- 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Cellinlab's Blog
React 应用架构实战 0x7：测试
在这一节中，我们将学习如何使用不同的测试方法来测试我们的应用程序。这将使我们有信心对应用程序进行重构、构建新功能和修改现有功能，而不用担心破坏当前的应用程序行为。 # 单元测试 单元测试是在应用程序单元在不依赖于其他部分的情况下进行独立测试。 对于单元测试，我们将使用 Jest，它是 JavaScript 应用程序最流行的测试框架。 # 集成测试 集成测试是一种测试方法，其中多个应用程序部分一起进行测试。集成测试通常比单元测试更有用，大多数应用程序测试应该是集成测试。 这是一种很好的方法，可以以用户使用应用程序的方式测试应用程序的功能。 在 src/testing/test-utils.ts 中，我们可以定义一些测试中可以使用的实用工具。 端到端测试是一种将应用程序作为完整实体进行测试的测试方法。
2.5K80编辑于 2023-05-17 - 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 - 来自专栏云云众生s
构建多模态AI应用的7大工具
译自 Top 7 Tools for Building Multimodal AI Applications，作者 Kimberley Mok。 其他潜在用途包括图像到文本和文本到图像搜索、视觉问答 (VQA)、图像分割和标记，以及创建特定领域 AI 系统和 MLLM 代理。 7. Claude 3 这个由 Anthropic (https://www.anthropic.com/) 开发的视觉语言模型有三个迭代版本：Haiku、Sonnet 和 Opus. 据该公司称 (https://www.anthropic.com/news/claude-3-family)，Opus 是顶级版本，并在各种基准测试中展现了最先进的性能，包括本科知识和研究生水平的专家推理 结论 现在有大量的多模态 AI 工具可用，大多数大型科技公司现在都提供某种 MLLM。
1.2K10编辑于 2024-12-20 - 来自专栏机器之心
7 Papers & Radios | Transformer自动debug；AI合成舞蹈落地应用
接下来，他们将注意力转向可以对其执行测试的 1 万个库，并在这些已经通过测试的库中创建所有函数的 bug 版本。这些丰富的调试信息，例如栈追踪和打印语句，可以用于微调已在原始源代码上预训练的模型。 尽管业界也曾出现过多项红极一时的研究成果，如 AI Choreographer 和 DanceNet3D，然而这些方案并未落地于实际商业生产应用。 历经两年多的潜心研发，网易互娱 AI LAB 的研发团队提出了符合实际生产环境应用要求的 AI 舞蹈动画合成方案 ChoreoMaster。 语音转换在电影配音、角色模仿以及复刻人物音色等方面都有重要的应用。 (from Mohamed-Slim Alouini) 7.
94050发布于 2021-06-08 - 来自专栏Keegan小钢
AI+Web3实战营日志 #7 | 完成Core合约测试
这是我的 AI + Web3 实战营 的第七篇研发日志，前六篇如下： 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 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？ 为后续测试奠定了模板：这套完整的流程和经验，将直接应用到 Router、Rebalancer 等其他合约测试中，加快整体进度。 如果放在传统的测试流程中，这样规模的测试通常需要一个 2–3 人的测试团队，至少耗时 2–3 周 才能完成。而我们仅凭个人+AI 协作，就在不到 7 个小时里完成了同等甚至更高质量的测试。
26110编辑于 2025-11-12 - 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 - 来自专栏简尚
关于「测试时间测试周期」7 点参考
，测试1天； 4）项目周期三个月，开发一个月，测试1天 ； 5）开发一周，测试周期1小时； 6）开发3天，测试周期0小时（未测试，直接上线）； 7）当天突然知道一个需求，当天就需要你测试，当天上线 3、常规来看，3天的测试预留时间，或者1周的预留时间，一定会被开发压缩的（即：在你的测试周期里，还会存在一些开发并行工作），先做冒烟测试，开发阶段就多关注代码实现逻辑、接口情况、测试数据准备、环境准备， 测试报告，附上你的测试点、以及可能性的风险、结论，避免背锅； 测试报告模板、怎么写，见文章 从业多年，依然写不好一份测试报告 ！ ）； 6、当时间确实不够，系统会线上问题的容忍度又非常低的情况下，测试报告明确注明风险+结论（不同意上线），且邮件发出来；最终，还是要一意孤行，锅，团队一起背 ； 7、确实很多非核心系统、内部系统、纯底层代码逻辑的底层框架 ，完全不需要测试，直接跳过测试、上线也是可以的（如果能做到 单元测试、代码检查、线上监控）； 参考文章：软件测试从业者终极目标，线上零BUG如何实现 ？
4.7K30发布于 2020-05-14 - 来自专栏啄木鸟软件测试
软件性能测试（连载7）
