置非常明确SKILL.md 的 4. Explore 步骤要求先阅读本文件以获得需要寻找什么的完整清单Readreferences/issue-taxonomy.mdfor the full list of what to look for and the exploration checklist同时在 SKILL.md 末尾的 References 表格中它被标记为Start of session—— 即每次 dogfood 会话开始时都必须阅读用于校准关注点calibrate what to look for。整篇文档由三个核心部分构成Severity Levels严重度分级—— 四档分级标准用于为每个发现定级Categories缺陷类别—— 七大类别每类下列出具体检查项Exploration Checklist探索清单—— 八个维度指导每个页面/功能的测试顺序。这三部分与 dogfood 报告模板 形成完整闭环报告模板中的Severity字段取值critical/high/medium/low与Category字段取值visual/functional/ux/content/performance/console/accessibility正是本文件定义的分类体系。严重度分级Severity Levels文档定义了四档严重度每一档都对应明确的业务影响描述SeverityDefinitioncriticalBlocks a core workflow, causes data loss, or crashes the app阻断核心工作流、造成数据丢失或导致应用崩溃highMajor feature broken or unusable, no workaround主要功能损坏或不可用且无替代方案mediumFeature works but with noticeable problems, workaround exists功能可用但存在明显问题有替代方案lowMinor cosmetic or polish issue轻微的外观或打磨性问题分级的关键是以影响用户的程度为准而非以修复成本为准。critical 强调阻断核心流程与数据丢失这类不可逆后果high 强调无 workaround的完全不可用medium 与 low 的分界则在于是否存在可绕过的替代方案、以及问题是否仅停留在外观层面。在 dogfood 报告模板中汇总表Summary按这四档统计数量每个 ISSUE- 块都必须与该汇总保持一致——SKILL.md 的 Wrap Up 步骤明确要求更新 summary 严重度计数使它们与实际 issue 匹配每个### ISSUE-块都必须反映在总计中。七大缺陷类别CategoriesVisual / UI视觉与界面布局错乱或元素错位、元素重叠或文本被裁剪、间距/内边距/外边距不一致、图标或图片缺失损坏、深色/浅色模式渲染问题、响应式布局问题视口尺寸、z-index 层级问题元素被遮挡、字体渲染问题字体、字号、字重错误、颜色对比度问题、动画卡顿或抖动。Functional功能失效链接404、跳错目标按钮或控件点击无响应表单校验误拒合法输入或误收非法输入重定向错误功能静默失败无任何报错状态未按预期持久化刷新、导航后丢失竞态条件重复提交、陈旧数据搜索或筛选失效分页问题文件上传/下载失败UX用户体验导航混乱或不清晰缺少操作后的加载指示或反馈交互缓慢或无响应感知延迟 300ms错误信息不清晰破坏性操作缺少确认死胡同无法返回或继续相似功能间模式不一致缺少键盘快捷键或焦点管理默认值不符合直觉缺少空状态或空状态无帮助Content内容拼写或语法错误过时或不正确的文本遗留的占位符或 lorem ipsum 内容文本被截断且无 tooltip 或展开方式标签缺失或错误术语不一致Performance性能页面加载缓慢3s滚动或动画卡顿大幅布局偏移内容跳动过多网络请求通过 console/network 检查内存泄漏页面随时间变慢图片未优化文件体积过大Console / Errors控制台与错误控制台中的 JavaScript 异常失败的网络请求4xx、5xx弃用警告deprecation warningsCORS 错误Mixed content 警告未处理的 Promise rejectionAccessibility无障碍图片缺少 alt 文本表单输入无标签键盘导航体验差无法 Tab 到元素焦点陷阱focus traps颜色对比度不足动态内容缺少 ARIA 属性与屏幕阅读器不兼容的模式探索清单Exploration Checklist文档将每个页面/功能上的测试动作归纳为八步按顺序执行即可做到覆盖全面Visual scan视觉扫描—— 截图并标注annotated screenshot检查布局、对齐与渲染问题Interactive elements交互元素—— 点击每个按钮、链接与控件验证是否生效、是否有反馈Forms表单—— 填写并提交测试空提交、非法输入与边界情况Navigation导航—— 走遍所有导航路径检查面包屑、返回按钮、深链接States状态—— 检查空状态、加载状态、错误状态与满/溢出状态Console控制台—— 检查 JS 错误、失败请求与警告Responsiveness响应式—— 如相关在不同视口尺寸下测试Auth boundaries认证边界—— 测试未登录时的表现以及不同角色如适用下的表现。与 agent-browser 工具链的结合如何实际执行这份清单issue-taxonomy 定义了找什么而 agent-browser CLI 则提供了怎么找。dogfood SKILL.md 给出了与上述清单一一对应的命令组合这些命令在 cli/src/commands.rs 中有完整的解析逻辑在 cli/src/native/actions.rs 中有对应的底层实现。快照与截图覆盖清单第 1 步探索每个页面时的标准动作组合对应清单的 Visual scan 与 Interactive elementsagent-browser --session {SESSION} snapshot -i agent-browser --session {SESSION} screenshot --annotate {OUTPUT_DIR}/screenshots/{page-name}.png agent-browser --session {SESSION} errors agent-browser --session {SESSION} console其中snapshot -i用于查找可点击/可填写的元素按钮、输入框、链接snapshot不带标志用于阅读页面内容文本、标题、数据列表。