- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试人的日常
软件测试下的AI之路（2）
前言 随着科技日新月异的发展，人工智能正逐渐渗透到我们生活的各方各面，从智能语音助手到自动驾驶汽车，从智能家居到人脸识别技术，AI正以其卓越的智能和学习能力引领着新时代的发展方向。 在这个快速演进的时代中，软件测试领域也受到了不小的冲击。虽然在当下，传统的软测技术仍然是绝对的主力，但是身为IT行业中的一员，近几年AI的全新业务体验与其超强的算力所带来的震撼感受也应该远超其他行业。 所以为了跟上时代的步伐，作为软测的大家是不是也应该考虑如何让AI辅助我们更加完整高效的完成日常的各类质量保障工作呢？ 我们接着上次没有说完的话题，接下来，我们将介绍mabl中的一些核心业务玩法，组合这些功能模块将可以最大限度的将mabl平台融入我们的日常自动化测试业务中去。 2. 在每个测试计划中，都有复数个测试用例组成，这样才能灵活的达成各类测试场景中的测试效果。
1.1K20编辑于 2023-10-18 - 来自专栏LYH测试专栏
测试2
经过过去几年的建设，我国的大中型城市都安装了很多监控摄像头，通过路段的感知，可以基于原有监控系统获取到道路的总体交通路况，通过这种车辆检测技术就可以为道路路况分析、交通大数据、交通规划等提供可靠的数据依据，这对于计算机在以前要做起来，成本是非常高的，现在就可以采用很低的成本做到，通过图象快速的感知。
42230发布于 2019-07-29 - 来自专栏go 学习
测试2
func GetAllFiles(dirPth string) (files []string, err error) {
38660发布于 2020-09-30 - 来自专栏Golang语言社区
LollipopGolibrarylollipopcommon 测试2
/* Golang语言社区(www.Golang.Ltd) 作者：cserli 时间：2018年3月2日 */ package main import ( "LollipopGo/library
85760发布于 2018-03-05 - 来自专栏自学测试之道
接口测试2
接着上篇，这次引用python自带的测试框架去优化代码，下面我们开始 一、引用unittest测试框架（单一测试用例） 代码示例 #! = '裤子女夏' - 裤子男夏季 + 裤子女夏 ---------------------------------------------------------------------- Ran 2 为程序运行的总入口（其中文件夹下的__init__文件是格式自带，默认不做任何修改即可） 2、config.py配置文件： #! /usr/bin/env python # -*- coding: utf-8 -*- # @File Name: interface_post_test2.py # @Time : 2019/8 ===================================================== FAIL: test_login (testcase.interface_post_test2.
83620发布于 2019-09-29 - 来自专栏流柯技术学院
Monkey测试2——Monkey测试策略
分类 Monkey测试针对不同的对象和不同的目的采用不同的测试方案，首先测试的对象、目的及类型如下： 测试的类型分为：应用程序的稳定性测试和压力测试 测试对象分为：单一apk和apk集合 测试的目的分为 ：解决问题的测试(忽略异常的测试)和验收测试（不忽略异常的测试） 二. 例如： monkey -p com.android.mms --throttle 1000 -s 100-v -v -v 15000 > /mnt/sdcard/monkey_test.txt & (2) ignore-security-exceptions--ignore-native-carshes --monitor-native-crashes -v -v -v 15000 >/mnt/sdcard/monkey_test.txt & 2. pkg-whitelist-file /data/whitelist.txt--throttle 1000 -s 100 -v -v -v 15000 > /mnt/sdcard/monkey_test.txt & (2)
1K30发布于 2018-08-30 - 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？
