- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试技术圈
面向AI应用的测试思考
然而，由于AI是一种新的编程范式，无论在学术界还是工业界，对于AI测试的研究和实践尚处于起步阶段。” AI引导了新一轮的产业变革，随着AI在各行各业的应用日益广泛，对AI应用测试的需求也与日俱增。 由此可见，对于AI应用的质量保障显得愈发重要。 1 AI测试面临挑战 关于AI应用（系统）的组成，通常是由软件工程和机器学习模型结合。 现实世界中的ML应用程序/系统只有一小部分由ML代码组成，其他大部分都是由复杂的架构工程构成。对于AI产品业务的测试，可以从两个方面着手，数据验证测试和AI应用测试。 基于AI / ML应用程序的测试。 关于AI应用测试，可以总结概括4个关键要点，算法、数据质量、业务场景、分层专项。 ? 总之，对于AI/ML模型的测试问题与传统软件测试问题有较大不同，且存在着诸多技术挑战。但伴随着业界越来越多地使用AI技术来构建其系统和应用程序，对AI应用的测试方法和实践将在未来迅速发展和逐步完善。
2K51发布于 2020-09-08 - 来自专栏FunTester
AI 驱动的应用，传统测试正在失效
最近两年，测试圈子里弥漫着焦虑情绪：业务团队快速推进 AI 技术落地，智能客服、AI 助手等功能已成为 Web 应用标配；而测试工程师却越来越心虚，明明编写了大量用例并执行回归测试，但内心始终不安。 这种焦虑源于测试思维框架已过时——传统测试依赖确定性，而 AI 系统充满概率性和不确定性。 测试工程师最近的集体困惑 来看几个典型的AI测试场景，这些问题正在让测试工程师重新思考传统方法的有效性。 AI系统表现充满概率性和不确定性，传统测试最依赖的确定性判断能力正在AI的概率世界里逐渐瓦解。 传统测试的隐含前提 我们先深呼吸一下，暂时放下那些 AI 带来的焦虑，回到测试工程师这份工作的本质。 ，因为上周能跑通的这周也应该能跑通 • 把 CI 结果当作上线门禁，因为红灯亮起就是有问题需要解决 AI 应用天生不吃这套 好，现在问题来了：AI 驱动的 Web 应用，还满足我们刚才说的那些确定性前提吗 AI 驱动的 Web 应用，已经不再是我们传统测试方法所设想的那类系统。
27510编辑于 2026-06-17 - 来自专栏啄木鸟软件测试
提示词测试：AI应用的性能优化新维度
引言：当大模型成为基础设施，提示词就是新API 在AI原生应用爆发式增长的今天，越来越多团队发现：模型能力已非瓶颈，真正制约系统响应速度、成本效率与用户体验的，是那短短几十到几百字符的提示词（Prompt 而对它的系统性测试与优化，已构成AI工程化落地中不可忽视的性能优化新维度。 一、为什么提示词需要性能测试？ 传统认知中，提示词属于‘逻辑层’，性能问题归于模型推理或后端服务。 二、提示词性能测试四象限方法论 我们提出‘Prompt Perf Test Quadrant’，覆盖可观测、可量化、可归因、可治理四个层级： ✅ 可观测：构建提示词级监控埋点 - 在请求链路注入Prompt 评估：对比改版提示与基线在相同输入下的性能偏移（ΔTTFT, ΔCost） ✅ 可归因：定位性能瓶颈根因 - 分层拆解法：将提示词解构为【指令骨架】+【上下文片段】+【输出约束】三模块，逐模块AB测试 、压力测试和灰度发布的代码，标志着AI应用开发正从‘实验范式’迈向‘工程范式’。
46510编辑于 2026-05-08 - 来自专栏Python
测试 Flask 应用
