- 综合排序
- 最热优先
- 最新优先
- 来自专栏小锋学长生活大爆炸
Web应用程序测试：Web测试的8步指南
正文开始： ---- Web应用测试：Web测试的8步指南 在我们写下更多关于Web测试类型的细节之前，让我们快速定义Web测试。 在这一阶段，检查诸如Web应用程序安全性、站点的功能、残疾人和普通用户的访问以及处理流量的能力等问题。 ? 二、Web应用测试清单 根据Web测试需求，可以执行以下部分或全部测试类型。 ♦从数据库中检索到的测试数据将在Web应用程序中精确显示 可以使用的工具:QTP, Selenium 5、兼容性测试 兼容性测试确保您的Web应用程序在不同设备之间正确显示。 测试活动将包括但不限于： ♦ 不同连接速度下的网站应用程序响应时间 ♦ 负载测试Web应用程序，以确定其在正常负载和峰值负载下的行为 ♦ 压力测试您的网站，以确定它的断点时，超过正常负荷在高峰时间。 :Babel Enterprise、BFBTester和CROSS 8、众包测试 您将选择大量的人员(人群)来执行测试，否则将在公司中执行一组特定的人员。
3.9K21发布于 2020-08-13 - 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AI资讯
8个AI测试基准模型介绍和横向对比
随着AI模型能力的快速演进，基准测试（Benchmark）也从简单的单一维度评估转向多元化的能力测评。本文横向对比8个独立的Benchmark，帮助开发者理解不同基准的定位、适用场景和评测方式。 8个Benchmark的出现，反映了AI应用场景从"能做什么"向"能做到多好"的演进。 BrowseComp：访问真实互联网，贴近实际应用，但受外部因素影响。模拟环境评估模拟环境评估通过构建虚拟世界来测试模型在复杂场景中的决策能力。 建议：不依赖Solo测试，引入模拟用户交互测试用例。长期决策场景VendingBench2：长期经济决策，ClaudeOpus4.6年度利润$8,017.59。建议：关注策略一致性和资源管理能力。 反映AI应用场景从"知道答案"向"能找到答案"演进。从单智能体到多智能体从单智能体独立任务执行，转向τ²-Bench、VendingBench2等多智能体协作场景评估。
16410编辑于 2026-09-30 - 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 - 来自专栏开源部署
如何在模拟器中测试Windows Phone 8的NFC应用
众所周知Window Phone 8 SDK的模拟器不支持NFC功能的测试。 如果您开发了一款基于NFC功能的应用，那么意味着您测试时需要两台支持NFC的Windows Phone设备在手，这样的配置恐怕会让很多独立开发者望而却步。 可喜的是开源项目Proximity Tapper解决了在模拟器中测试NFC功能的需求，可以实现Windows Phone 8 emulator模拟NFC操作，还可实现Windows Phone与Windows 这样就可在两个模拟器之间测试NFC的功能。 下图是笔者测试通过NFC功能发布应用的Uri关联消息。 第一台模拟器Publish Uri Message，第二台模拟器通过NFC接收到消息后可启动与此Uri关联的应用。 image.png image.png
3.6K10编辑于 2022-07-04 - 来自专栏小雨的CSDN
8. 黑盒测试 白盒测试 灰盒测试
黑盒测试：黑盒测试也称功能测试，测试中把被测的软件当成一个黑盒子，不关心盒子的内部结构是什么，只关心软件的输入数据与输出数据。 白盒测试：白盒测试又称结构测试、透明盒测试、逻辑驱动测试或基于代码的测试。白盒指的打开盒子，去研究里面的源代码和程序结果。 1）逻辑覆盖法：判定法，条件法，判定和判定组合，条件和条件组合，判定和条件组合 2）循环覆盖法：for / while 3）路径覆盖法：switch / try catch 灰盒测试：是介于白盒测试与黑盒测试之间的一种测试 ，灰盒测试多用于集成测试阶段，不仅关注输出、输入的正确性，同时也关注程序内部的情况（集成测试等）
1.9K30编辑于 2022-10-26 - 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 ✅我们的解法：AI自主探索页面，逆向输出功能点平台内置8阶段AI测试流程，阶段一需求分析、阶段二页面探索：AI用PlaywrightMCP驱动真实浏览器，自动截图、逐元素点击探索，逆向输出完整的功能点清单和元素定位规则 痛点8：AI测试落地成本高，光部署就劝退真实场景：什么？还要配AnthropicKey？还要折腾GPU？门槛直接劝退一票团队。 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YP小站
我们如何用 K8S 搞定 1000 个应用的测试环境