"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 →AI测试架构师→AI质量负责人 其中，最核心的几个关键区别： 1、从"确定性"到"概率性" 传统测试的世界里，1+1必须等于2。 AI测试的世界里，模型回答"1+1约等于2"可能是对的（取决于上下文），但回答"1+1等于3"也可能是对的（如果上下文是"在某种特殊代数体系中"）。 怎么判断这个回答的质量？这是AI测试的核心难题。 （别着急，后续会有专门的教程详细介绍） 2、从"精确断言"到"多维评估" 传统测试的断言是二元的：通过/失败。 而，AI测试的评估是多维的： • 准确性：回答的事实是否正确？
1.3K20编辑于 2026-05-21 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 痛点2：用例设计靠经验，覆盖全靠运气真实场景：等价类、边界值想起来一个写一个，评审时才发现漏了关键分支，覆盖率全靠老测试的经验。 ，输出按"页面→模块"分组的完整用例矩阵，并自动标注P0/P1/P2优先级。 ✅我们的解法：L1-L3故障自愈体系级别处理方式L1瞬态错误（timeout类）自动重试L2AI驱动修复：分析错误→修改代码→沙箱验证→自动重执行L3修复失败标记破损脚本，进入修复中心人工介入错误分类系统内置 附：痛点与解决方案对照表（建议收藏）#AI测试痛点ai_test_sheng的解法1需求文档缺失，AI无从下手AI自主探索页面，逆向输出功能点清单2用例设计靠经验，覆盖靠运气等价类/边界值/场景规则化批量生成用例矩阵
12210编辑于 2026-08-28- 来自专栏授客的专栏
测试思想-集成测试 关于接口测试 Part 2
如上述，接口功能：课程检索 2.理解接口参数 对每个参数都要明白它们各自的含义。除了接口文档上简单的说明，还必须理解它真正的作用。 4.寻找测试点 记住， 一、主要是基于步骤2(输入)、步骤3(输出)的 根据步骤挖掘测试点和测试数据 举例： 测试点:查询内容k(类型>中文，英文大小写，数字，特殊符；长度>是否字数限制；是否可为空 注意： 1、一和二中有些是交叉的，他们的关系是互补关系 2、要知道测试是不能穷尽的，要时间成本投入的，如果每个参数每种情况都要细致测的话是要花很多时间的。 所以，要折中考虑，考虑测试数据是否意义，适当的取舍，特别是时间有限的情况下。 5.根据测试点设计用例 这个和功能设计用例一样。 6.测试方法 功能测试用例设计方法都适用
90920发布于 2019-09-10 - 来自专栏自动化测试实战
Jmeter性能测试 -2 性能测试流程
性能测试必知名词 QPS：每秒查询率 RPS：每秒用户请求率 HPS：每秒用户点击率 后面的我再介绍 性能测试流程 需求分析——熟悉业务 明确性能测试指标 了解整体软件功能、架构 制定测试计划，做好工作量评估 编辑测试用例 搭建环境(包括监控)、脚本开发 执行测试 测试结果分析与调优 分析依据：结果图表 分析思路：服务器硬件瓶颈->网络瓶颈->服务器OS瓶颈(参数配置、数据库、web服务器)->应用瓶颈(SQL 语句、数据库设计、业务逻辑、算法) 输出测试报告与结果跟踪
4.2K30编辑于 2022-04-12 - 来自专栏世荣的博客
渗透测试-编程-2
raw_input函数用来从用户界面获取数据 port = input("请输入端口") input()函数用来获取端口号,这里应该是整型变量 将这个程序命名后，使用chmod命令赋予脚本程序可执行权限，简单测试一下 s.connect_ex((ip, port)): print("Port", port, "is closed") else: print("Port", port, "is open") 经过测试 这时候突然想到一个解决方案，那就是Python2中的raw_input()函数，Python3中和input()合并了，但是相比于后者，raw_input()返回的是字符，如此以来只需简单的修改代码，就可以 ，我们在Python2的环境中运行即可。 ip = raw_input("请输入IP地址: ") 1878312409.png 这里测试一下校园网(嘿嘿，我哪里有什么坏心思) 1387770551.png
50630编辑于 2022-03-22 - 来自专栏前端lucio
Android测试入门-2
---- UI Automator UI Automator测试框架适合跨系统和已安装应用的跨应用功能性 UI 测试。 UI Automator 测试框架非常适合编写黑盒自动化测试，其中的测试代码不依赖于目标应用的内部实现详情。 调用UiObject对象的方法，模拟用户操作，重复2,3完成一系列用户操作。 测试UI状态是否符合期望。 使用childSelector()方法可以查找到的控件的子空间里面的元素，参数也是一个UiSelector对象（示例2）。 使用资源ID作为条件是最稳妥的方式。 除了功能测试和UI测试外，常用的测试还有压力测试，Android SDK自带的测试工具Monkey，可以先系统发送伪随机的用户事件流，实现压力测试。