没有测试过的应用将会使得提高现有代码质量很困难，二不测试应用程序的开发者，会显得特别多疑。如果一个应用拥有自动化测试，那么您就可以安全的修改然后立刻知道是否有错误。 Flask 提供了一种方法用于测试您的应用，那就是将 Werkzeug 测试 Client 暴露出来，并且为您操作这些内容的本地上下文变量。然后您就可以将自己最喜欢的测试解决方案应用于其上了。 这个测试客户端将会给我们一个通向应用的简单接口，我们可以激发对向应用发送请求的测试，并且此客户端也会帮我们记录 Cookie 的动态。 第一个测试 是进行第一个应用功能的测试的时候了。让我们检查当我们访问根路径(/)时应用程序是否正确地返回了了“No entries here so far” 字样。 如果您希望测试应用在不同配置的情况下的表现，这里似乎没有一个很好的方法，考虑使用应用的工厂函数(参考 应用程序的工厂函数) 注意，尽管你在使用一个测试用的请求环境，函数 before_request()
1.1K00发布于 2018-07-31 - 来自专栏一个会写诗的程序员的博客
Spring Boot 应用的测试Spring Boot 应用的测试
Spring Boot 应用的测试 《Spring Boot 实战开发》(陈光剑) —— 基于 Gradle + Kotlin的企业级应用开发最佳实践 本书写到这里，Spring Boot 2.0.0 这是本书最后一章，本章介绍 Spring Boot 应用的测试（质量保障）相关的内容。我们在项目开发中使用分层架构，在测试中也进行分层测试。 下面我们来详细讲解怎样针对 Spring Boot 项目进行分层测试。 1.2 分层测试 我们在开发阶段过程中，单元测试通常是必要的。 测试代码目录结构设计如下 图15-1 测试代码目录结构 测试代码的分层逻辑与项目源代码中的 dao层、service 层、controller 层各自对应。 下面我们来开发具体的测试类。 Spring Boot 应用对Web层测试提供强大的支持：采用MockMvc方式测试Web请求，根据传递的不用参数以及请求返回对象反馈信息进行验证测试。
2.3K30发布于 2018-08-17 - 来自专栏测试开发干货
【AI应用测试土话实战教程-01】Ai在测试领域可以做的十件事！
如果您可以举一反三，那这个系列就是您成为AI测试大佬的第一步。 好，现在我们第一节，就来说三个问题： 1. 为什么要学AI？ 2. AI到底难不难？ AI在软件测试行业到底能干点啥？ ---- 现在，先来说第一个问题： 为什么要学AI？ 既然是土话教程，我就不给大家扯什么高大上的意义，对人类的贡献这些了，简单就是一句话。 ---- 最后一个问题： AI在测试工作中能干点啥 ？ 自动规划出测试范围。漏测，开发带私货提测，隐瞒改动，用例关系隐秘，历史资料丢失等等问题，都可以让AI去补充、预测、规划测试范围。 6. 预料之外线上生产环境BUG预测。 让AI训练以往各个自动化脚本和其表现，再有新的脚本提交给AI后，就可以预测出这个脚本的质量如何了... 8. 性能测试。
60822编辑于 2023-08-14 - 来自专栏FunTester
LevelDB在测试中应用应用
} } Part3有状态服务 目前使用场景中还有一个就是将一个正常的Java服务变成一个有状态的服务，比如这个服务需要执行大量的耗时的任务，这些任务都是在内存中的，会分多个阶段，在分布式性能测试中经常碰见这样的情况
2.7K10编辑于 2022-01-05 AI测试
