首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏啄木鸟软件测试

    智能测试 vs 传统测试测试专家必看

    该缺陷在传统接口测试中完全不可见——所有单点API均返回200且格式合规,问题藏在智能体的‘决策路径缺失’中。 二、测试方法论的三重迁移 1. 某头部电商智能测试团队采用‘意图-动作-反馈’三维矩阵生成测试任务,将有效缺陷检出率提升3.2倍。 2. 某银行智能投顾测试平台通过构建‘可编程沙盒’,将复杂任务回归周期从7天压缩至4小时。 ’转身为‘任务策展人’:需协同产品、UX、AI研究员共建高质量任务语料库,并建立任务难度分级标准(如L1-L5); - 从‘质量守门员’转身为‘可信度架构师’:推动在智能体架构中内置可观测性探针(如决策置信度阈值告警 智能测试不是取代传统测试,而是将其封装为底层能力之一;真正的分水岭,在于我们是否准备好用新的心智模型,去定义‘一个好智能体’究竟意味着什么——它不仅要‘能做事’,更要‘做对事’、‘知边界’、‘可信赖’

    21010编辑于 2026-04-13
  • 来自专栏啄木鸟软件测试

    测试专家必看:智能回归测试未来展望

    本文将从技术落地、能力跃迁与组织演进三个维度,剖析智能回归测试的现在与未来。 一、从‘全量跑’到‘精准击’:AI驱动的用例智能筛选 传统回归测试常采用‘全量执行+人工剪枝’模式,效率低且易遗漏风险路径。 二、从‘脚本维护’到‘自我进化’:自愈式UI测试的落地实践 UI回归测试长期被诟病为‘脆性测试’——前端微调常导致数十个用例因定位器失效而集体崩溃。智能回归的突破在于赋予测试‘自愈能力’。 真正的智能回归,是让测试工程师从‘用例搬运工’蜕变为‘质量策展人’——聚焦于设计可演化的测试策略、定义关键质量信号、解读AI输出背后的业务含义。 未来三年,随着大模型对测试知识的深度蒸馏(如TestLLM)、测试即代码(TaaC)与混沌工程的融合、以及质量数据湖的普及,智能回归测试将不再是工具能力,而是一种组织级的质量操作系统。

    24510编辑于 2026-03-09
  • 来自专栏啄木鸟软件测试

    测试专家必看:智能测试落地实践

    与传统API或界面测试不同,智能体具备状态记忆、自主规划、动态工具选择与人类协同等特性,其行为不可穷举、路径高度非线性、结果存在合理多样性。 本文基于啄木鸟软件测试团队在3家头部金融科技与AI平台企业的落地实践,系统梳理智能测试的核心挑战、分层验证策略与可复用的工程化方法,为测试专家提供一条从‘看不懂Agent’到‘测得准、控得住、说得清’ L3|多步协同层测试:构建‘最小可行场景’(MVS)矩阵 -> 方法:放弃全路径穷举,聚焦高频高风险业务流,设计5~8个MVS(如‘投诉升级->跨部门协查->补偿方案生成->客户确认’)。 三、工程化落地:让智能测试‘可写、可跑、可追责’ 落地难点常不在技术,而在协作惯性。 结语:测试专家的新定位——智能体的‘行为架构师’ 智能测试的本质,不是给AI设限,而是帮它建立可信的行为边界。

    24010编辑于 2026-03-31
  • 来自专栏啄木鸟软件测试

    软件性能测试(连载5

    这个值不应该超过5。 ØPage Faults。 处理器页面错误计数。这个值大说明操作系统向内存读取错误数据过多。 •Physical disk。 Ø%Disk Time。 表3-3 磁盘的I/O数的计算方法 RAID类型计算方法RAID0(Reads+Writes)/Number of DisksRAID1(Reads+2×Writes)/2RAID5(Reads+4× 如果这个值持续增长或者性能测试终止后这个值仍旧不降,说明发生了内存泄露。 5.网络 •Network interface。 Ø Bytestotal/sec。

    1.1K10发布于 2020-02-19
  • 来自专栏用户1337634的专栏

    JMeter5性能测试

    本文介绍一下如何使用JMeter5完成性能测试 最简单执行计划 创建计划 添加Thread Group TestPlan -> Add -> Threads(Users) -> Thread Group 测试结果 ---- 高级功能 读取文件 上面的测试,每次发送的URL请求都是同一个,可能因为缓存等原因导致性能数据偏差。 可以使用读取CSV文件的方式,对每个请求构造不同的请求。 参数读取规则 配置完成后,可以在一次执行计划中根据CSV文件中配置的参数,构造不同的请求 NoGui 不要使用GUI界面进行性能测试 不要使用GUI界面进行性能测试 不要使用GUI界面进行性能测试 如果要执行性能测试,需要使用命令行模式,如下: . /jmeter -n -t ~/process.jmx -l result.jtl -n: No Gui模式 -t: 指定配置文件 -l: 指定测试结果文件 性能测试结果 在No Gui模式下生成的性能测试结果

