- 综合排序
- 最热优先
- 最新优先
- 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？ 加上最初的 1.5 小时测试时间，累计约 6.5 小时，终于把 BlockETFCore 合约的所有测试用例全部跑通。 下面就来总结下这次测试成果。 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。
26010编辑于 2025-11-12 - 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 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
12210编辑于 2026-08-28- 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？
一、先搞清楚：AI测试不是"用AI做测试"那么简单 很多人一听到"AI测试"，第一反应是："哦，就是用ChatGPT、Cursor、Claude Code 这些AI 工具生成测试用例呗。" "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 为了讲清楚AI 测试与传统测试之间的区别，我列了一个对比表，但先声明：这不是"AI测试取代传统测试"的意思，而是"AI测试扩展了传统测试的边界"。 AI测试并不是单纯的传统测试的"升级版"，也不是"用AI工具做传统测试"。AI 测试 它是一个新的测试范式，需要新的思维方式、新的评估维度、新的技能栈。 理解这一点，是你转型AI测试的第一步。
1.3K20编辑于 2026-05-21 - 来自专栏啄木鸟软件测试
安全测试工具（连载7）
关键的用法 lnmap -sP 192.168.0.0/24：进行ping扫描，打印出对扫描做出响应的主机，不做进一步测试。 这个测试用于确定系统是否运行了sshd、DNS、imapd或4564端口。如果这些端口打开，将使用版本检测来确定哪种应用在运行。 on 127.0.0.1 Discovered open port 8005/tcp on 127.0.0.1 Discovered open port 5521/tcp on 127.0.0.1 案例7： 192.168.0.133 案例14：使用通配符扫描 C:\Program Files (x86)\Nmap\scripts> nmap --script "http-*" 192.168.0.133 星云测试
1.3K40发布于 2019-12-12 - 来自专栏华仔的技术笔记
Xcode 7 自动测试XCTestCase
而传统的单元测试很难对 app 的功能或者 UI 进行测试。 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。 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。 evaluatedWithObject: navTitle, handler: nil) waitForExpectationsWithTimeout(5, handler: nil) } 注意在当前的 Xcode 版本 (7.0 7A218
2.6K70发布于 2018-05-17 - 来自专栏杨建荣的学习笔记
CentOS7压力测试MGR
最近在规划CentOS7版本中的MySQL测试情况，于是找了公司内部的虚拟机来做下模拟测试。 性能数据可以参考一篇对比测试的文章，总结的蛮好。 测试阶段 在本次测试中，我使用的是社区版5.7.27作为测试的对比，整个测试预期是按照如下的方式来做对比的。 ? 在实际部署时，CentOS7中还是存在一些差异，为了尽可能和运维平台衔接起来，所以整个部署是使用了平台化工具来做的。 -rw-r----- 1 mysql mysql 163475246 Sep 17 17:29 mysqlbin.000033 从性能测试来看，目前得到的初始数据，MGR的QPS在3200左右，而异步模式已经在 后续这一版测试还是要在一些细节上做一些补充测试。 文章详情《MySQL DBA工作笔记》
98840发布于 2019-09-19 - 来自专栏啄木鸟软件测试
精准测试及其工具（连载7）
3.5星云客户端测试台功能说明 前置条件:双向追溯功能可以运行的前提是，测试用例已经被运行过，并且示波器收到了波形采集到了动态数据。 双向追溯是指通过运行测试用例，实现测试用例与被测源码间相互追溯。 根据测试用例查看相关被测源码为正向追溯，根据被测源码查看相关测试用例为逆向追溯。 在测试用例列表中选择测试用例，可以追溯到该测试用例的内容描述信息，在模块调用图中显示被测试到的函数；也可以在模块调用图中，点击相关的函数，也可以追溯到相关的测试用例。 该追溯技术方便了用户查看和设计测试用例。 进入双向追溯选择视图点击“测试台”，如图59所示。 ? 图59进入测试台 1. 模块流程图 对于系统之间或模块之间往往通过HTTP、HTTPS等通信协议进行，而星云测试通过agent技术，把测试用例进行过的多个系统或多个模块之间的调用进行了记录并绘制成展示图，测试人员可以很直观的观察出测试用例从起始点到进行的各系统或各模块之间的调用关系图
1.3K10发布于 2019-12-12 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- 来自专栏啄木鸟软件测试
软件安全性测试（连载7）
<meta name="viewport" content="width=device-width,initial-scale=1.0">
89310发布于 2019-12-23 - 来自专栏区块链入门
【实践】7.DOCKER之性能测试
测试环境： 操作系统：CentOS7、openstack nova-docker启动的centos7、openstack环境启动的centos7虚拟机 CPU：Intel(R) Xeon(R) CPU 因此虚拟内存到物理内存的映射次数比较少，性能瓶颈主要在物理内存的读写速度上，因此这种情况docker和虚拟机的测试性能差别不大; 内存带宽测试中docker与虚拟机内存访问性能差异不大的原因是由于内存带宽测试中需要进行虚拟地址到物理地址的映射次数比较少 根据这个假设，我们推测，当进行随机内存访问测试时这两者的性能差距将会变大，因为随机内存访问测试中需要进行虚拟内存地址到物理内存地址的映射次数将会变多。结果如下图所示。 image image image docker与虚拟机存储性能比较 采用iometer分别以顺序读、随机读、顺序写、随机写四中模式对如下3中场景进行测试，测试过程中文件系统采用ext4 测试前预热30s 虚拟机网络性能对比测试》