screenshot --annotate会在截图上叠加元素标注便于在报告中指向具体元素——该行为在 actions.rs 的截图处理逻辑中实现annotate标志决定是否在渲染后叠加标注层。控制台与错误追踪覆盖清单第 6 步console与errors两个命令在 commands.rs 中被解析为对应的 action支持--clear标志清空已收集的条目实际处理则在 actions.rs。底层数据由 network.rs 中的EventTracker维护ConsoleEntry记录日志级别level、文本text与格式化参数argsErrorEntry记录错误文本、URL 与行列号line/column——这正是报告模板中定位代码问题所需的精确坐标两类条目均有max_entries: 1000的环形缓冲上限超出后丢弃最旧的条目避免长时间会话中内存无限增长。这一设计直接支撑了探索清单第 6 步检查 JS 错误、失败请求与警告许多问题在 UI 上不可见但会以控制台异常或失败请求的形式暴露——SKILL.md 的 Guidance 中也强调Many issues are invisible in the UI but show up as JS errors or failed requests。录屏与逐步截图覆盖Repro-First证据要求dogfood 方法论的核心原则是repro-first复现优先——发现问题时立即停下探索并记录证据而不是先探索完再补文档。issue-taxonomy 的类别直接决定了证据等级交互/行为类问题functional、ux、操作触发的 console 错误需要完整复现record start启动录屏 → 按人类可观看的节奏逐步操作步骤间sleep 1→ 每一步截图 → 最终screenshot --annotate捕获损坏状态 →record stop停止静态/加载即见问题拼写错误、占位符文本、文本裁剪、对齐错位、加载时的 console 错误只需一张带标注的截图报告中的Repro Video字段填写N/A。record命令支持start/stop/restart三个子命令输出格式支持.webm与.mp4并可配合--fps、--cursor、--contact-sheet等选项commands.rs。记录完成后报告中的每个复现步骤都必须引用对应截图使读者无需打开浏览器即可按图复述整个流程——这正是 dogfood-report-template.md 中每个 ISSUE- 块的结构要求。会话、状态与效率贯穿整个工作流命名会话agent-browser --session {SESSION} open {TARGET_URL}启动wait --load domcontentloaded等待加载close在 wrap up 阶段关闭认证状态复用登录成功后state save {OUTPUT_DIR}/auth-state.json保存状态对应探索清单第 8 步认证边界的测试前提滚动方式SKILL.md 明确要求使用scroll down 300进行滚动而不要使用key或evaluate模拟滚动命令批量执行相互独立的命令可在同一条 shell 调用中用连接如screenshot与console减少往返开销人类节奏录屏时步骤间sleep 1、最终结果截图前sleep 2保证视频以 1x 速度可观看。报告结构与质量闭环dogfood-report-template.md 将 issue-taxonomy 的分类体系落成结构化文档头部字段Date、App URL、Session、ScopeSummary 表按 critical/high/medium/low 四档统计数量与严重度分级一一对应ISSUE- 块每块包含 Severity、Categoryvisual/functional/ux/content/performance/console/accessibility 七选一、URL、Repro Video以及 Description 与逐步的 Repro Steps每步引用一张截图。dogfood 技能对会话质量有明确要求目标是5-10 个文档完善的 issue且证据深度比总数更重要——5 个完整复现的 issue 优于 20 个含糊描述。Wrap up 阶段需要重读报告、校正严重度统计然后关闭会话并向用户汇报issue 总数、按严重度的分布、以及最关键的条目。此外dogfood 技能还规定了若干纪律性约束与 issue-taxonomy 的分类视角互为补充先验证可复现性再收集证据录制视频或截图前至少重试一次确认 issue 能稳定复现否则不算有效发现绝不删除输出文件会话中途不得删除截图、视频或报告不得关闭会话后重启只向前推进绝不阅读被测应用的源码以用户身份测试而非审计代码不读取被测应用的 HTML、JS 或配置文件——所有发现必须来自浏览器中的可观察行为像人类一样输入录屏期间使用type逐字符输入而非fill一次性填充仅在非录屏、追求速度时使用fill。结语从找问题到可交付的证据链issue-taxonomy 的价值在于把发现缺陷这一模糊的 QA 行为拆解为一套可执行、可量化、可交接的工程方法四档严重度让团队能按优先级排布修复工作七大类别覆盖从像素级视觉问题到深层次竞态条件的完整缺陷光谱八步探索清单则保证了逐页测试的系统性与可重复性。当它与 agent-browser 的截图标注、快照引用、控制台/错误追踪network.rs和视频录制能力结合后每一个发现都能沉淀为带完整复现证据的 ISSUE- 记录直接交付给负责团队。这套方法论不仅适用于 agent-browser 自身的 dogfood 会话也为任何希望以真实用户视角系统化排查 Web 应用质量的工程团队提供了一份可复用的参考框架。【免费下载链接】agent-browserBrowser automation CLI for AI agents项目地址: https://gitcode.com/gh_mirrors/agen/agent-browser创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考