- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试开发社区
【AI测试】也许这有你想知道的人工智能 (AI) 测试--开篇
人工智能测试 什么是人工智能，人工智能是怎么测试的。可能是大家一开始最想了解的。 ? 大家看图中关于人工智能的定义。 很多人测试的同学会问，那人工智能是怎么测试的？其实这个问题本身问的不太对。 举个例子，把 人工智能 比做 水果。如果有人问你 “水果是怎么吃的”，你可能不知道怎么回答。 那正确的问法是什么，可以从具体的人工智能应用的来问： 机器学习项目怎么测试 推荐系统项目怎么测试 图像识别项目怎么测试 自然语言处理项目怎么测试。 目前应用最广泛的人工智能也是这四个类型。 刚刚把人工智能比作水果，我们知道，吃水果的方法有很多。可以把机器学习比作 一种吃水果的方法。如果用刀切这种方法。深度学习又是机器学习的一个分支。大概的关系图如图中显示。 ? 竞品对比测试 如果有涉及时，可针对做竞品对比测试，清楚优势和劣势。比如AI智能音箱产品。 9.
1.2K20发布于 2019-09-25 - 来自专栏DevOps时代的专栏
腾讯自动化测试的 AI 智能
引子： 本文是林奕在腾讯 DevDays 2018 分享内容的脱敏整理，介绍了 CSIG 测试开发中心（前 SNG 测试开发中心）在自动化测试领域所做的智能化尝试。 ? 大致分成下面几部分： 使用 AI 面对和解决的问题是什么 AI 带来的曙光 使用了哪些技术，效果是怎么样的 未来展望 UI自动化测试的问题 从业务角度看自动化测试，看到的东西仅仅是冰山浮在水面上的一小部分 AI带来的曙光 QTA所做的AI尝试 QTA是在SNG跑了很多年的自动化测试平台，已经接入了170个活跃的公司产品和项目。 QTAMetis 就是为了解决控件识别和定位技术这一关键难题，而引入AI优化能力。 ? （传统自动化测试识别和定位） ? （Metis AI自动化测试识别和定位） 应用成熟的目标检测技术，可以看到 Metis 已经成功的把对象定位出来。
1.6K20发布于 2018-10-25 - 来自专栏腾讯大讲堂的专栏
腾讯自动化测试的AI智能
引子： 本文是林奕在腾讯 DevDays 2018 分享内容的脱敏整理，介绍了 CSIG 测试开发中心（前 SNG 测试开发中心）在自动化测试领域所做的智能化尝试。 ? 大致分成下面几部分： 使用AI面对和解决的问题是什么 AI带来的曙光 使用了哪些技术，效果是怎么样的 未来展望 UI自动化测试的问题 从业务角度看自动化测试，看到的东西仅仅是冰山浮在水面上的一小部分，而在自动化测试深入的过程中 AI带来的曙光 QTA所做的AI尝试 QTA是在SNG跑了很多年的自动化测试平台，已经接入了170个活跃的公司产品和项目。 QTAMetis就是为了解决控件识别和定位技术这一关键难题，而引入AI优化能力。 ? （传统自动化测试识别和定位） ? （传统UI自动化测试与Metis的区别） 可以看到，AI已经可以使自动化测试实现一个质的飞跃。 ? 但就像电动汽车尚未在马路上普及一样，在使用的时候还有若干个问题。
4.3K42发布于 2018-10-17 - 来自专栏AI SPPECH
测试过程智能管理：AI如何优化测试策略与执行
