- 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 - 来自专栏科技专栏
Kubernetes 部署AI应用的10个要点
随着生成式AI（GenAI）在各行业的广泛应用，Kubernetes已成为部署AI工作负载的首选平台。 本文将为您介绍在Kubernetes上成功部署AI应用的10个关键要点，帮助您应对高并发、资源密集和行为不透明等挑战。 01. ├── v1.0.yaml │ ├── v1.1.yaml └── kustomization.yaml Argo CD 自动同步 → KServe 生成新版本路由 → 影子流量 5% A/B 测试 内启动 节点亲和 nodeSelector: gpu-type=a100 避免跨 NUMA 性能抖动 10. 拥抱云原生生态，让AI工作流与基础设施共同进化，将帮助您在AI应用部署中取得成功。 如果你觉得这篇文章有用，欢迎点赞、转发、收藏、留言、推荐❤！
25210编辑于 2026-07-20 - 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 - 来自专栏测试开发技术
推荐10款顶级AI测试工具（一）：Testsigma
今天起，我们将推出「推荐10款顶级AI测试工具」系列，首期聚焦的主角是——Testsigma：一个以“让每个人都能做自动化测试”为使命，深度融合AI能力的测试平台。 免费教程菜单中，还上架了许多AI开发、AI测试相关的资料，限时免费取。 四、Testsigma的核心功能亮点：AI如何改变测试流程？ 1. 多平台覆盖——Web、移动端、API一站式测试 Testsigma不仅支持Web应用的自动化测试（Chrome/Firefox/Safari等主流浏览器），还能覆盖： 移动端： 通过云端设备实验室（或集成真机 ），支持Android/iOS原生应用及混合应用的UI测试； API测试： 可直接编写API请求的测试用例（支持RESTful接口），验证接口的响应状态、数据格式和业务逻辑； 跨平台组合测试： 例如“用户登录 在AI技术重塑软件研发的浪潮中，Testsigma代表了“AI+测试”的典型方向——它不仅降低了自动化测试的门槛（让非技术人员也能参与），更通过AI能力解决了传统工具的核心痛点（维护难、效率低、协作差）
6.4K10编辑于 2025-11-17 - 来自专栏测试开发技术
推荐10款顶级AI测试工具（二）：Appvance
在上一期《推荐10款顶级AI测试工具（一）》中，我们介绍了一款聚焦功能覆盖与自动化效率的工具。 今天，我们将介绍一款真正将AI“思维”融入测试全流程的产品——Appvance IQ。 核心能力一：AI驱动的“零脚本”测试生成 传统自动化测试需要测试人员手动编写脚本（如Selenium用例），而Appvance IQ直接跳过了这一步——它通过逆向解析应用的UI结构、API接口及后端业务逻辑 自主测试探索（AI Script Generation） 传统测试需要人工编写上千条用例，而Appvance的AI引擎能像真实用户一样“漫游”应用，自动发现潜在功能路径。 2. 随着应用版本的迭代，AI模型会持续学习新的用户行为与代码逻辑，测试策略越来越精准； 从“人力密集型”到“技术驱动型”： 释放测试人员从重复劳动中抽身，转向更重要的探索性测试与缺陷根因分析。 正如Gartner在《2024年应用测试技术趋势报告》中指出：“未来3年，具备业务语义理解能力的生成式AI测试工具将成为企业质量保障的核心基础设施。”
2K10编辑于 2025-11-17 - 来自专栏网罗开发
AI+自动化测试：如何让测试编写效率提升10倍？
这些问题直接影响了开发效率和软件质量，而 AI 恰好能在这些方面提供帮助。AI 如何优化自动化测试？AI 主要可以从三个方面帮助自动化测试：自动生成测试代码——减少人工编写的时间，提高覆盖率。 智能分析代码逻辑——找到可能的边界情况和异常处理点，补充测试用例。优化 UI 测试——让测试代码更适应变化，提高稳定性。下面我们结合具体场景，看看 AI 在不同测试环节的应用。 自动适应界面变化传统方法 VS AI 方法UI 自动化测试最头疼的就是界面一变，测试脚本就失效。AI 可以自动调整选择器策略，提高测试脚本的稳定性。 总结以前，写测试是个费时费力的工作，现在 AI 可以自动生成代码，大幅提高效率。过去，测试覆盖率难以保证，现在 AI 能自动补全边界测试，减少遗漏。 以往，UI 测试很容易失效，现在 AI 能让测试更智能化，适应界面变化。虽然 AI 不能完全取代人工测试，但它能成为强大的辅助工具，帮助团队更快、更全面地完成测试工作。
1.8K20编辑于 2025-04-03 - 来自专栏资讯分享
10分钟，开发你的专属AI应用