    1.5K20发布于 2019-03-27
  • 来自专栏dongfanger

    JUnit5的条件测试、嵌套测试、重复测试

    条件测试 JUnit5支持条件注解,根据布尔值判断是否执行测试。 如果定义在测试类外部,那么需要是static方法。 内置条件 JUnit5的org.junit.jupiter.api.condition包中内置了一些条件注解。 借助于Java嵌套类的语法,JUnit5可以通过@Nested注解,实现嵌套测试,示例: import static org.junit.jupiter.api.Assertions.assertEquals └─ Wiederholung 5 von 5 ✔ 小结 本文分别对JUnit5的条件测试、嵌套测试、重复测试进行了介绍,它们可以使得测试更加灵活和富有层次。 除了这些,JUnit5还支持另一个重要且常见的测试:参数化测试

    2.2K20发布于 2021-07-16
  • 来自专栏世荣的博客

    渗透测试笔记-5

    执行一个外部的应用程序的输入并显示输出的结果 2.exec():执行一个外部的应用程序,但不显示输出的结果 3.passthru():执行一个系统命令并显示原始的输出 4.shell_exec():执行shell命令并返回输出的结果的字符串 5. 7.0之后的demo: 3.call_user_func():回调函数,可以使用is_callable查看是否可以进行调用 4.call_user_fuc_array():回调函数,参数为数组 5.create_function ():创建匿名函数 5.preg_replace():当php版本小于7时,当为 /e 时代码会执行 6.array_map():为数组的每个元素应用回调函数 7.array_filter():依次将

    46520编辑于 2022-03-18
  • 来自专栏自学测试之道

    H5专项测试

    前言 随着Html5的流行,现在很多业务场景使用H5页面来承载,使活动类、运营类的业务功能更便捷在微信、Native端部署,所以H5方面的测试也变得越来越重要。 ? H5业务测试流程图 一、H5测试基本点 1. ; 8.数据埋点 用于BI的数据埋点 二、常用工具 工欲善其事,必先利其器,在做H5前端性能测试之前,选择合适的工具能让我们的测试工作事半功倍。 在我们做H5前端性能测试的时候,个人觉得只要不修改包,不对H5调试,就可以放弃使用这类工具,不是工具不好,而是大材小用(杀鸡焉用牛刀??是吧!)。 我们可以快捷的测试出H5前端性能中数据,视图,并给出一定程度的优化建议。 ? 工具对比列表 工具使用详情请参考【H5前端性能测试快速入门】

    2K42发布于 2019-09-29
  • 来自专栏Hadoop数据仓库

    ShardingSphere实践(5)——性能测试

    本次测试使用上篇“二、用例测试”的环境。BenchmarkSQL基准测试属于压测,为尽量减小复制延迟,将两个从库的刷盘参数设置为0,并开启组提交与多线程复制。 直连主库         首先不通过Proxy,直连主库进行基准测试,用以结果数据对比。         准备测试数据,创建16张表,每张表一百万条数据。 ,预热一分钟,压测5分钟,每秒输出一行报告。 sbtest4    | sysbench_ds   | | sbtest3    | sysbench_ds   | | sbtest6    | sysbench_ds   | | sbtest5     准备测试数据,建一个测试表,插入一千六百万行。按照规则,会在四个数据源中使用hash_mod算法平均自动分成16个分表,每个数据源4个分表,每个分表近似一百万数据。

    1.7K21编辑于 2022-06-05
  • 来自专栏搜狗测试

    智能硬件sdk测试初探

    近期公司推出了某款智能录音笔,需要对录音笔笔端一些应用的sdk进行测试。 因为之前对关于sdk测试的了解并不是很多,所以在本次测试中边测试、边了解、边学习,总结了一些过程和方法,在这里和大家交流分享一下。 ? 1、命令行式,测试时完全通过adb shell命令的形式调用demo进行测试; 2、界面式,测试时可在屏幕上显示界面,通过在界面上操作来进行测试。 ? ::此处数字500 500表示需要点击的屏幕坐标,可根据需求自行更改 adb shell input tap 500 500 echo stop %i%... ping 127.0.0.1 -n 5 adb 小结 本文介绍了智能硬件(录音笔)sdk测试中的一些方法和遇到的问题,希望能给大家提供一些参考。当然关于sdk的测试还有很多其他的方法和注意事项,欢迎各位同学一起讨论交流一下~

