《大模型驱动软件测试》第一章读书笔记

基于知识库、LLM和智能体祝贺框架提供AI测试框架

图书P007页

TestPilot基于LLM生成测试的原理示意

图书P008页

以智能体为核心的全栈智能测试框架

图书P009页

关于数据层的介绍见附录

LLM在软件工程中各阶段提效数据

图书P010页

附录

1.Elasticsearch

Elasticsearch是一个开源的分布式搜索和分析引擎，擅长高速处理文本搜索、日志分析和AI数据检索等大规模数据场景，是Elastic Stack的核心组件。

它主要有以下三大能力：

• 全文搜索与分析引擎：核心基于倒排索引技术，能对海量文本进行快速检索和相关性评分（如BM25算法）。它还能进行实时聚合分析（如统计、分组），在日志监控和业务指标分析场景中很高效。
• AI时代的向量数据库：天然支持向量字段和混合搜索，可将文本、图片转化为向量进行语义匹配，能很好地支撑检索增强生成（RAG）应用，为AI模型提供私有数据上下文。
• 天生分布式架构：数据自动分片(Shard) 存储并创建副本(Replica)，确保集群高可用、易扩展。通过RESTful      API操作，学习门槛低，且支持PB级数据量。

这些能力使其能应用于多种场景：

• 应用与网站搜索：为电商、内容平台提供高相关性的精准或模糊搜索。
• 日志与安全分析：作为著名的ELK技术栈（Elasticsearch + Logstash +      Kibana）核心，集中分析系统日志、排查故障、检测安全威胁。
• AI应用开发：作为向量数据库存储AI嵌入数据，构建RAG应用或推荐系统。

注：Elasticsearch基于Apache Lucene构建，经历开源协议变更后，目前从8.13版本起重新采用AGPL v3开源许可。

快速入门指引

如果你正准备上手，可以从这两步开始：

1. 本地环境搭建：从官网下载安装包，解压后修改config/elasticsearch.yml配置文件（主要是cluster.name和node.name），然后运行./bin/elasticsearch启动节点。访问http://localhost:9200看到JSON响应即表示成功。
2. 核心概念认知：理解几个关键概念有助于你快速上手：
   • 索引(Index)：相当于数据库中的“表”，是文档的集合。
   • 文档(Document)：JSON格式的数据单元，相当于“行记录”。
   • 节点(Node)：一个运行中的Elasticsearch实例，不同角色（主、数据、协调等）分工不同。

2.Redis

简单来说，Redis 就像一个极速的“万能工具箱”，数据都在内存里，因此速度飞快。它最擅长的不是复杂搜索，而是高速缓存和处理特定结构的数据。

核心定位：极速内存数据库

Redis 是一款开源的、基于内存的 NoSQL 数据库，常被用作缓存、消息队列和实时数据处理引擎。它的核心能力如下：

• 极致速度：所有数据都在内存中操作，读写延迟通常在微秒（百万分之一秒）级别，单实例每秒能处理超过10万次读写操作。官方测试中，其读写性能分别可达      81000/s 和 110000/s。
• 丰富的数据结构：与简单的 Key-Value 存储不同，Redis 支持多种强大结构，让开发非常灵活。
  • 字符串  (String)：缓存文本、数字、Session      令牌。
  • 哈希 (Hash)：存储对象，如用户信息、商品详情（"字段-值"对的集合）。
  • 列表(List)：有序队列，用于消息队列、最新动态列表。
  • 集合(Set)：无序不重复集合，用于标签、统计独立访客。
  • 有序集合(Sorted Set)：按分数排序的集合，是排行榜、优先队列的不二之选。
  • 进阶类型：还支持用于消息流的 Streams、原生 JSON 文档，甚至用于 AI 相似性搜索的 向量       (Vector) 类型。