刚刚，腾讯云推出高性能应用服务HAI(Hyper Application Inventor)没错，就念“嗨”！ 从此，GPU算力实现开箱即用、一键部署10分钟，开发你的专属AI应用//点四下，启动以往，配置AI开发环境，需要东市买骏马西市买鞍鞯南市买辔头北市买长鞭：买卡、装驱动、配网络、配存储...用了HAI，不仅能自动配置性价比更高的 几分钟，就能构建出你的大语言模型、AI作画等应用环境。预装的模型不够用？你也可以基于HAI，部署自己的开源模型。//不想敲代码？可以我不是程序员，能不能玩转AIGC？HAI提供可视化交互界面。 现在，这些应用已经抢先Say HAI：儿童照相馆、“看图识成语”小游戏、小学语文教案制作、英文润色专家、AI周公……AIGC时代，企业和开发者需要的不只是GPU和大模型，还有好用、易用的服务。 点这，开发你的AI应用！
49110编辑于 2023-12-18 - 来自专栏开发运维工程师
技术应用｜用于 REST API 开发和测试的 10 大工具
前言用于 REST API 开发和测试的 10 大工具这些工具将在基于 REST 的项目（如设计、开发、测试和文档）的每个阶段为您提供帮助。 下面来学习下每个 REST 开发人员都应该学习的 10 个有用工具。1. Burp简介：Burp是一个使用Java编写的Web应用程序的集成测试框架。它可以帮助测试人员检查应用程序中的漏洞，并提供了一系列工具来模拟攻击以发现潜在的安全问题。 Wireshark的应用广泛，包括检测网络问题、检查咨询安全相关问题、为新的通讯协议除错和学习网络协议的相关知识等官网：https://www.wireshark.org/7. Github：https://github.com/apiaryio10. Apifox简介：Apifox是一个API文档、调试、Mock和自动化测试一体化协作平台。
3.8K00编辑于 2023-11-30 - 来自专栏Keegan小钢
AI+Web3实战营日志 #10 | 测试网发布
这是我的 AI + Web3 实战营 的第 10 篇研发日志，前 9 篇如下： AI+Web3实战营日志 #1｜开营 AI+Web3实战营日志 #2 | 完成底层合约 AI+Web3实战营日志 #3 | Router合约 AI+Web3实战营日志 #4 | Rebalancer合约 AI+Web3实战营日志 #5 | 完成合约开发 AI+Web3实战营日志 #6 | 开始合约测试 AI+Web3实战营日志 #7 | 完成Core合约测试 AI+Web3实战营日志 #8 | 重构ETFRouterV1 AI+Web3实战营日志 #9 | 完成第二个里程碑 另外，关于 AI + Web3 实战营的相关介绍则有如下几篇文章 ： 我要启动 AI + Web3 实战营了 再谈 AI+Web3 实战营：这到底能带给你什么？ AI+Web3实战营，9月15日正式开营 成果 我们的链上 ETF 产品「BlockETF」，终于迎来了第三个里程碑——测试网正式发布！
68410编辑于 2025-11-12 - 来自专栏从头开始学习测试开发
OpenClaw 测试技能库大揭秘：10+ 个开源 AI Skill 如何让你的测试效率飙升 10 倍？
GitHub 上一个名为 openclaw/skills 的开源项目，正悄然掀起一场“AI 原生测试”革命。 在 AI IDE（如 Cursor、Windsurf）普及的今天，测试工程师常面临一个尴尬：通用 AI 能写单元测试，却搞不定复杂的 E2E 场景。 /PRD_v2.pdf 价值：将需求评审到用例设计的时间从 1 天缩短至 10 分钟。 三、智能修复：失败不是终点，而是优化起点 这是最能体现“AI 原生”价值的一类：自动诊断并修复测试问题。 10. git_diff_tester —— 基于代码变更生成测试 作用：分析 git diff，为修改的函数/组件生成针对性测试。 原理： 提取变更的文件与行号。 调用 LLM 理解变更逻辑。
3K12编辑于 2026-03-31 - 来自专栏CKL的思考空间
测试10问-下
话接上回（测试基础10问-上），继续问答之旅，答案是什么并不重要，重要的是引发一些思考。学问学问，边学边问。 06 测试是否需要过早的参与产品需求讨论？ 很多测试人员会以挖掘出一个经过N个步骤（N大于10之类的），才会出现的缺陷为荣。个人并不是很认可这种观点。从用户的操作行为来看，可能永远无法发现这类问题。 10 测试有没有钱途 这个问题本来想放在第一问的，毕竟是大家最关注的问题。但个人觉的这也不是个问题。 测试的天花板也没有你们想的那么低。没事多看看招聘信息，多和行业高手互动。测试还是大有可为的。 10问聊完，大家对测试是否有新的认知呢？ 在整理这10问题的时候，自己也做了更多的思考，测试这份职业还是比较好玩的。个人从事测试10多年，还是热爱这个行业的。测试相关的问题，欢迎沟通交流。 END 标星、点赞、关注三连走起，感谢支持。
45820编辑于 2023-02-01 - 来自专栏小雨的CSDN
10.性能测试
为什么要做性能测试？ 应用程序是否能够很快的响应用户的要求？ 应用程序是否能处理预期的用户负载并有盈余能力？ 应用程序是否能处理业务所需要的事务数量？ 在预期和非预期的用户负载下，应用程序是否稳定？ 在功能测试完成，所有的功能都比较稳定的时候，才可以做功能测试，一般在测试的中后期执行 性能测试术语 1.并发数： 广义并发数：同一时刻向服务器发送Http请求的用户数量；（有可能不是同一个功能） 在线用户数 性能测试类型 1.负载测试： （运行15min左右） 并发测试：在一定的软硬件环境下，系统的其他指标不变，测试系统在不同用户量访问级别下，系统性能的表现 容量测试：在一定的软硬件环境下，系统的其他指标不变 ，测试系统数据库数据量在不同的级别下，系统性能的表现 2.压力测试： 高于系统的最高负载，去运行系统，查看系统的表现 3.可靠性测试（疲劳测试）: 低于系统的最高负载，去运行系统，查看系统的表现 4.配置测试 : 配置测试方法是通过被测系统的软/硬件环境的调整，了解各种不同环境对系统性能影响的程度，从而找到各项资源的最优分配原则 例如在测试执行时更换、扩充硬件设备，调整网络环境、调整应用服务器和数据库服务器的参数设置
