- 综合排序
- 最热优先
- 最新优先
- 来自专栏CODING DevOps
测试工程师如何使用 CODING 进行测试管理
除了直接创建测试用例以外，CODING 的测试管理模块还支持从 Excel 和 TestLink 直接导入用例库，同时也支持从用例库直接导出 CSV 文件，方便测试工程师进行数据迁移。 [9470eac1-be68-4cbf-a2d1-53418fea1f7a.png] 点击右上角创建用例按钮，进入创建测试用例页。 [9ee93548-22af-4e4a-b0a2-564ead91f14f.png] 创建测试用例依次操作如下： 输入标题； 输入测试前置条件； 选择测试步骤类型并输入相应的测试步骤内容或文本用例内容； --- 生成测试报告 CODING 测试管理可自动生成定制化的大师级测试报告，涵盖了测试结论、图表、工作分布、耗时等关键信息。 [9c61b34d-b469-4f2b-8462-0616201faa0f.png]
1.6K30发布于 2019-06-24 - 来自专栏CODING DevOps
测试工程师如何使用 CODING 进行测试管理
使用 CODING 进行测试管理视频演示： 测试人员权限设置 随着数字化转型浪潮的开始，越来越多的企业开始使用信息化的管理系统取代传统办公工具。 测试人员默认权限： 创建测试用例 在进入 CODING 的测试管理模块后，即可开始创建测试用例。 除了直接创建测试用例以外，CODING 的测试管理模块还支持从 Excel 和 TestLink 直接导入用例库，同时也支持从用例库直接导出 CSV 文件，方便测试工程师进行数据迁移。 创建测试计划 在项目首页点击测试计划图标进入测试计划列表页。CODING 测试管理中的测试计划可以与迭代管理相关联，方便项目负责人进行全局统筹。 生成测试报告 CODING 测试管理可自动生成定制化的大师级测试报告，涵盖了测试结论、图表、工作分布、耗时等关键信息。
1.7K30发布于 2019-09-16 To Run or Not to Run：AI Coding 不是多跑测试就更可靠
在很多 AI Coding 方案里，验证闭环几乎被默认等同于“让 Agent 跑测试”。 Agent 生成补丁后，执行单测，读取报错，继续修改，直到测试通过。 这个流程很像人类工程师的调试过程，也很容易被当成更高自动化等级的必要路径。 这个范式符合工程师的工作直觉。人写代码也不是一次写完就合入，而是边写边跑，边看错误，边修。 更现实的做法，是在 AI Coding 试点 PR 里补齐三类信息：本次变更意图、影响范围、验证证据。 这三类信息连起来以后，执行测试才不是盲跑。 对 AI Coding 来说，下一步要补的也不只是更强的执行工具，还包括更清楚的验证策略、更可解释的证据链，以及更适合企业研发流程的门禁设计。
24500编辑于 2026-07-08Coding Day2
1.浮点精度及输出控制（HDOJ1012）1.计算阶乘可用迭代或动态规划，避免多次递归调用2.c++cout精度控制在C++中，使用cout输出double类型并保留9位小数，需要结合<iomanip> s.empty()&&s.back()=='.')s.pop_back();returns;}2.求数字根（HDOJ1013）用字符串模拟过程，注意题给输入可能很大，故直接用字符串输入且进行后续处理#include
23310编辑于 2026-01-21- 来自专栏霍格沃兹测试开发学社
AI Coding 质量治理：工程规范、代码评审与风险驱动测试
因此，更合理的分工是由工程师确定排查重点，AI扩大代码分析范围，再通过实际证据确认问题。对于测试开发工程师，这些分析结果同样具有价值。 2.人工评审重点转向业务正确性AI可以发现一些明显的编码问题，但业务语义错误仍然需要重点关注。例如，一个订单查询接口的返回结构完全符合规范，异常处理也没有明显问题。 更适合复杂系统的方式，是以业务风险为依据，由工程师确定测试范围与重点，再让AI完成代码分析、测试组合和步骤生成。1.测试范围识别：确定哪些接口受到影响首先根据代码变更和运行数据识别候选影响范围。 仅测试直接修改的接口，可能无法覆盖全部风险。AI可以辅助收集受影响接口清单，再由测试人员确认真实影响范围。2.风险分级：确定每个接口需要测试多深接口影响范围确定后，需要进一步评估测试优先级。 对于测试开发工程师来说，AICoding带来的工作变化不仅体现在测试脚本生成上。代码变更影响分析、风险驱动测试、AI辅助评审、自动化质量门禁和测试有效性评估，都会成为值得持续建设的工程能力。
35110编辑于 2026-10-09 AI软件工程：从vibe Coding 到 Spec Coding