前言 到今天为止，信也科技的研发团队已经全部使用星云系统作为开发测试环境了。星云是一套基于 K8S 的环境管理系统，它主要用于管理多个平行的测试环境。它维护这些测试环境，使它们可以稳定工作。 四大优点 快速地创建测试环境， 应用可在不同环境里复用。 零配置使用系统。 应用无需改造 这一切是如何做到的呢？ 整体设计 我们如何利用 K8S 完成这一切的呢？整体组件及流程这样 ? 现有容器发布平台会让 K8S 将指定的镜像，应用按照指定顺序启动，并进行相应的配置。 在这点上，我们其实参考的是 K8S 本身的架构，K8S 是如何让整个系统运行起来的？ 利用 K8S，我们灵活控制了所有的环境，这表明基于 K8S 的应用管理系统可以极大地提高研发效率，容器技术和容器编排这方面还有很大的潜力可以挖掘。愿我们的经验能给大家有所启迪。
2.4K20发布于 2020-09-22 - 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。 mvc.perform(MockMvcRequestBuilders.get("/user/1") .contentType(MediaType.APPLICATION_JSON_UTF8) /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Cellinlab's Blog
React 应用架构实战 0x8：配置 CICD 进行测试和部署
# 什么是 CI/CD 持续集成/持续部署（CI/CD）是一种自动化地向应用程序用户提供应用程序变更的方法。 CI/CD 通常应包括以下几个部分： 持续集成是验证代码已经构建、测试并合并到仓库的自动化过程 持续交付是将更改交付到仓库的过程 持续部署是将更改发布到生产服务器，使更改可供用户使用的过程 现在，让我们考虑如何为应用程序实现 整个流程将如下所示： 运行应用程序的所有代码检查（单元测试和集成测试、linting、类型检查、格式检查等） 构建应用程序并运行端到端测试 如果两个过程都成功完成，我们可以部署我们的应用程序 这个过程将确保我们的应用程序始终处于最佳状态 我们的测试流水线将包含两个 job，应该完成以下操作： 运行所有代码检查，如 linting，类型检查，单元测试和集成测试等 构建应用程序并运行端到端测试 # 代码检查 name: CI/CD on: 这意味着每当我们推送更改到仓库时，应用程序的新版本将自动部署到 Vercel 上。但是，我们希望在部署步骤之前验证我们的应用程序是否按预期工作，以便我们可以从 CI/CD 流程中执行此任务。
1.2K20编辑于 2023-05-17 - 来自专栏DotNet NB && CloudNative
AI应用实战课学习总结（8）降维算法分析实战
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8站，一起了解下降维算法基本概念 以及 通过降维算法辅助商品品类分析的案例。 font.sans-serif']=['SimHei'] # 用来正常显示负号 plt.rcParams['axes.unicode_minus'] = False # 创建一个新的图形，设置大小为12x8 plt.figure(figsize=(12, 8)) # 在图上绘制降维后的数据点 plt.scatter(reduced_data[:, 0], reduced_data 小结 本文介绍了机器学习中的降维场景问题，常用的降维算法 以及 如何选择降维算法，最后通过一个商品品类分析的案例做了一次实战，相信对你理解降维应用应该有所帮助。
57710编辑于 2025-03-31 - 来自专栏啄木鸟软件测试
软件性能测试（连载8）
snvcswch/s Command 08:18:31 0 1 0.20 0.00 systemd 08:18:31 0 8
1.2K30发布于 2020-02-19 - 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 - 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。 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。 **测试报告与总结**: 2024年10月6日 - 2024年10月8日 ### 3. 测试人员分配 1. **测试经理**: 负责测试计划的编制和测试进度的监控。 2.
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k8s技术圈
我们是如何用 K8S 搞定1000个应用的测试环境
到今天为止，信也科技的研发团队已经全部使用星云系统作为开发测试环境了。星云是一套基于 K8S 的环境管理系统，它主要用于管理多个平行的测试环境。它维护这些测试环境，使它们可以稳定工作。 四大优点 快速地创建测试环境， 应用可在不同环境里复用。 零配置使用系统。 应用无需改造 这一切是如何做到的呢？ 整体设计 我们如何利用 K8S 完成这一切的呢？ 现有容器发布平台会让 K8S 将指定的镜像，应用按照指定顺序启动，并进行相应的配置。 在这点上，我们其实参考的是 K8S 本身的架构，K8S 是如何让整个系统运行起来的？ 利用 K8S，我们灵活控制了所有的环境，这表明基于 K8S 的应用管理系统可以极大地提高研发效率，容器技术和容器编排这方面还有很大的潜力可以挖掘。愿我们的经验能给大家有所启迪。
1.8K40发布于 2020-09-22
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