3.4K30发布于 2021-05-27 - 来自专栏测试基础
【JMeter系列-7】Linux下执行测试
JMeter不仅能十分便捷地进行接口测试，同时它也是一款优秀的压测工具。 在实际的性能测试中，一般会专门申请一台CPU、内存、磁盘指标都较好的linux服务器作为压测机器。 1 环境配置 版本情况：Linux版本为Centos7，JMeter使用版本为3.3，JDK版本为1.8。 -t表示测试计划，后面跟测试计划名称 -l表示测试结果，后面跟测试结果文件名称 ? local/testResult/test.jtl 脚本运行结束后，会在testResult目录下生成一个test.jtl文件，将这个文件导出到windows端JMeter中的聚合报告中，即可查看测试详情
2.5K20发布于 2020-09-16 - 来自专栏啄木鸟软件测试
单元测试工具（连载7）
2.3 建立基于Marven的单元测试项目 接下来就可以建立基于Marven的单元测试项目了，打开eclipse-file-new-other，选中maven project点击【next】，如图20 图24 被测文件所处目录位置 在src\test相应的目录中建立测试文件CalculatorTest.java。如图25所示。 ? 图25 测试文件所处目录位置 CalculatorTest.java文件代码如下。 案例4：利用Marven测试简易计算器。 图26 转为TestNG 最后仍旧在测试文件处点击鼠标右键，选择“Run As->TestNG” ，如图27所示。 ? 图27 用TestNG Test运行 运行完毕，得到如图28的测试结果。 ? 图28 TestNG Test的测试报告 星云测试 http://www.teststars.cc 奇林软件 http://www.kylinpet.com 联合通测 http://www.quicktesting.net
63220发布于 2019-12-12 - 来自专栏后台及大数据开发
CentOS7 fastdfs安装与测试
storage service fdfs_storaged start #检查storage是否启动 service fdfs_storaged status 或者 ps -ef | grep fdfs 测试 192.168.6.119:22122$g' /etc/fdfs/client.conf #集群状态检查 /usr/bin/fdfs_monitor /etc/fdfs/client.conf #上传文件测试 -rw-r--r-- 1 root root 8 Jul 31 13:43 wKgGdV8jr4SAGLthAAAACOIew5U501.txt [root@node117 00]# #下载文件测试 fdfs_download_file /etc/fdfs/client.conf westone/M00/00/00/wKgGdV8jr4SAGLthAAAACOIew5U501.txt aaaaa.txt #删除文件测试
94121发布于 2020-08-06 - 来自专栏小雨的CSDN
7.单元测试的步骤
单元测试是对软件组成单元进行测试。其目的是检验软件基本组成单位的正确性。测试的对象是软件设计的最小单位：模块。 又称为模块测试，具体步骤如下： 打开项目，在pom.xml中下载JUnit的依赖，或者直接手动导入jar包（我这里网不好，在pom.xml中 没有办法下载依赖成功，就直接手动导入jar包吧！） （以上插入jar包的过程和做项目的时候一样） （到这就已经创建好了单元测试的类，就可以在这个生成的类中编写测试代码） 运行之后结果如下：
36620编辑于 2022-10-26 - 来自专栏Linux驱动
7.Android-压力测试、单元测试、日志猫使用
1.压力测试monkey 通过cmd输入下面命令: adb shell monkey -p com.example.phonecall --ignore-crashes --ignore-timeouts --monitor-native-crashes -v -v -v 10000 > F:\monkey_log\test1.txt 表示测试com.example.phonecall应用程序,随机发送点击 2.单元测试 2.1 定义一个要被测试的类MyMath ? 2.2 然后再来定义一个单元测试MyMathTest类 ? 2.3 然后在单元测试MyMathTest类里来写测试方法,并来测MyMath类 ? 2.6 再次Run As运行 如下图所示,显示Success则单元测试成功了: ? 3.日志猫LogCat使用 日志猫显示标签选项有下面几个: ?
1.1K20发布于 2020-01-15 - 来自专栏TARS基金会
微服务测试要点 | 7 个用于测试的开源利器
然而，测试微服务架构将帮助企业确保新版本的服务不会影响整个系统。 本文将解释测试微服务时的痛点，应该进行什么样的测试，以及介绍七款开源工具来帮助测试微服务。 因此，每个团队都将使用适合他们需求的测试技术，所以微服务测试不需要拥有统一的测试栈。其次，分散式的数据管理允许每个微服务独立管理自己的数据。最后，测试、部署和基础设施通常是自动化的。 除此之外，还应考虑其他类型的测试： 单元测试以验证每个微服务的方法和类是否按预期工作。 组件测试包括通过充当客户端的自动化测试来测试 REST 服务，向服务发送许多请求并验证服务返回的响应。 组件测试的问题是一个微服务可能依靠部署其他可供测试的服务。为了缓解这个问题，开发人员应该使用服务虚拟化工具，允许测试人员模拟其他微服务并单独测试选定的微服务。 集成测试意味着测试一个微服务是否能与其他相关的微服务在现实中一起工作。在这个测试中，所有需要的服务都部署和结合在一起。 系统测试用于测试微服务与其他平台的交互。
1.8K30编辑于 2022-08-31 - 来自专栏后台及大数据开发
CentOS7 cassandra安装与测试
3.11.7/bin/nodetool status 如果集群中任意节点状态不是UN，则查看日志： tail -f /opt/apache-cassandra-3.11.7/logs/system.log 测试
1.2K11发布于 2020-08-06 - 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