每位老师的分享都充满着自己对AI时代软件工程的思考。从中，我们可以看到未来的可能，也可以看到当下的方向。在6位讲师的授权下，我们将当天每位老师的分享PPT做了汇总。大家赶紧点击链接下载保存收藏！
33520编辑于 2026-03-23A Network Panel for AI Coding Agents
AI coding agents are becoming more capable very quickly. In other words, AI coding agents need observability.Why Normal Proxy Tools Are Not Always Enough My Many AI coding agents are Node.js or native applications, and they do not always respect HTTP_PROXY or ccglass is an open-source local logging reverse proxy and web dashboard for AI coding agents. It gives the developer a network panel for AI coding agents.Supported Clients and Providers ccglass
25800编辑于 2026-06-16- 来自专栏宜达数字
测试工程师测试工程师
测试工作 常有功能测试、接口测试、UI自动化测试、性能测试、安全测试等。 功能测试是其他测试工作的基础，是培养测试用例设计能力和建立测试思维的关键阶段。 自动化测试主要包括接口自动化测试和UI自动化测试 性能测试主要指：用户访问量越大、数据量越多，软件产品的响应速度性能测试常用的工具有JMeter和Loadrunner。 安全测试是测试中的一个专项测试，一般都是有专门的安全测试人员进行测试,暴力破解、越权漏洞、命令注入、SQL注入、XSS、CSRF. 测试工程师路线 基础 作为一名测试人员肯定要了解计算机相关概念，基础的测试理论，以及前端的HTML、CSS、JS的语法规范用法等。 ；测试计划，测试方案，测试报告。
76020编辑于 2021-12-07 - 来自专栏腾讯云TVP
莱特兄弟与AI Coding
AI Coding 必须建立自己的“适航分级”： 等级 定义 强制要求 L1 原型级 内部验证、一次性任务 无强制，但必须标注“AI 生成，未经审查” L2 这种“空中修发动机”的模式，在简单场景可行，在复杂系统中会指数级放大风险，而且，最终测试成为了AI Coding的最大瓶颈。 建议：将 AI Coding 工具显式分级 等级 能力 人工职责 L1 辅助 代码补全、解释、单步重构 开发者完全控制 L2 模块级 建议：建立 AI Coding 的系统工程能力 设立“AI 代码集成工程师”角色：在组织中，由专人负责 AI 生成代码的集成规范、测试策略、审计流程——类似于航空公司的放行工程师。 建议：催生 AI Coding 的“无人机生态” 定义 Agent 协作协议：让专注代码生成的 AI、专注测试的 AI、专注部署的 AI 可以像可互换的部件一样协同工作。
36210编辑于 2026-04-28 我的AI Coding 流程
看架构师群里，大家讨论AI Coding 的问题，就我个人使用效果是非常好的，我0代码开发了2个半项目了，当然都是万行左右的单体服务，不算复杂大项目，简单总结一下我的使用流程吧；1、需求对齐与需求文档生成在 AI Coding的初始阶段，我会优先与AI进行全面、细致的需求同步，这是整个开发流程的基础，也是确保后续工作不偏离方向的关键。 2、技术规划与“项目宪法”生成需求文档确认后，我会进入技术规划阶段，此时依然会借助AI的力量梳理技术体系，生成“项目宪法”（这是引用spec-kit中constitution的说法，我非常喜欢spec-kit 我会与AI充分沟通，结合前期的需求文档和业务流程，分析该需求的技术难点、性能要求、可扩展性需求，进而确定合适的技术标准——包括编码规范、接口标准、测试标准、部署标准等；同时，与AI探讨各类中间件的适用性 总结当前AI Coding 是很难完成复杂项目的，个人认为最好的方式就是，让人来完成复杂项目拆解，让AI去完成拆解后的相对简单一些的指定任务，现在大量公众号在宣传“许愿式”开发，感觉是太高估AI了，AI
1.2K20编辑于 2026-02-06- 来自专栏老张的求知思考世界
AI测试工程师，需要具备哪些技能？
