Viaduct, a GraphQL-based data-oriented service mesh, is Airbnb’s paved road solution for fetching internal data and serving public-facing API requests. As a unified data access layer, the Viaduct framework handles high throughput and is capable of dynamically routing to hundreds of downstream destinations when executing arbitrary GraphQL queries.

在之前的文章中，我们已经研究了 Airbnb 的产品架构、为它构建的 mock 系统以及这个测试生态系统对产品功能运行自动化测试的具体方法。但一个值得注意的缺失部分是我们没有讨论如何以及何时运行这些测试。

我们现在来详细拆解一下把所有这些测试基础设施联系在一起的工具，看看这个工具是怎么为我们的工程师带来愉快的开发体验。

How we maintained reliable money movement while migrating Airbnb’s payment orchestration system from the legacy monolithic application to a service-oriented architecture.

在 Airbnb 自动化测试框架系列文章的第六篇，我们将讲述造成测试结果不一致的常见因素，以及我们如何解决这些问题。

本文将介绍爱彼迎的智能自动化平台是如何通过支持对话式 AI 和客服自动化，来提升爱彼迎的用户体验的。

在该系列前面的文章里，我们已经介绍了我们的状态模拟系统以及如何基于该系统做交互测试。在这篇文章里，我们将深入介绍整个自动化测试系统的架构，包括如何检测应用的空闲状态，以及如何优雅地处理错误等。

为了让读者们可以基于所讲述的内容重新搭建一个类似的系统，并且避免我们遇到的大多数问题，这篇文章将会涉及较多具体的实现细节。

How Intelligent Automation Platform supports conversational AI and agent-automation to improve the Airbnb customer experience.

在第三篇文章中，我们介绍了自动化交互测试是如何通过记录状态变化的方式测试 ViewModel 的部分代码。然而，这种方式无法测试到代码逻辑的所有边界情况。ViewModel 对于控制每个页面的正确行为起着至关重要的作用，因此我们需要对它进行更深层的测试。

Airbnb’s home grown Page Performance Score (PPS) is designed to capture the rich, complex realities of performance by collecting a multitude of user-centric performance metrics and formulating them into one single 0-100 score. In this post we will deep dive into how we define and implement these metrics on Android. Make sure you read the overview blog post first to familiarize yourself with our PPS metrics and formula.

This is a continuation of our series on Airbnb’s Page Performance Score, a score that measures multiple performance metrics from real users…

Part three of a series on how we provide powerful, automated, and scalable data privacy and security engineering capabilities at Airbnb.

A deep dive into Airbnb’s collaborative hosting infrastructure.

Learn what web performance metrics Airbnb tracks, how we measure them, and how we consider tradeoffs between them in practice.

本篇是 Airbnb 爱彼迎的 Android 自动化测试系列文章的第 3 部分中，我们将探索一个为测试用户操作而构建的自动化系统。

在我们入住民宿时，客服（Customer Support 或 CS）体验至关重要。它可以让一次旅程体验变得更满意，也可能令用户的整体感受变得更糟。为了支持爱彼迎房客和房东社区，我们投入了大量资源，利用自然语言处理（NLP）、机器学习（ML）和人工智能（AI） 等技术，开发了智能客服支持解决方案。

这篇文章将围绕爱彼迎近期上线的协商一致取消（Mutual Cancellation）功能，向大家展示如何运用面向任务的对话人工智能技术（以下简称「AI技术」） 设计自动化的用户支持系统。我们会展开讲讲如何将业务问题转化为 AI 技术问题，如何收集和标记训练数据，如何设计和构建机器学习模型，以及如何在线上系统中部署模型。此外，我们还将探讨每个步骤所面临的技术挑战和对应的创新性解决方案。

本篇是 Airbnb 爱彼迎 Android 自动化测试系列文章的第 2 部分，我们将介绍如何使用截屏测试方法来自动化测试 Fragment 的 UI。