本文将深入探讨AI如何优化测试策略与执行，帮助测试工作者实现测试过程的智能管理，提升测试效率和质量，让测试工作更加精准、高效和智能化。 AI优势 智能决策、资源优化、效率提升、质量保障 你最期待AI解决哪方面的测试管理问题？ 学习路径 概念、方法、工具、实践、案例 准备好学习AI辅助测试过程智能管理了吗？ ： 测试管理挑战分布：策略制定(30%) | 资源分配(25%) | 执行监控(20%) | 结果分析(15%) | 持续改进(10%) 测试策略制定困难：难以根据项目特点、风险和需求制定最优的测试策略 1.3 AI在测试过程管理中的机遇 人工智能技术为解决传统测试过程管理的挑战提供了新的机遇： 用户 → 系统: 测试需求 → AI: 智能分析 → 系统 → 用户: 优化方案 智能决策支持：AI可以分析大量数据 总结: 技术应用(30%) + 数据驱动(25%) + 人机协作(20%) + 持续优化(15%) + 团队赋能(10%) 作为测试工作者，我们需要不断学习和适应新技术，提升自己在AI测试过程管理方面的能力
48810编辑于 2025-11-13 - 来自专栏啄木鸟软件测试
2026智能回归测试：AI驱动的精准防御
而2026年，这一困局正被一场静默却深刻的变革所改写——以大模型理解力、实时代码语义图谱与轻量化边缘推理为底座的‘智能回归测试’（Intelligent Regression Testing, IRT） 二、关键技术突破：让AI真正‘懂代码、知业务、会决策’ 2026年IRT并非简单叠加LLM，而是实现三大硬核融合： - 代码表征与业务语义对齐：微软新发布的CodeGraph-IR框架，将AST节点与领域本体 ’（执行用例数/变更影响节点数），某车企智能座舱团队采用该指标后，Sprint末期紧急Hotfix减少67%； - 建立‘人机仲裁机制’：当IRT建议跳过某用例而资深QA坚持保留时，系统自动触发‘差异分析看板 结语：回归测试的终极形态，是让‘回归’本身消失 2026年的智能回归测试，正在消解‘回归’这个术语的原始含义——它不再意味着‘重复验证旧功能’，而是‘实时映射变更脉冲，瞬时激活精准防护’。 而测试工程师，则从用例编写者，进化为质量策略架构师、AI训练教练与业务风险翻译官——这才是技术深度解析背后，最值得奔赴的人本价值。 （全文约2050字）
18710编辑于 2026-03-31 - 来自专栏测试开发技术
推荐10款顶级AI测试工具（二）：Appvance
在上一期《推荐10款顶级AI测试工具（一）》中，我们介绍了一款聚焦功能覆盖与自动化效率的工具。 今天，我们将介绍一款真正将AI“思维”融入测试全流程的产品——Appvance IQ。 它不仅是工具，更像一位能自主理解业务逻辑、动态生成策略的“测试专家”，重新定义了智能测试的边界。 一、为什么需要“更聪明”的测试工具？ 二、Appvance IQ：用AI重构测试全生命周期 Appvance IQ是Appvance公司推出的一款AI智能测试平台，其核心是通过“生成式AI+业务语义理解”，实现从用例设计到执行分析的全流程自动化 智能测试执行 支持并行执行上万条测试用例，自动分配计算资源，并根据应用特性动态调整测试优先级。 4. Appvance IQ用AI重新定义了测试的可能性——它或许不能完全替代测试工程师，但一定能成为团队中最懂软件、最高效的“智能搭档”。
1.2K10编辑于 2025-11-17 - 来自专栏测试开发技术
推荐10款顶级AI测试工具（一）：Testsigma
今天起，我们将推出「推荐10款顶级AI测试工具」系列，首期聚焦的主角是——Testsigma：一个以“让每个人都能做自动化测试”为使命，深度融合AI能力的测试平台。 ，需手动修改大量脚本，回归测试效率低； 协作效率低：开发、测试、产品因工具链不同步，需求理解偏差常导致漏测； AI能力弱：传统工具缺乏智能分析、自愈能力，重复性工作仍依赖人工。 UI元素变动，智能修复定位路径；通过机器学习分析历史测试数据，预测高风险用例； 全流程覆盖：支持Web、移动端（Android/iOS）、API等多类型测试，兼容CI/CD流水线； 团队协作友好：测试用例可共享 平台会自动解析语义，关联对应的UI元素（通过智能元素定位），生成稳定的测试流程。即使是非技术背景的产品经理或业务分析师，也能快速上手编写核心业务流程的测试用例。 2. Testsigma通过AI能力大幅降低了这种维护成本： 智能元素识别： 平台会自动学习页面元素的上下文（如“登录按钮”通常位于表单右下角、文本为“Login”），而非依赖固定的XPath或ID； 自愈机制