图3-18 CPU状态转换图 7）软中断与硬中断 假设现在一家公司就有一名客服人员，这个客服人员就有一台座机，这种情况下用户碰到问题只能打电话给这个客服人员，如果有多个用户同时打入只能凭运气，先打通电话的人得到回答 /softirqs CPU0 CPU1 HI: 0 0 TIMER: 811613 1972736 NET_TX: 49 7 #ps aux | grep softirq root 7 0.0 0.0 0 0 ? PIDUSER PR NI VIRT RES SHR S %CPU %MEM TIME+ COMMAND 7 root 20 0 0
1.5K30发布于 2020-02-19 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（7）聚类算法分析实战
最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。 今天是我们的第7站，一起了解下聚类算法基本概念 以及 通过聚类算法辅助用户画像的案例。 小结 本文介绍了机器学习中的聚类场景问题，常用的聚类算法 以及 分类和聚类的简单对比，最后再次通过电商订单数据做用户画像的案例做了一次聚类实战，相信对你理解聚类应用应该有所帮助。
76010编辑于 2025-03-13 - 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 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。 痛点7：测试报告产出慢，整理比测试还累真实场景：用例跑完了，报告还得手动整理：统计通过率、截图、写结论……Excel排版一小时起步。 测试，不如来体验一下真实跑起来的AI测试。 Cron定时任务自动回归，早上看报告7报告整理费时自动生成HTML+Markdown报告+遗漏分析8部署门槛高dockercompose一键部署，可接DeepSeek9团队协作混乱多租户隔离+多会话UUID
12910编辑于 2026-08-28- 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。 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。 /test/index.html 中 测试报告的部分内容截图如下 图15-6 测试报告Summary 图15-7 UserControllerTest测试报告 图15-8 MockUserServiceTest 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？ ---- 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。 AI可以训练以往的线上事故进行预测，预测本次提测后，线上可能会有多少bug？哪些bug等等.... 7. 自动化脚本误报/失败风险预测。 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 - 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 - 来自专栏悦思悦读
AI 入行那些事儿（7）深度神经网络的发展及其应用
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 几度沉浮的神经网络 神经网络模型的发展几经沉浮 直到2006年，加拿大多伦多大学的辛顿（Hinton）教授发表了一篇关于深度神经网络的论文，把当时硬件的发展和神经网络结合起来，将GPU应用到深度学习的训练中。 离我们最近的一个深度学习应用是智能音箱。 ? 现在智能音箱的种类非常多，不管是哪种，都可以实现通过语音控制执行各种操作，这涉及到语音识别功能。 目前，自动驾驶技术还很不成熟，很多公司在自动驾驶测试过程中都出现过交通事故。 现阶段，从工业实践的角度而言，深度学习主要应用于语音处理、图像处理、自然语言处理和知识图谱等领域。
1.2K10发布于 2021-03-04 - 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 - 来自专栏华仔的技术笔记
Xcode 7 自动测试XCTestCase
Apple 在 Xcode 7 中新加入了一套 UI Testing 的工具，其目的就是解决这个问题。 这篇文章将通过一个简单的例子来说明 Xcode 7 中 UI Testing 的基本概念和使用方法。 但是因为最初 Accessibility 和 VoiceOver 都是基于英文的，所以在国内的 iOS 应用中并不是十分受到重视。 这也是为什么 iOS 中大部分的 UI 测试框架都是基于 UI Accessibility 的原因，Xcode 7 的 UI Testing 也不例外。 XCUIApplication 是 UIApplication 在测试进程中的代理 (proxy)，我们可以在 UI 测试中通过这个类型和应用本身进行一些交互，比如开始或者终止一个 app。
2.6K70发布于 2018-05-17
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