核心用法
human_test() 是一套人机协同测试系统，通过调用真实人类测试者对产品URL进行可用性评估。开发者只需提交目标URL和测试焦点，系统即自动生成测试计划、招募测试者、执行3步引导式反馈流程（第一印象→任务步骤→NPS评分），最终由AI聚合多维度数据输出结构化报告。
部署方式灵活：支持零配置的托管版本（https://human-test.work），也支持本地自托管（npm全局安装+自动初始化）。API设计简洁，核心端点包括创建任务、轮询状态/报告，以及可选的Webhook异步通知。
显著优点
人机闭环设计：弥补纯AI无法判断人类感知与情感的短板，真实用户反馈与AI聚合分析形成完整链路。报告格式高度结构化，包含Metadata表格、分级问题（CRITICAL/MAJOR/MINOR）、NPS分析、优先级建议（P0-P3），便于机器直接解析执行自动化修复。
代码级修复能力：可选集成GitHub仓库，在只读模式下生成文件级diff建议，在写入模式下自动创建分支、提交修复并开启PR，实现"测试-诊断-修复"全自动化。
开发者友好：环境变量自动检测多厂商API密钥，SQLite零配置，默认管理员免注册，10分钟即可跑通全流程。
潜在局限
- 样本规模受限：单次任务上限50人，不适合大规模统计验证
- 测试深度固定：标准化3步流程（约10分钟），难以覆盖复杂多路径场景
- 人效瓶颈：真实测试者招募与执行存在数小时到数天的异步延迟
- NPS适用性：10分制NPS对初创产品或小众工具可能过于粗糙
- 成本不透明：托管版未公开定价，自托管需自行承担AI API调用成本
适合人群
AI产品开发者、独立开发者、快速迭代中的初创团队，以及需要低成本可用性验证但缺乏专职UX研究员的组织。特别适合已将AI agent集成至工作流的团队，可直接驱动自动化修复流水线。
常规风险
- 数据隐私：测试产品URL可能暴露未发布功能，需确保测试环境与生产隔离
- Webhook安全：若配置HTTP（非HTTPS）回调，报告传输存在中间人攻击风险
- 权限管控：GitHub集成需向平台账号（avivahe326）授权，存在第三方访问风险
- AI聚合偏差：NPS解读与问题严重度判定依赖AI模型，可能遗漏文化语境或特定用户群体的细微表达
- 依赖可用性：真实测试者属于稀缺资源，高峰期可能出现任务滞留