55710编辑于 2022-10-26 - 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JavaEdge
AI 大模型企业应用实战(10)-LLMs和Chat Models
如： Anthropic 模型最适合使用 XML OpenAI 的模型最适合使用 JSON 设计应用程序时牢记这点。 作者简介：魔都架构师，多家大厂后端一线研发经验，在分布式系统设计、数据平台架构和AI应用开发等领域都有丰富实践经验。 各大技术社区头部专家博主。 负责： 中央/分销预订系统性能优化 活动&券等营销中台建设 交易平台及数据中台等架构和开发设计 车联网核心平台-物联网连接平台、大数据平台架构设计及优化 LLM应用开发 目前主攻降低软件复杂性设计
56510编辑于 2025-06-01 - 来自专栏AIGC大模型应用
AI大模型企业应用实战(10)-LLMs和Chat Models
输入不是单个字符串，而是聊天信息列表，输出是一条AI信息。 GPT-4 和 Anthropic 的 Claude-2 都是作为聊天模型实现。
66600编辑于 2026-04-24 - 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 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JAVA体系
10. 单元测试
测试通过执行软件的一系列操作，旨在发现潜在的错误、缺陷或问题，从而确保软件能够按照预期工作。而软件测试往往覆盖了不同的层次和类型，其中单元测试是针对软件中最小的独立单元（通常是函数或方法）进行的测试。 单元测试通常由开发人员编写，用于验证代码的正确性。 2、单元测试 单元测试是软件开发中的一种测试方法，用于验证代码中的最小单元（通常是函数或方法）是否按照预期工作。 单元测试旨在隔离和测试软件的各个独立部分，确保每个部分的行为都是正确的。 Python 中，单元测试是通过使用 unittest 模块来实现的。 这两个方法在每个测试方法执行前后分别被调用，以确保测试环境的准备和清理。 setUp：在每个测试方法执行之前调用。 通常用于准备测试环境，例如初始化变量、建立测试数据等，或在测试之前创建对象或设置必要的资源。 tearDown ：每个测试方法执行之后调用。
56610编辑于 2024-03-14 - 来自专栏LinkinStar's Blog
2023 re:Invent 利用 PartyRock 10 分钟构建你的 AI 应用
去年到今年 AI 相关的应用层出不穷，GEN AI 已经太多了。 构建第一个应用 - 选词填空 制作的过程其实非常简单，几乎 10 分钟就搞定了。 步骤 3 然后就可以测试一下了。在第一个框(Words to choose from)输入一些单词，在右边(Sentences)就会生成对应的题目。 步骤 3 测试一下，下图就是我输入的一句描述，经过扩写最后生成了图片，当然模型不同最后效果也不一样。 此时你就可以发布你的应用了。 AI build AI：第一点我觉得妙的地方是自举，也就是自己构建自己，利用 AI 的能力去构建 AI 应用本身。
46810编辑于 2023-12-30 - 来自专栏悦思悦读
AI 入行那些事儿（10）人工智能的应用领域
2021 巨献 —— 系列文章《AI 入行那些事儿》，为您讲述： 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 目前真正实用的人工智能产品主要集中在图像处理 当前，人脸识别技术最大的应用是在安防领域。另外，对人体动作进行行为识别，或者通过一个人的身体特征和动作等进行身份识别的技术也都有了研究和应用。这些领域也成了招募人才最多的领域。 语音处理 在语音处理领域，语音识别和语音合成是当前比较典型的两种应用，它们的研究历史都很长了。目前语音处理的深度学习研究比图像处理的深度学习研究更进一步，产品的应用领域也更加多元。 ? 像具有语音搜索功能的搜索引擎以及一些可以使用语音指令的程序就会用到语音识别技术，导航系统用真人声音来指路就用到了语音合成技术，而现在流行的AI音箱，同时用到了语音识别和语音合成的技术。 ? 通常来说，如果一个应用至少有语言理解的能力或语言生成能力，那么它就会涉及自然语言处理。 相关应用 ? 现在几乎每个电商都会开发推荐系统，其中会用到用户画像，这其中会用到机器学习中的若干模型。
89520发布于 2021-04-12
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