    1.6K30发布于 2020-04-01
  • 来自专栏自学测试之道

    智能硬件-WIFI模块测试

    300m;wifi是局域网) 二、WiFi特性专项测试 WiFi打开速度或搜索速度的测试:验证WiFi,WiFi打开速度或搜索速度的测试是否符合要求; WiFi信号强度测试测试WiFi在不同位置(如: 距离AP无障碍处X米、有障碍区(如:隔离一堵墙、堵墙)等的信号强度,测试WiFi信号随距离的变化或穿障碍物的能力;测试工具:通过WiFi检测工具(如:WiFi分析仪); 测试WiFi传输速率测试:分别在不同位置测试 在系统浅休眠或深休眠时是否进行工作; WiFi稳定性测试测试WiFi在长时间数据传输过程中是否出现异常; AP切换测试测试设备在无信号区到有信号区的连接速度、重连时是否出现异常等; WiFi与AP之间的漫游测试 三、wifi信号测试 1、信号强度、传输速率测试 测试软件:WIFI分析仪 环境搭建 ? 建立一个测试进程,测试时间设置为1分钟。

    6.5K42发布于 2019-10-16
  • 来自专栏信数据得永生

    Python 智能项目:1~5

    一、人工智能系统的基础 人工智能(AI)在过去几年中一直处于技术的最前沿,并已进入主流应用,例如专家系统,移动设备上的个性化应用, 自然语言处理中的机器翻译,聊天机器人,自动驾驶汽车等。 近来,人工智能已经能够解决复杂的数学问题,创作音乐和创作抽象绘画,并且人工智能的这些功能正在不断增加。 科学家将 AI 系统在未来等同于人类智能水平的点称为 AI 奇点。 机器是否会真正达到人类的智能水平这个问题非常令人着迷。 许多人会认为机器永远无法达到人类的智能水平,因为用来学习或执行智能任务的 AI 逻辑是由人类编程的,并且它们缺乏人类所拥有的意识和自我意识。 在第 5 章,“视频字幕应用”中,我们将研究视频到文本翻译应用,它们属于人工智能领域的专家系统。 五、视频字幕应用 随着视频制作速度成倍增长,视频已成为一种重要的沟通媒介。 我们可以根据测试集中的视频内容验证为测试数据集生成的字幕。 可以使用以下函数创建训练测试集数据集。

    1.3K20编辑于 2023-04-23
  • 来自专栏啄木鸟软件测试

    智能回归测试 vs 传统回归:测试专家必读

    本文将从技术本质、落地效能与组织适配三个维度,深度对比智能回归测试与传统回归测试,为测试专家提供可落地的升级路径。 智能回归测试则融合多模态AI能力:通过CV模型识别界面语义结构(如‘加购按钮’而非‘#btn-buy’),结合NLP解析需求文档与用户行为日志,动态生成健壮断言。 微软Azure DevOps实践表明,采用智能用例推荐后,回归执行时间缩短至原来的22%,缺陷召回率反提升17%。这背后不是减少测试,而是让每一次执行都直击要害。 当页面重构导致50个定位器失效,测试工程师需逐个重写XPath,再手动验证结果——这本质上是用人力对抗系统演化。 智能回归构建了‘检测-诊断-修复-验证’自愈闭环。 结语 智能回归测试不是对传统的简单提速,而是测试范式的升维:它要求测试专家从‘用例编写者’转型为‘AI协作教练’——定义语义规则、校准模型偏差、解读风险洞察。

    13210编辑于 2026-04-13
  • 来自专栏啄木鸟软件测试

    测试专家必看:智能回归测试技术深度解析

    引言:回归测试的‘甜蜜负担’正在压垮传统测试体系 在敏捷与持续交付成为标配的今天,一个典型中型应用每周可能经历3–5次上线,每次变更平均触发800+用例回归。 回归测试正从质量守门员,异化为交付瓶颈与质量风险源。破局关键,已不在‘加人、加班、加机器’,而在‘智能回归’——让测试真正理解代码、感知风险、自主决策。 一、为什么传统回归策略注定失效? 测试用例智能分级与动态权重 智能回归拒绝‘一刀切’执行。 回归测试的终点,从来不是自动化,而是智能化的质量共治。 《中国智能测试实践白皮书》)

