GitHub 上 201 颗星的开源测试工具 Healenium 在 README 里写「用机器学习让脚本自己修 Bug」——这句话被一位中国工程师用反编译 jar 包的方式直接拆穿：核心权重公式里，id 加 50、class 加 40、标签加 100，全是源码里写死的常量，没有一行机器学习代码。我们关心这个样本，因为它演示了企业买软件时识别「AI 注水」的典型套路。
这是什么
Web UI 自动化测试失败最常见的原因，不是业务逻辑出错，而是「按钮的选择器找不到了」——前端 id、class 改个版本就报错。自愈定位（Self-Healing Locators，简单说就是测试失败时自动找替代选择器）是过去几年的工程回应。
这个领域最知名的开源项目是 Healenium（GitHub 201 颗星，2026-09-07 最近一次提交）。一篇掘金长文反编译其 jar 包、读核心源码，验证 README 那句「leverage machine learning」。结论很硬：核心机制不是机器学习，是加权打分公式。id 加 50、class 加 40、属性加 30、标签加 100——权重是源码里写死的常量，没有训练数据、模型推理这些机器学习基本要素。
工程师给了一个例子：登录按钮从 login-btn 改成 signin-btn，字符串编辑距离小，判定为同一个元素；但改成 submit-auth（语义上明显是同一个按钮），打分反而骤降。启发式打分衡量字符串表面相似度，不是功能语义相似度——这是天花板。
顺带一提：Healenium 2026 年新增了一个真正调用 AI 的接口（POST /selectors/xpath），但被锁在付费墙后面，开源版本拿不到。
行业怎么看
技术社区的反应有两面。
支持方认为 Healenium 的启发式打分并非骗人——它跑得快、确定性高、可解释、零外部依赖，对简单改名、结构调整有效。一个成熟项目用工程手段解决 80% 常见 case 本身有价值，2026 年的活跃维护说明它仍是默认工具。
批评方更尖锐。掘金作者认为「leverage machine learning」在营销意义上没错、技术意义上误导——决策者会被引导错估能力上限。一名测试工程师更直白：「我们组用了两年 Healenium，最近发现它和我们写的 if-else 没本质区别。」
第三条路也有。MarketSquare/robotframework-selfhealing-agents 是 Robot Framework 生态的开源实验，思路是「元素在做什么」而不是「在哪个 DOM 位置」来重定位——但成熟度远不如 Healenium。
对普通人的影响
对企业 IT：选型测试平台时，「AI 自愈」不能直接当采购依据。看厂商文档里有没有权重公式、训练数据、模型版本——全是黑盒又承诺高自愈率，大概率是 Healenium 式的启发式换了个新词。
对个人职场：测试工程师岗位稳。真正 AI 自愈还没到能替代人工维护的程度，而「启发式 vs 语义理解」这个区分反而是新稀缺能力——引入 AI 工具时能讲清楚边界的人最值钱。
对消费市场：这是「AI 注水」的又一个样本。SaaS 厂商喜欢把工程优化包装成 AI 革命，不只在测试领域。从代码助手到客服机器人，未来一年会有越来越多「拆源码发现不是 AI」的揭露——这本身就是一门新流量生意。