3.6K10编辑于 2025-11-17 - 来自专栏新智元
【智能医疗】值得关注的10家医疗 AI 公司
【新智元导读】医疗AI越来越成熟，有了越来越多的落地，显示出变革传统医疗行业的潜力。本文介绍了综合护理、制药、心脏病、医疗成像等领域值得关注的10家医疗AI公司。 这个市场正在进入高速增长阶段，让我们来看看2017年具有变革潜力的10家医疗 AI 公司。 综合护理 Babylon Health 将医生与 AI 联系起来，通过智能手机提供全天候的个性化健康护理体验。 Arterys 将智能分析与 MRI 相结合，对通过动脉的血流量进行可视化和量化的分析。分析数据在云上处理，并在10分钟内生成完整的报告。 原文地址：http://www.huffingtonpost.com/entry/10-ai-health-care-companies-to-follow-in-2017_us_58f60893e4b0156697225286
2.9K90发布于 2018-03-28 - 来自专栏测试开发社区
【AI测试】也许这有你想知道的人工智能 (AI) 测试--第二篇
测试执行 如果执行测试？ 可以准备好测试数据，然后批量运行数据后，人工来对比测试结果和预期结果。再计算评价指标。 测试工具 会用到什么测试工具吗 pycharm python excel 测试用例 人工智能 (AI) 测试 或者说是 算法测试，个人认为主要做的有三件事。 如APP的账号登录注册功能，写测试用例也是操作步骤，预期结果，实际结果等。 只有预先知道这样的操作，产生的预期结果是啥，才能知道这是不是Bug。 AI（人工智能）测试也是一样。 （这块以后有时间再写） AI（人工智能）测试是计算测试集运行的测试结果和测试集的标注结果，得出评价指标来衡量算法的泛化能力。 算法运行得到算法结果之后，就需要做结果数据分析了。 测试报告 测试结果最终通过测试报告展现，一份详见的测试报告，可以让别人清晰的了解测试什么，怎么测试的，测试结果是怎么样。 最后附一个用pyecharts画的图。 ?
1.5K20发布于 2019-09-25 - 来自专栏测试开发技术
AI 测试全体系详解：自动化测试框架 + 智能缺陷检测 + AB 测试优化
前言 人工智能技术的深度落地，彻底重构了软件测试的行业生态，传统手工测试、标准化自动化测试的效率瓶颈被打破，AI 与测试领域的融合催生出三大核心应用方向：AI 驱动的自动化测试框架、AI 智能缺陷检测、 一、AI 驱动的自动化测试框架 从脚本化到智能化，重构自动化测试核心逻辑 1.1 传统自动化测试框架的核心痛点 传统自动化测试本质是 「人工编写脚本 + 固定规则执行 + 预期结果硬编码」，在企业级项目落地中存在无法规避的致命痛点 AI 智能方案生成：自动生成10+优化版本方案 2. AI 动态流量分配：实时动态调整流量分配比例 3. AI 样本量智能判定：自动计算最小样本量、最短测试周期 4. AI 赋能的 A/B 测试 业务价值提升 方案设计数量 2-3个版本 10+个版本 找到最优方案概率提升80% 流量分配 固定比例 动态调整 业务损失降低70% 样本量判定 人工经验 AI自动计算 测试周期缩短 AI 智能缺陷检测 质量保障核心 精准识别所有缺陷，定位根因 AI A/B 测试优化 业务价值闭环 通过智能测试找到最优产品方案 三者共同构建了「技术质量保障→产品体验优化→业务价值提升」的完整闭环
2.1K11编辑于 2026-03-05 - 来自专栏AI SPPECH
AI驱动的安全测试：智能漏洞检测与防护