    14710编辑于 2026-04-13
  • 来自专栏啄木鸟软件测试

    测试专家必看:智能测试技术深度解析

    这意味着:传统基于断言(assert)和脚本回放的测试方法,在智能体面前集体失焦。 测试团队正站在一个关键分水岭:是沿用Selenium+Postman的老路‘测接口’,还是构建面向目标、行为与鲁棒性的新一代智能测试工程? 一、智能测试为何不能套用传统方法? 二、智能测试四维评估框架:Goal-Behavior-Resilience-Traceability(GBRT) 我们提出结构化测试框架,替代模糊的‘人工抽检’: 1. 测试不校验‘查询结果JSON字段’,而用LLM-as-Judge(如GPT-4o-mini微调版)对全流程结果进行意图对齐打分(1–5分),并要求≥4.2分。 2. 结语:测试专家的新使命不是‘证明没有Bug’,而是‘构建可信演化的护栏’ 智能体不会停止进化,但它的进化必须被可观测、可约束、可问责。

    31910编辑于 2026-03-09
  • 来自专栏软件测试技术

    pytest系列教程——5、跳过测试

    对于那些尚未开发完成的测试,最好的处理方式就是略过而不执行测试。 按正向的思路,我们只要通过标记指定要测试的就可以解决这个问题;但有时候的处境是我们能进行反向的操作才是最好的解决途径,即通过标记指定要跳过的测试。 使用案例: import pytest @pytest.mark.skip(reason='跳过执行测试') def test_skip_01(): print("test_skip_01 举个例子,比如我希望测试代码运行在python3.0 以下的版本: import pytest import sys major_version = sys.version_info.major @pytest.mark.skipif(major_version >= 3, reason='当前python版本号大于3,跳过执行测试') def test_skipif_01(): print

    69120编辑于 2022-06-08
  • 来自专栏啄木鸟软件测试

    安全测试工具(连载5

    --level=LEVEL:执行测试的等级(1-5,默认为1)。 --risk=RISK:执行测试的风险(0-3,默认为1)。 --string=STRING:查询时有效时在页面匹配字符串。 --time-sec=TIMESEC:DBMS响应的延迟时间(默认为5秒)。 --union-cols=UCOLS :定列范围用于测试UNION查询注入。 --mobile:通过HTTP User-Agent标头模仿智能手机。 --offline:在离线模式下工作(仅使用会话数据)。 5. 查看指定表的数据结构。 5. 查看指定表的数据结构。

    2.3K20发布于 2019-12-12
  • 来自专栏全栈程序员必看

    httprunner(5)编写测试用例

    编写测试用例 HttpRunner v3.x支持三种测试用例格式pytest,YAML和JSON。 =A40AD6AD806FBBED1033903732FFA453:FG=1; COOKIE_SESSION=86630_1_9_6_41_5_0_0_8_2_1_0_0_0_71_0_1612340974 config:配置测试用例,包含 base_url, verify, variables, export teststeps:测试步骤的列表,每个步骤都对应一个API请求或调用另一个测试用例,此外还支持 variables/extract/validate/hooks创建极其复杂的测试用例 链式调用 HttpRunner v3.x最重要的功能之一就是支持链式调用,使用链式调用,不需要记住任何测试用例的信息 ,在IDE中编写测试用例时就可以智能完成 发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/166223.html原文链接:https://javaforall.cn

    36320编辑于 2022-09-16
  • 来自专栏dongfanger

    JUnit5编写基本测试

    JUnit5测试不是通过名称,而是通过注解来标识的。 测试类与方法 Test Class:测试类,必须包含至少一个test方法,包括: 最外层的class static member class @Nested class Test Method:测试方法 Assumptions如果失败,test会被标记为ignored,测试不会执行。 ,来编写一个JUnit5的基本测试,然后介绍了如何自定义测试报告中的显示名字。 最后介绍了如何禁用测试。除了基本测试,JUnit5还能编写带条件的测试

    81720发布于 2021-07-14
  • 来自专栏啄木鸟软件测试

    精准测试及其工具(连载5

    3星云客户端功能说明 精准测试云平台的逻辑可视化部分主要基于函数调用图、控制流程图和简易控制流程图这三个图形,其中函数调用图是函数模块级的逻辑图形,控制流程图和简易控制流程图是代码级的逻辑图形,这三种图形形成了源代码逻辑交替深入展示的一种形式 图45 显示测试覆盖率 采用专利:“一种用于白盒测试覆盖率计算可视化的测试装置及方法”的查看技术,对覆盖率指标进行剖析,用颜色的表示形式在代码中区分代码的分子、分母来告知覆盖率的计算过程。 图49 视图(二) 选择排序方式,覆盖率越大,测试的越全面,复杂度越大,说明程序越复杂,复杂度/覆盖率越大,说明存在Bug的可能性越大。 星云测试 http://www.teststars.cc 奇林软件 http://www.kylinpet.com 联合通测 http://www.quicktesting.net

    57210发布于 2019-12-12
领券