AI抢不走测试人的饭碗，但会用AI的测试人，会抢走你的本文来自一个把AI测试真正落地并开源的团队：https://gitee.com/wwcs/ai_test_sheng附在线体验环境：http://111.229.22.12 （账号admin/admin123）前言：先说一个扎心的事实测试圈这两年最焦虑的问题："AI会不会取代测试工程师？" 但会用AI的测试人，会取代不会用AI的测试人。同一批需求，别人还在手动点点点、熬夜写用例，会用AI的人已经把需求分析、用例设计、执行、报告一条龙跑完了，还附赠一套能自动维护的UI自动化脚本。 但先别急着冲——AI测试落地，Demo很惊艳，实战全是坑。 测试，不如来体验一下真实跑起来的AI测试。
12910编辑于 2026-08-28- 来自专栏愚公系列-书籍专栏
【愚公系列】《AIGC辅助软件开发》019-AI 辅助测试与调试：AI辅助测试与调试应用案例
然而，传统的软件测试方法存在许多问题，如测试效率低、测试质量难以保证、测试成本高等。因此，AI技术在软件测试领域的应用已成为一种必然趋势。 应用领域 描述 测试需求分析 AI技术可以协助测试人员快速、准确地分析和整理测试需求，从而更好地理解需求，为后续的测试工作提供支持。 测试用例设计 AI技术可以协助测试人员智能地进行测试用例设计，从而提高测试用例的覆盖率和质量，直接影响测试结果。 除了上述工作，AI技术还可以协助测试人员进行多种类型的测试，包括： 功能测试 性能测试 兼容性测试 安全测试 回归测试 此外，AI技术还可以帮助测试人员进行测试管理，包括测试流程、规范、标准等内容，从而提前发现和预防测试中的问题和风险 一、AI辅助测试与调试应用案例 1.制定测试策略 请根据以下上传文件的需求描述，制定一份详细的测试策略。需求描述如下: 1.文件数量限制:单次上传文件的数量不超过5个。
2.8K11编辑于 2024-12-23 - 来自专栏测试开发技术
到底什么是 AI 测试？AI 测试与传统测试的区别？
面试官不会再问 “你知道哪些 AI 测试工具” 这类浅层问题，而是把AI 玩法揉进业务场景、技术方案设计，甚至开放性问题里 ——考查的是你对AI的理解深度和实际应用能力。 "我用ChatGPT写过测试用例"——这叫"用AI辅助测试"，不叫"AI测试" 2. "我测过公司的大模型产品"——这叫"测试AI系统"，是AI测试的一部分 3. 三、AI测试的三种形态：我理解的定义 我认为，AI测试应该包含三个层面，这三个层面构成了一个完整的AI测试能力模型： 形态一：AI辅助测试（AI-Assisted Testing） 定义：用AI工具提升传统测试活动的效率和质量 形态二：测试AI系统（Testing AI Systems） 定义：对AI模型、AI应用、AI服务进行质量验证和风险评估。 什么是AI 系统，可以简单理解为，凡是集成了AI 能力的应用，都可以称之为AI 系统。
1.3K20编辑于 2026-05-21 - 来自专栏AI SPPECH
55：L应用AI红队演练：蓝队的防御测试
L将AI技术应用于红队演练，构建了一套智能红队演练系统，能够模拟基拉的攻击手法，测试防御系统的有效性。 更重要的是，传统红队演练难以模拟基拉等高级威胁的攻击手法，无法有效测试防御系统的真实防御能力。 2026年，AI技术在红队演练领域的应用成为热点。 为了缓解这个问题，我结合了静态分析和动态测试，提高漏洞检测的覆盖率。 3. 攻击模拟真实性 AI模拟的攻击可能与真实攻击存在差异，影响演练效果。 通过这些缓解策略，我成功地构建了一套高效、可靠的AI红队演练系统，为蓝队防御提供了有力的支持。 6. 未来趋势与前瞻预测 本节核心价值：了解AI红队演练的未来发展趋势，以及L对未来防御测试的展望。 多维度攻击模拟 未来的AI红队演练系统将能够从多个维度模拟攻击，包括网络攻击、物理攻击和社会工程学攻击，提供全面的防御测试。 4.