典型应用场景

基于这些特性，Redis 在以下场景中几乎是标配：

• 缓存      (Cache)：作为关系型数据库（如 MySQL）前的"挡箭牌"，缓存热点数据，极大地提升系统响应速度。
• 会话存储      (Session Storage)：在分布式系统中，统一存储用户登录状态，实现多台服务器间的会话共享。
• 排行榜/计数器      (Leaderboards/Counters)：利用其原子操作，轻松实现实时更新的游戏排行榜、文章点赞数。
• 消息队列与发布/订阅 (Message Queue & Pub/Sub)：作为轻量级的消息中间件，处理异步任务（如发邮件）或实现实时通知。
• AI 应用与向量搜索：作为 AI 应用的内存数据层，存储和检索向量嵌入，支撑检索增强生成（RAG）、语义缓存等，是新一代 AI 应用的关键组件

快速入门小贴士

• 环境搭建：从 Redis 官网 下载安装包（Linux/macOS），解压后使用 make 编译，然后运行 src/redis-server 启动服务。用 src/redis-cli 客户端连接即可操作。
• 核心概念：Redis 以 Key-Value 形式存储，Key 是字符串，Value 可以是上述多种数据结构。没有"表"的概念，数据模型非常灵活。

3）MongoDB

MongoDB 是一个通用的文档型数据库，可以看作是现代应用中传统关系型数据库（如 MySQL）的一个灵活替代品。和你之前问的 Redis、Elasticsearch 相比，它的定位是核心业务数据的存储与处理。

核心定位：灵活的通用数据库

MongoDB 的核心能力可以用三个关键词概括：

• 文档模型，开发灵活：它将数据存储为类似 JSON 的文档（BSON格式），结构自由，可以嵌套。这种模型能很自然地映射到编程语言中的对象，减少了复杂的数据转换工作。比如一个用户及其地址、爱好可以存在一起：

{
 "name":"张三",
 "address":{"city":"上海","street":"南京路"},
 "hobbies":["阅读","编程"]
}

这种灵活性意味着可以随时增减字段，非常适合需求频繁变化的敏捷开发。

• 功能完备，场景通用：它不仅是一个简单的存储，还提供了现代应用所需的丰富功能。
  • 事务支持：支持多文档的 ACID（原子性、一致性、隔离性、持久性）事务，保证了数据的一致性。
  • 丰富查询：内置强大的查询API，支持地理空间、文本搜索，甚至在云服务中集成了向量搜索，可用于AI应用。
  • 高性能：通过索引和嵌入数据模型，提供了高性能的数据读写能力。
• 水平扩展，高可用：MongoDB 原生支持水平扩展。
  • 分片       (Sharding)：能将数据自动分布到多台机器上，支撑海量数据和高吞吐量。
  • 副本集       (Replica Set)：提供自动故障转移和数据冗余，保证了服务的高可用性。

典型应用场景

由于它兼顾了灵活性与功能性，MongoDB 的应用场景非常广泛：

• 内容管理 (CMS)     与电商：存储文章、商品、订单等半结构化数据，嵌套文档能很好地对现实中的复杂关系建模，减少关联查询，提升性能。
• 物联网 (IoT)     数据：面对海量、格式多变的设备数据，MongoDB     的动态 Schema 和分片集群能轻松应对。
• 游戏与敏捷创业：玩家属性、道具等数据结构差异大且常变化，MongoDB     的灵活性可快速迭代。许多从0到1的创业项目也会用它来降低前期架构成本。

4)BOS

百度智能云对象存储 (Baidu Object Storage)‌：这是一款稳定、安全、高效、高可拓展的云存储服务，支持标准、低频、冷和归档存储等多种存储类型，满足多场景的存储需求。

‌核心功能‌：用户可以将任意数量和形式的非结构化数据存入 BOS，并对数据进行管理和处理，提供静态资源的存储和分发能力。

‌计费模式‌：属于后付费业务，新用户首次使用时需要完成实名认证并开通服务，未使用前不会进行任何计费。‌‌‌