前言：当 AI 测试遇到“看不懂”的前端项目试想这样一个场景：你花了三天时间给公司的核心业务系统编写了一套 Midscene.js 自动化测试脚本，在开发环境跑得顺风顺水，绿色通过。然后你把脚本部署到测试环境——30 个用例红了 18 个。排查了半天你发现：测试环境的页面用的是“客户编号”而开发环境是“客户ID”，表格列的字段名变了两个，侧边栏菜单层级多了一层。更让人崩溃的是，这还只是环境差异——当你要把测试脚本推广到另一个使用完全不同 UI 组件库的业务模块时，几乎要从头再写一遍。这不是 AI 不够聪明，而是你的私有业务系统对 AI 来说，就像一本用方言写成的天书。字节跳动 Web Infra 团队开源的 Midscene.js，截至目前（2026 年 5 月）已迭代至 v1.8.0 版本，在 GitHub 上积累了超过 12.5k Stars。根据 Midscene v1.0 官方发布说明，从 v1.0 开始，Midscene 全面转向视觉理解方案，提供更稳定可靠的 UI 自动化能力。然而在实际企业级部署中，开发者们逐渐发现一个关键瓶颈——AI 模型对私有业务系统的上下文理解深度，直接决定了自动化成功率的高低。本文将深入探讨如何利用 LLMs.txt 这一新兴机制，为 Midscene.js 注入精准的业务上下文，让 AI 真正“读懂”你的私有系统。一、问题溯源：为什么 AI 在复杂前端项目中“水土不服”？1.1 三大典型痛点