人工智能技术的发展为安全测试带来了新的机遇。AI驱动的安全测试通过整合AI技术，能够实现智能漏洞检测、自动安全分析和动态防护策略，显著提升安全测试的效率和效果。 AI优势 智能检测/自动分析/动态防护/高效响应/降低依赖 你最期待AI解决哪方面的安全测试问题？ 学习路径 概念、原理、应用、框架、实践、未来 准备好学习AI驱动的安全测试了吗？ 目录 目录 ├── 第一章：安全测试的基本概念与挑战 ├── 第二章：AI在漏洞智能检测中的应用 ├── 第三章：AI在安全风险智能分析中的应用 ├── 第四章：AI在防护策略智能生成中的应用 ├── 传统安全测试面临的最大挑战是什么？ 第二章：AI在漏洞智能检测中的应用 2.1 漏洞智能检测的基本原理 漏洞智能检测是指利用AI技术，自动识别和检测软件系统中的安全漏洞。 -10年）：掌握AI驱动的安全测试技术，领导安全测试团队，参与安全测试框架和工具的设计和开发 专家阶段（10年以上）：在特定安全测试领域有深入研究和贡献，参与行业标准和规范的制定，推动安全测试技术的创新和发展
43610编辑于 2025-11-13 - 来自专栏AI SPPECH
AI重塑渗透测试：智能用例生成新未来
本文将深入探讨AI如何生成自动化渗透测试用例，从技术原理到实战应用，为渗透测试工程师提供一份全面的智能用例生成指南。 AI生成渗透测试用例的技术原理 传统的渗透测试用例生成主要依赖于测试工程师的经验和手动编写，这种方法效率低下且容易遗漏。AI生成渗透测试用例通过以下原理实现自动化和智能化： 1. 智能测试用例生成：根据应用程序的特点和最新的攻击技术，自动生成高质量的测试用例。 自动测试执行：通过自动化工具和脚本，自动执行生成的测试用例。 在未来，随着全自动化测试流程、大语言模型的深度应用、漏洞情报与AI的结合以及量子计算技术的发展，AI驱动的渗透测试将变得更加智能、高效和全面，为企业的网络安全提供更坚实的保障。 AI and Machine Learning Security Top 10. https://owasp.org/ Palo Alto Networks. (2024).
59211编辑于 2025-11-13 - 来自专栏Keegan小钢
AI+Web3实战营日志 #10 | 测试网发布
这是我的 AI + Web3 实战营 的第 10 篇研发日志，前 9 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 AI+Web3实战营日志 #7 | 完成Core合约测试 AI+Web3实战营日志 #8 | 重构ETFRouterV1 AI+Web3实战营日志 #9 | 完成第二个里程碑 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？ AI+Web3实战营，9月15日正式开营 成果 我们的链上 ETF 产品「BlockETF」，终于迎来了第三个里程碑——测试网正式发布！
38710编辑于 2025-11-12 - 来自专栏软件测试
基于AI的智能自动化测试架构实践
本文系统性地提出了一套面向复杂业务场景的云原生AI自动化测试架构(AITP，AI-poweredTestingPlatform)，该架构深度融合了AI能力与测试工程实践，在测试设计、执行、分析全生命周期中实现智能化升级 而AI技术的成熟，恰好为实现这一转型提供了可行路径。1.3AI技术为测试带来的机遇人工智能技术在近年来取得了突破性进展，这些进展为测试领域带来了全新的可能性。 2.2架构设计理念AITP架构的设计遵循“分层自治+AI驱动”的总体思想，旨在构建一个能够自适应、自学习、自演进的智能测试体系。其核心设计理念包括以下几方面。 智能化贯穿全流程：将AI能力深度融入测试的设计、执行、分析全生命周期，而非仅作为辅助工具。每个环节都具备智能决策能力。 2.3AITP分层架构体系图2-1AITP智能测试平台分层架构图AITP采用清晰的分层架构，每一层都有明确的职责和AI能力集成点。下面详细阐述各层设计汇总，如表2-2所示。