2、所谓工程，就是技术落地能力和业务价值创造的结合。 技术落地能力，就是怎么设计技术方案，用技术实现预期目标。 那么，该如何具备这些能力，转型为一名AI测试工程师呢？ 首先，在日常工作中落地AI，应该对AI相关的基础理论和技术原理有一定的了解。 比如：测试用例生成、测试数据对比、代码审查和评审、性能问题识别分析、AI驱动的自动化测试等场景。 先从局部开始，拿到结果和正向反馈，然后进一步扩大覆盖范围，最终达成AI TestOPS的目标。 从需求管理、项目管理，到测试用例、故障案例库沉淀，AI知识库都是AI深度融入工作场景的必经之路。 最后，则是基于轻量的技术项目和AI知识库，打造属于我们的AI测试平台。 通过已经落地实践的智能测试用例生成和测试数据对比等能力，结合AI知识库，再叠加工作流驱动的AI智能体能力，可以达成AI驱动的全链路测试覆盖，让测试团队具备AI TestOPS能力。
1.1K10编辑于 2025-10-10 - 来自专栏小狼的世界
Sublime Text 2以及Zen Coding
去年就知道了Sublime Text 2这款编辑器，当时就颇有好感，还用了一段时间来进行开发。 2、嵌套代码（Wrap with Abbreviation） ? 参考资料： 1、Sublime Text 2 安装Zen Coding 2、百度百科 Zen Coding 3、Zen Coding 4、关于使用Sublime Text 2的那些事儿 5、Sublime Text 6、ZenCoding CSS Properties 7、Zen Coding in Sublime Text 2 8、Zen Coding 让NotePad＋＋代码书写健步如飞 9、Sublime Text 2 编辑器实用技巧
1K30发布于 2018-07-25 - 来自专栏啄木鸟软件测试
全栈软件测试工程师宝典连载（2）
由于用户在项目初期很难提出明确的需求，而利用瀑布模型只有到编码结束，软件测试工程师才可介入软件测试，客户才可以看到是否是他们需要的产品，在此之前这些产品他们不完全了解，有时需要补充，有时客户也有可能推翻他们原本的需求 2. 1.4 软件测试模型 1.4.1 V模型 图1-4所示为V模型测试。 ? 图1-4 V模型测试 •单元测试相对于编码进行，这一步往往由开发工程师执行。 •系统测试相对于概要设计，软件测试工程师站在整体的立场上对系统进行全面的软件测试工作。 •验收测试是用户对产品进行的测试，一般分为Alpha测试和Beta测试。 从图1-7可以看到：第1、4象限是主要面对技术的测试、第2、3象限主要是面对业务的测试、第1、2象限是支持团队的测试、第3、4象限是评价产品的测试。 1.5 软件测试方法 软件测试方法见表1-1。
69420发布于 2021-01-18 - 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CODING DevOps
CodeGeeX Coding With AI Hackathon 正式启动
2023 CodeGeeX 黑客松以「Coding with AI」为主题，由清华大学联合智谱AI大模型团队、腾讯云Cloudstudio.net和DoraHack赞助举办，此次黑客松设立多条赛道，设立丰厚大奖 赛题要求： 解决问题，并通过合理的测试，readme等介绍，完成find bug的要求，并达到赛事预期效果。需包括 demo 演示，以及可正常运行的代码。 CloudStudio.net代码提交作品： 参赛者通过链接，打开开发空间，空间内置了赛事的参赛标准和作品项目的上传格式; 参赛者可以直接基于CloudStudio WebIDE进行编码; 参赛者通过仓库插件推送作品代码到 CODING 我们将为所有参赛人员提供： 1.CodeGeeX源代码； 2.CodeGeeX的模型权重； 3.CodeGeeX在 VS Code 和 jetbrains 上的插件； 4.免费访问API的权限； 5.如果需要 因此： 1.请不要重复报名，并确保注册邮箱有效； 2.参赛者禁止恶意使用开放的 API，否则将取消参赛资格; 3.每一位参赛者可以参与多个赛道，同时在一个赛道中也可以提交多个不同的项目； 4.参赛者承诺提交的项目不违反相关法律法规
1.4K30编辑于 2022-12-31 - 来自专栏sylan215 的软件测试技术学习
再谈软件测试工程师发展的 2 个方向
