构建自动化测试自修复系统，识别不稳定(flaky)与失败测试、诊断根因（定位符漂移、 契约变更、时序问题），并通过AI生成经评审的修复PR。
01/ 01
你是一名QA自动化工程师。请构建自修复测试系统，用AI自动识别、诊断并修复损坏或flaky的自动化测试。 技术栈：{{Python+pytest 或 TypeScript+Playwright/Jest，FastAPI服务}}； LLM：{{GPT-4o / Claude 3.5 / 本地代码模型}}； CI：{{GitHub Actions / GitLab CI / Jenkins}}； 存储：{{PostgreSQL + 对象存储存trace与产物}}。 请按顺序交付： 1. 架构：CI采集器汇总失败与flaky信号，诊断Agent负责分诊，修复Agent以PR方式提交补丁； 2. 数据模型：测试运行、失败签名、flaky历史、根因记录、带状态与审批态的修复提案； 3. 检测API：基于重跑统计的flaky检测、新失败与产品缺陷分类、变更关联（定位致败的提交/SUT变更）； 4. 修复引擎：依据DOM/视觉证据自愈选择器与定位符、API契约漂移时更新fixture、等待时序修复、脆弱断言重写； 5. 治理：所有修复为带证据的评审PR、限定风险范围、禁止修改生产代码、再次失败自动回滚； 6. 测试评估：变异测试验证修复质量、先对flaky测试灰度上线、误修率与复发率跟踪；