1.5K20编辑于 2023-04-22 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- 来自专栏自动化、性能测试
大话性能测试系列（2）- 性能测试步骤
功能测试不能和性能测试共用环境（测试环境） 在做负载测试的时候，会短时间内占用大量的系统资源，如果此时有功能测试正在进行中，很可能会导致功能的不稳定或异常 在做压力测试的时候，会长期占用系统的资源，导致一段时间内无法稳定进行功能测试 【脏数据】 结论 所以，做性能测试需要有单独的一套环境，且硬件环境最好和生产环境一致 这样性能测试最终得到系统所能承受的最大负载量会更接近在生产环境中，系统所能承受的最大负载量 性能测试步骤 性能测试准备 需求分析，熟悉业务：确定需要重点关注的点，如TPS、响应时间（确定需要收集的性能测试指标值） 明确性能测试目标（预期性能指标值）和测试范围 了解软件功能、架构 制定测试方案、测试计划，做好工作量评估 制定测试模型（编辑测试用例）：比如负载测试，场景要如何设计 搭建性能测试环境 技术准备：选择性能测试工具；测试方案中涉及到的技术问题；测试数据的收集方案实现；如何监控系统资源 被测系统环境搭建（服务器、 性能测试报告与结果跟踪 性能测试报告：整理调优前后的测试数据 性能测试问题跟踪 构建持久化的性能监听平台，监听线上服务器的系统资源
2.5K10发布于 2020-06-19 - 来自专栏清菡软件测试
高级性能测试系列《2.软件性能测试、负载测试、压力测试》
目录 一、软件性能测试 二、“看看你有几斤几两”（负载测试） 1.区间怎么判断？ 2.设定天花板，这个最大的值怎么设定的？ 三、“鸭梨好大哦！” （压力测试） 一、软件性能测试 软件性能测试：通过工具，找出或获得系统在不同工况下的性能指标值。 找出：在完全没有做过性能测试的时候，第一次做性能测试的时候要找出性能指标值。 当不知道用多少并发用户数去进行这个系统的性能测试的时候，通过负载测试来做。这个负载测试可以先找到拐点区间，再找到具体的一个值。 这个区间设置多大？没有一定的范围。 2.tps下降。 原先增加并发用户数的时候，并发用户数增加了，请求数量会增加，服务器都能够处理的话，随着用户数的增加，请求数的增加，tps值会上升。 2.设定天花板，这个最大的值怎么设定的？ 如果你们服务器的处理能力是50tps：就是服务器每秒能处理50个事务。 50个tps/s*60s*60=18w 50tps一小时能处理18w。
2.8K22编辑于 2022-06-21 - 来自专栏量子位
AI2想从常识测试开始让AI理解物理世界，数据集已公布
近日，坐落在西雅图的艾伦人工智能研究所(AI2)的研究人员发起了新项目AI2逻辑挑战（AI2 Reasoning Challenge，ARC)，他们将用小学难度水平的知识考验AI系统，看看它们的常识水平在什么 这项新测试，也是AI2最新计划的一部分，即让AI系统真正了解世界。虽然现在经常能看到“机器的理解能力超过人类”的类似报道，但从真正意义上说，机器和人类的差别还远得很。 目前，ARC项目的进展和相关的数据集已经公开，感兴趣同学可以移步ARC项目的官网看看AI2是怎样测试AI对物理世界的理解的。 大侠请接好项目地址： http://data.allenai.org/arc/ 还有一份AI2给出的相关研究报告，也请一同接好： http://ai2-website.s3.amazonaws.com/ publications/AI2ReasoningChallenge2018.pdf
96140发布于 2018-07-24 - 来自专栏啄木鸟软件测试
软件性能测试（连载2）
1.4 性能测试指标 1.响应时间（Response Time） 响应时间=用户响应时间+前端响应时间+网络响应时间+服务器端响应时间+数据库响应时间，是反映系统处理效率的指标之一。 通过图3-6可以看出，响应时间=B1+W1+S1+W2+D+W3+S2+W4+B2，其中。 •W1、W2、W3、W4。网络响应时间。 •B1、B2。前端响应时间。 •S1、S2。服务器响应时间。 注意：在性能测试领域吞吐量是没有意义的，吞吐率才有意义。比如说某台服务器可以处理5T大小的数据，那么多的数据是1小时内处理完毕还是一天（24小时）处理完毕？ •当有2个人来理发的时候，2个人可以同时进行，共需要10×2=20分钟的理发时间、平均响应时间仍旧为20/2=10分钟、实际并发数为2。 这与软件性能测试的情形是基本吻合的。如果要提高性能从硬件上考虑可以增加理发师，从软件上考虑可以加强理发师水平，减少给每一位顾客理发的时间。 3.