1.9K12编辑于 2025-12-09 - 来自专栏AI SPPECH
智能测试自动化：AI驱动的测试脚本生成与优化
AI驱动的测试自动化通过AI技术的应用，不仅可以自动生成和优化测试脚本，还可以智能地选择测试用例、识别测试环境问题、分析测试结果，大大提高了测试自动化的效率和效果。 AI优势 智能生成/自动优化/精准选择/高效分析 你最期待AI解决哪方面的测试自动化问题？ 学习路径 概念、方法、工具、实践、案例 准备好学习AI驱动的测试脚本生成与优化了吗？ 端到端测试、智能分析、预测 综合测试自动化 Mabl 低代码AI测试自动化 自修复、自适应、智能分析 敏捷团队测试自动化 Functionize AI驱动的测试自动化 自然语言测试、自修复、智能分析 可视化、自修复、智能分析 敏捷团队测试自动化 Tricentis Tosca AI驱动的测试自动化平台 模型化测试、智能分析、风险覆盖 企业级测试自动化 Ranorex 自动化测试工具 AI辅助、跨平台 总结: 技术应用(30%) + 数据驱动(25%) + 智能优化(20%) + 持续改进(15%) + 人才培养(10%) 作为测试工作者，我们需要不断学习和适应新技术，提升自己在AI驱动测试自动化方面的能力
1.1K11编辑于 2025-11-13 - 来自专栏网罗开发
AI+自动化测试：如何让测试编写效率提升10倍？
摘要软件开发中，自动化测试是保障质量的重要环节，但编写测试用例不仅费时费力，还很难确保覆盖到所有关键场景。AI 的加入正在改变这一现状，让测试用例的生成更加智能化，帮助开发者更高效地完成测试工作。 这些问题直接影响了开发效率和软件质量，而 AI 恰好能在这些方面提供帮助。AI 如何优化自动化测试？AI 主要可以从三个方面帮助自动化测试：自动生成测试代码——减少人工编写的时间，提高覆盖率。 智能分析代码逻辑——找到可能的边界情况和异常处理点，补充测试用例。优化 UI 测试——让测试代码更适应变化，提高稳定性。下面我们结合具体场景，看看 AI 在不同测试环节的应用。 以往，UI 测试很容易失效，现在 AI 能让测试更智能化，适应界面变化。虽然 AI 不能完全取代人工测试，但它能成为强大的辅助工具，帮助团队更快、更全面地完成测试工作。 未来，随着 AI 进一步发展，测试将变得更加智能化，甚至可能实现完全自动化的端到端测试。
1.4K20编辑于 2025-04-03 - 来自专栏AI SPPECH
智能测试数据分析：AI如何从测试结果中挖掘洞察
第二章：AI驱动测试数据分析的原理与方法 2.1 AI驱动测试数据分析的基本概念 AI驱动测试数据分析是指利用人工智能技术，特别是机器学习和深度学习技术，辅助或自动化测试数据分析的过程，以提升数据分析的效率和效果 Analytics AI驱动的测试分析 智能洞察、自动报告 测试结果分析 Applitools Eyes Analytics 视觉AI分析 像素级比较、智能报告 视觉测试分析 TestRail 测试管理与分析 数据可视化与分析 交互式仪表板、高级可视化 测试数据可视化分析 Power BI 商业智能与分析 数据分析、可视化报告 测试数据分析报告 7.2 工具选择策略 选择AI驱动测试数据分析工具时，需要考虑以下因素 AI驱动测试数据分析的价值分布: 效率提升(30%) | 洞察发现(25%) | 风险识别(20%) | 质量提升(15%) | 成本降低(10%) 实施AI驱动测试数据分析需要明确目标、建立数据治理机制 随着AI技术的不断发展，测试数据分析将变得更加智能化、自动化和实时化，为软件质量保障提供更强大的支持。