53210编辑于 2026-03-30 - 来自专栏用户4624600的专栏
Harmony应用怎么测试？
随着越来越多的开发者投身于鸿蒙应用的开发，一个更加丰富、多样、充满活力的鸿蒙应用生态将逐渐成形，为用户带来更加丰富多彩的数字生活体验。 什么是Harmony应用? 环境配置流程如下所示： Harmony测试方法 如何安装测试包？ 功能性测试：需求功能、异常场景； 性能测试：启动时长、页面加载耗时、CPU占用、内存占用。 性能测试工具选型，目前只能使用DevEco Studio工具的profile功能测试性能； 稳定性测试：使用hdc自带wukong工具，类似adb的monkey工具； 兼容性测试：直屏屏、折叠屏、pad 两者都包括功能测试、性能测试、兼容性测试、安全性测试等多种测试类型。 在测试过程中，也遇到了一些挑战。
1.7K10编辑于 2024-08-20 - 来自专栏西安-晁州
protobuf简单测试应用
protobuf是google推出的一种数据交换协议，比较适合应用于底层服务交互，nodejs提供protobufjs包的实现，下面是一个简单的测试demo： 首先是.proto文件： package required string str = 2; // str optional int32 opt = 3; // optional field } 然后是一个测试的
1.4K00发布于 2017-12-22 - 来自专栏西安-晁州
protobuf简单测试应用
protobuf是google推出的一种数据交换协议，比较适合应用于底层服务交互，nodejs提供protobufjs包的实现，下面是一个简单的测试demo： 首先是.proto文件： package required string str = 2; // str optional int32 opt = 3; // optional field } 然后是一个测试的
1.8K00发布于 2017-12-22 反诱导测试：如何构造对抗性 Prompt 来测试 AI 应用的鲁棒性？
一个 AI 应用上线之前，几乎所有团队都会做功能测试：输入正常问题，验证回答是否准确；测试边界条件，确认系统不会崩溃。 这就引出了本文要讨论的核心对比：功能性测试与对抗性测试，两者都是 AI 应用质量保障的组成部分，但覆盖的风险维度完全不同。 功能性测试回答“系统能不能正常工作”，对抗性测试回答“系统在被故意攻击时是否仍然可信”。后者的缺失，是当前大多数 AI 应用测试体系最危险的短板。 AI 应用，需要针对以上每个路径都有明确的测试覆盖和防御验证，而不只是确认“直接问敏感问题会被拒绝”。 结尾：鲁棒性测试，是 AI 应用质量的第二道防线 有人会问：这套体系的投入是否值得？是否只有高风险的 AI 应用才需要？ 值得与否，取决于你的 AI 应用一旦产生越权输出，代价是什么。
52211编辑于 2026-03-31软件测试 + AI
通过结合AI与传统测试方法，企业能够更有效地应对复杂的开发环境，从而提高最终产品的质量和用户满意度。一、软件测试软件测试是软件开发中至关重要的一环，主要目标是查找软件中的缺陷（bug），保障软件质量。 ②作用提高速度和效率缺陷预测与分析③AI应用于软件测试的方式AI通过与测试工程师的互动来增强测试过程。通过输入具体的指令（Prompt），工程师可以指导AI生成所需的测试用例、报告或分析。 ④AI赋能软件测试的具体应用需求评审：AI可以帮助分析需求文档，识别潜在的模糊或不一致之处，提高需求的明确性。测试计划编写：AI可以根据项目需求和历史数据生成测试计划，节省时间并提高效率。 测试用例设计：通过自动生成测试用例，AI能够快速覆盖各种场景，尤其是在面对复杂系统时。测试报告生成：AI能够自动整理测试结果，并生成易于理解的报告，帮助团队做出决策。 自动化测试：AI赋能的自动化测试不仅可以执行重复性测试，还能在代码更新时自动调整测试用例，确保持续集成的有效性。业务代码编写：AI能够协助开发人员编写代码，并提供实时的错误调试和注释建议。
1.1K21编辑于 2024-09-18- 来自专栏Android 开发者
测试应用启动性能