1.5K20发布于 2020-02-19 - 来自专栏IT码农
写Laravel测试代码(2)
本文主要探讨数据库测试。 在写Laravel测试代码(一) 中聊了关于如何提高 laravel 数据库测试性能，其实简单一句就是：每一个test case, 只重新 seed 被污染的表。 OK，这里有一个前提问题：那如何构建临时测试数据库呢？本文主要探讨如何构建临时测试数据库。 临时数据库构建类 在得到 schema 文件后，就可以写一个临时数据库构建类来创建临时测试数据库。这里临时表示该测试数据库使用完后即drop掉，且数据库名字是随机的，这样可以保证同时并发进行测试。 PHPUnit processes * * 1) Generate a random testing database with automatic destroy upon finish * 2) $pdo->errorInfo()[2]); } /* // Check if tables are inserted.
1.5K31发布于 2019-09-02 - 来自专栏世荣的博客
渗透测试-信息收集-2
1.4 收集常用端口信息 在渗透测试的过程中，对端口信息的收集是一个很重要的过程，通过扫描服务器开放的端口以及从该端口判断服务器上存在的服务，就可以对症下药，便于我们渗透目标服务器。 在渗透测试中，对目标服务器进行指纹识别是相当有必要的，因为只有识别出相应的Web容器或者CMS，才能查找与其相关的漏洞，然后才能进行相关的渗透操作。 2.判断目标是否使用了CDN image.png 如果我ping我自己的网站，在没有套CDN的情况下，是这样的情况。 image.png 如果这里ping百度，我们就可以看到该网站使用了CDN。 扫描网站测试文件，如phpinfo，test等，从而找到真实的IP地址。 2.个人冒充——伪装欺骗她 这点，就得看演技了。 冒充上级领导打电话，“小张，我是**，在外面采购，钱不够了。你现在给我转1000块钱过来，等下你去找财务报销”。
1.9K20编辑于 2022-03-21 - 来自专栏ThoughtWorks
AI测试的迷思
在这些测试社区和社群中，我遇到了许多关于AI测试的问题，例如什么是AI测试，如何进行AI测试，AI测试有哪些工具与方法等。 然而，当我在网上搜索AI测试相关的书籍时，却发现大量的AI开发相关书籍，却鲜有专门介绍AI测试的书籍。这说明测试业界仍在混沌中不断摸索前进。 AI测试的迷思 在讨论AI测试时，通常存在两种理解： 第一种是利用AI辅助当前的软件测试，例如使用AI系统学习测试分析和测试设计，进而自动生成测试用例并自动化实现这些测试用例。 因此，AI辅助测试仍有很长的路要走。 第三个问题：哪些软件系统能用AI辅助测试？ 理论上，任何软件系统都可以使用AI来辅助自动化测试工作。 总结 通过上面对于问题的回答，希望能解决大家对于AI测试的困惑，包括了解什么是AI测试，自己的项目是否适合使用AI测试，以及未来是否需要在AI测试上投资等问题。
66920编辑于 2023-04-28
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