首先说明下，这次话题我把受众做了下限定，主要面向的是有 5 到 10 年测试经验的老手。 因为已经有一定的工作经验，所以这次我要谈到的 2 个方向，可以说是一个分叉口，分别是技术方向和管理方向。 目前很多公司都把测试归集到技术岗，但是很多测试同学对自己的技术并不自信。 但是随着工作经验的增加，也有同学一直往测试开发或者效能平台开发的角色发展，积累了一定的技术基础。 这个看起来像是效率平台做的事情，目前因为业务不同，适应性有限，更适合测试开发来做。 2. 统一测试工具的支撑。 2. 团队协作。 管理的是人，就是一个团队，必须要充分发挥团队的力量，要能人尽其才，所以需要在不同时候，给予不同的安排和激励，特别是每个人的需求在不同的时候也会不同。 以上，是我对测试工程师在技术方向和管理方向发展的一些看法，如果你已经工作 3 到 5 年了，可以参照着标准看看自己适合哪个方向，提前给自己做好规划。
61520编辑于 2022-03-30 - 来自专栏AI测试
继 Vibe Coding 之后，Vibe Testing 又是什么？对测试工程师意味着什么？
2AI理解并生成测试逻辑AI模型根据自然语言描述，结合对目标应用的理解，自动推断需要验证的点，生成可执行的测试脚本。 2测试AI生成用例的稳定性同一个需求跑了5次，用VibeTesting让AI去"感觉"这5次输出是否整体一致，比精确对比简单很多。 VibeTesting的测试脚本本质上是AI生成的，产品逻辑变化时，那套测试逻辑也需要同步更新。04｜对测试工程师意味着什么？会取代我们吗？ 这是最核心的问题，直接说结论：VibeTesting不会取代测试工程师，但它会重新定义你的工作方式。 测试工程师的角色在进化未来一个优秀的测试工程师，可能更像一个"AI测试策展人"——知道什么时候该用VibeTesting，什么时候必须用精确验证，如何评估AI生成测试的质量。
36610编辑于 2026-04-25 Strix：让 AI Agent 当渗透测试工程师
Strix：让AIAgent当渗透测试工程师Strix是一个开源的AI渗透测试工具。它像真实黑客一样动态运行你的代码、发现漏洞、用可执行的PoC验证漏洞——不是传统扫描器那种一抓一大把的误报。 定位很明确：给开发者和安全团队一个快速、准确的自动化安全测试方案。一、和传统扫描器的区别：验证，不是猜测传统漏洞扫描器的问题：跑一遍规则，报一堆疑似问题，大部分是误报。安全工程师要花大量时间人工确认。 /app-directory跑完后：每个验证过的漏洞带PoC和复现步骤一键生成AI安全补丁，直接提交为PR生成合规报告（SOC2ISO27001PCIDSS）CI/CD集成：GitHubActions每个 它把渗透测试从「几周的人工项目」变成「几小时带PoC的自动化流程」。合规提示：Strix会主动测试目标系统。只对你有所有权或有明确书面授权的目标使用，且保持在授权范围内。 未授权测试在大多数司法辖区违法。
59410编辑于 2026-08-24AI Coding 4条铁律
AI Coding 时代, 程序员最该掌握的4条铁律 进入 AI coding 时代, 似乎人人都可以编程了, 但为什么还有人说 AI coding 不行呢? /s/nU7nwqgsKVgbJgqUXmJr2g AI Coding 时代，程序员最该掌握的 4 条铁律 ——来自15年经验的忠告 你是否也这样？ 没要的功能，别加 一次性用的代码，别抽象 不可能的错误，别处理 200行能解决，别写成300行 问问自己：资深工程师会觉得这太复杂吗？ 如果答案是yes，删。 铁律四：目标驱动，闭环验证 "说清楚啥算完成，别只说'让它能跑'" 好的任务描述： ❌ "修bug" ✅ "写个测试复现问题，然后让它通过" 复杂任务，分步骤，每个步骤有验证： 1. [做啥] → 验证：[咋检查] 2. [做啥] → 验证：[咋检查] 3. [做啥] → 验证：[咋检查] 如何使用?
27410编辑于 2026-07-10- 来自专栏AI Agent / 编码工具
AI coding别让模型自己判“通过”，让测试决定它能不能继续
本文用LangGraph给出最小闭环：plan->implement->test->review->repair(max2)->humanmerge。 这是第2次也是最后一次自动修复”。 这也是max2的真正价值。它不是宣称两次一定能修好，而是把系统从“持续尝试”变成“有限探索”。两次失败通常已经足够暴露：要么当前实现策略不对，要么测试/环境/需求需要人类介入。 pytestexitcode1"],}graph=build_graph(fake_adapter)result=graph.invoke({**initial_state,"max_repairs":2, 这正是这条LangGraph闭环的价值：展开代码语言：TXTAI代码解释plan->implement->test->review->repair(max2)->humanmerge它把模型放在最擅长的位置
37064编辑于 2026-07-19
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