45010编辑于 2025-11-13 - 来自专栏从头开始学习测试开发
OpenClaw 测试技能库大揭秘：10+ 个开源 AI Skill 如何让你的测试效率飙升 10 倍？
本文将带你逐个拆解其中 12 个高价值测试 Skill，按 “用例生成 → 缺陷发现 → 智能修复 → 质量左移” 四大作用域分类详解，并提供可立即落地的配置指南，助你打造属于自己的“私有 AI 测试军团 在 AI IDE（如 Cursor、Windsurf）普及的今天，测试工程师常面临一个尴尬：通用 AI 能写单元测试，却搞不定复杂的 E2E 场景。 /PRD_v2.pdf 价值：将需求评审到用例设计的时间从 1 天缩短至 10 分钟。 三、智能修复：失败不是终点，而是优化起点 这是最能体现“AI 原生”价值的一类：自动诊断并修复测试问题。 10. git_diff_tester —— 基于代码变更生成测试 作用：分析 git diff，为修改的函数/组件生成针对性测试。 原理： 提取变更的文件与行号。 调用 LLM 理解变更逻辑。
1.1K12编辑于 2026-03-31 - 来自专栏AI SPPECH
AI辅助测试自动化框架设计：构建智能、高效的测试体系
├── 第五章：AI在测试数据智能管理中的应用 ├── 第六章：AI在测试执行智能优化中的应用 ├── 第七章：AI在测试结果智能分析中的应用 └── 第八章：实践案例与未来发展 第一章：测试自动化框架的演进与挑战 | 覆盖率不足(15%) | 技术门槛高(10%) 维护成本高：测试脚本需要频繁更新以适应应用变化，维护成本高昂 适应性差：难以快速适应应用的变化，尤其是UI和业务逻辑的变化 智能化程度低：缺乏智能分析和决策能力 AI辅助测试自动化框架 = 传统测试自动化框架 + AI技术 + 智能决策系统 + 自适应机制 AI辅助测试自动化框架的主要特点包括： 智能化：利用AI技术实现测试的智能生成、执行和分析 自适应：能够自动适应应用的变化 第六章：AI在测试执行智能优化中的应用 6.1 测试执行环境智能管理 AI在测试执行环境智能管理中的应用主要包括： 应用场景 描述 AI技术 价值 环境需求智能预测 智能预测测试环境需求 需求预测、机器学习 第七章：AI在测试结果智能分析中的应用 7.1 测试结果智能分析与可视化 AI在测试结果智能分析与可视化中的应用主要包括： 应用场景 描述 AI技术 价值 测试结果自动汇总 自动汇总测试执行结果 结果汇总
1.3K10编辑于 2025-11-13 - 来自专栏悦思悦读
AI 入行那些事儿（10）人工智能的应用领域
2021 巨献 —— 系列文章《AI 入行那些事儿》，为您讲述： 人工智能的基础原理、发展历程、当前应用 成为 AI 技术人员所需的入门技能和学习途径 以及求职、面试的全过程 目前真正实用的人工智能产品主要集中在图像处理 像具有语音搜索功能的搜索引擎以及一些可以使用语音指令的程序就会用到语音识别技术，导航系统用真人声音来指路就用到了语音合成技术，而现在流行的AI音箱，同时用到了语音识别和语音合成的技术。 ? 微软公司曾经进行过一个通过深度学习来做阅读理解的挑战，在这个挑战中，人工智能的阅读理解能力能够在一个数据集的基础上和人类的能力不相上下。 自动驾驶领域近年非常热门，和人工智能相关的爆点新闻多半都和自动驾驶有关。 物联网（IOT：Internet of Things）在发展早期只能进行数据收集，但在结合了人工智能之后，就能进行有深度的数据分析，也可以进一步和其它业务结合，开发出很多新的功能，这也是当前和人工智能相关的一个新尝试
77520发布于 2021-04-12
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