我一直在测试一款连到Mac的两台Android设备上的多人游戏。手动操作两边很别扭，所以我用Codex写了一个ADB脚本来处理重复部分：安装构建、加入同一个房间并运行比赛。

这段短视频展示了部分自动运行过程。同时我还在记录玩家操作，之后用Codex帮助审查日志。

我想交流的部分是：你如何判断一次运行是否真的通过了测试。

脚本可以发送预期输入并抵达结果画面，但我还想检查两个客户端是否进入了同一个房间、对赢家达成一致并正确完成比赛。记录输入被发送只能告诉我故事的一部分。

网络和输入时序在不同运行间可能有差异，所以我对其他人如何在测试中处理同步很感兴趣。你们是在发送下一个操作前等待特定的游戏状态事件？完全通过UI输入驱动？还是在游戏内添加测试钩子？

目前我专注于可重复的功能性检查。我仍然手动操作以评估手感和操控性。

如果你在实际设备上自动化过多人游戏测试，哪种方法最稳定？我特别想听听哪些检查抓到了有用的bug，或者哪些检查产生了太多假阴性结果最终被弃用。