用于测试启动的 Shell 命令 本文的编写目的，更多的在于介绍性能、启动测试以及我进行启动测试背后的原因。 想把启动性能测试 "测" 好并非易事 我最近需要测试一款应用的启动性能 (同时摆弄了一下 Startup 库来了解它是如何影响启动性能的，未来的文章中会有更多相关内容)。 "冷启动" 是指您的应用在安装后的第一次启动、重启，或者不在后台时的启动。 另一方面，"热启动" 是指您的应用已经启动且正在后台运行 (但被暂停了) 时的启动。 这两种情况都值得去测试和理解。 但总的来说，冷启动才是您进行启动性能测试的最佳起点，这其中有两个原因: 一致性 : 冷启动可以确保您的应用每次启动时都经历相同的操作。 应用被热启动时，我们没法明确知道哪些步骤被跳过，而哪些步骤被执行，因而也无从得知您到底在对什么进行计时 (也无法保证重复测试时所测试的内容是否一致)； 最坏情况 : 按照定义，冷启动是最坏的情况——这是您的用户经历启动过程时间最长的场景
1.2K10编辑于 2022-03-09 - 来自专栏python3
python测试应用级别
Python对服务器端的自动化测试 Python对web的自动化测试 Python对数据库的自动化测试 Python对GUI的自动化测试 Python网络编程 Python高性能网络测试框架 Python 画图和科学计算 Python实现远程性能监控 Python实现自动化性能测试 Python数据分析、数据挖掘 Python对Android APP的自动化测试 Python对Java代码做单元测试
54310发布于 2020-01-06 - 来自专栏项目管理
单元测试的重要性及应用AI开展单元测试的发展趋势
本文将从多个角度探讨单元测试的重要性，包括如何提升代码质量、减少维护成本，以及在项目管理中所处的关键环节和对项目进度与质量的影响。同时，我们还将探讨应用AI进行单元测试的技巧和单元测试的发展趋势。 通过将单元测试纳入项目管理流程，组织可以更加稳健地推进软件开发项目，实现更高的客户满意度和市场竞争力。 四、应用AI做单元测试的技巧 随着人工智能技术的快速发展，AI在单元测试中的应用也越来越广泛。 以下是一些应用AI进行单元测试的技巧： 1. 自动化测试用例生成：利用AI技术自动生成测试用例，可以大大提高测试效率。通过分析代码结构和功能，AI可以智能地生成覆盖全面的测试用例。 2. 五、单元测试的发展趋势 随着技术的不断进步，单元测试也在不断发展。未来，单元测试将呈现以下发展趋势： 1. 智能化：AI技术的应用将使单元测试更加智能化，自动化程度更高。 2. 总之，单元测试是软件开发过程中不可或缺的一环，它对于提升代码质量、降低维护成本、加速开发进程以及优化项目管理都具有深远的影响。随着AI技术的应用和发展，单元测试也将更加高效简便有用。
73210编辑于 2024-09-20 - 来自专栏DevOps时代的专栏
测试微服务 VS 测试单体式应用
使用微服务比起使用单体式应用程序结构有许多优点。 但是微服务并不像单体式应用程序一样已经有确定的开发模式。 许多问题尚未解决，我们也还没有看到完善的“微服务方式”的实施标准的出现。 测试也不例外。 对于整体来说，有单元测试，组件测试，集成测试。界限清晰，编写测试的方式也很清晰。 但是、对于微服务呢？ 假设说，你使用微服务之间的 HTTP(s)和 REST 作为你的通信层。 在一个典型的应用中，一个(微)服务有一系列的依赖关系，可能是其他的(微)服务。 在单元测试中一样，第一个想法是模拟对象测试(mocking)。 但是，有什么好方法对微服务模拟对象测试？ 或者我们总是应该使用构造的测试数据运行真实依赖的实例(或fixture),来进行测试？ 我们想到了另一种方式。 测试层级 对于原生微服务应用1，我们定义了多个层次的测试。 单元 这就是我们熟悉的单元测试，没有什么不同，并且取决于编程语言。 组件 测试服务，无需外部依赖，使用数据 fixture。 容器 测试服务容器。
1.2K80发布于 2018-02-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号