- 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。 系统测试主要包括以下三个方面： 1、项目的整体业务流程 2、真实用户的使用场景 3、数据的流动与正确 4. 接口测试 接口测试是测试系统组件间接口的一种测试。 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. (西瓜书中描述 常见的做法是将大约 2/3 ~ 4/5 的样本数据用于训练，剩余样本用于测试） 或者 6：2 : 2 训练数据，验证数据和测试数据。
1.2K20发布于 2019-09-25 - 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. ，因为mabl平台中的默认等待是智能等待，一般mabl在云上进行自动化UI测试的过程中因为要操作大量的交互元素，所以默认的智能等待能够通过跟踪应用程序预期计时的历史数据来实现此目的。
73820编辑于 2023-10-18 - 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。 ? 2 自动化测试同质元素识别障碍 第二个例子是一个闹钟应用的界面，但是在控件树上看起来，却因为区分不出内容，而只能把每一个时间元素同等对待。工具没有好办法来识别哪一个条目是北京的闹钟。 ? 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。 11月2-3日，DOIS 2018 · 深圳站！ 腾讯敏捷研发、工蜂、专用云 3 位大咖与您分享 DevOps 落地的方法！ ? ? 点击阅读原文，提前预定11月2-3日 DOIS 2018 · 深圳
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 2 自动化测试同质元素识别障碍 第二个例子是一个闹钟应用的界面，但是在控件树上看起来，却因为区分不出内容，而只能把每一个时间元素同等对待。工具没有好办法来识别哪一个条目是北京的闹钟。 ? 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） ?
4.3K42发布于 2018-10-17 - 来自专栏Go语言学习专栏
2 - AI 应用开发 - AI 超级智能体项目教程
2）对话型提示词（Conversational Prompts）：模拟自然对话，以问答形式与 AI 模型交互。 你认为人工智能会在未来取代人类工作吗？ 请提供一个社交媒体营销计划，针对一款新上市的智能手表。计划应包含: 1. 目标受众描述 2. 三个内容主题 3. 每个平台的内容类型建议 4. 未来3-5年可能的技术发展方向 2、边界测试 通过极限情况测试模型的能力边界，找出优化空间。 没有正确处理文件不存在的情况 2. 数据处理逻辑中存在边界条件错误 3. 代码注释不够详细 请重新生成代码，特别注意: 1. 添加完整的异常处理 2. 测试并确保所有边界条件 3. 在正式开发前，建议先通过 AI 大模型应用平台对提示词进行测试和调优，观察效果： 2、多轮对话实现 要实现具有 “记忆力” 的 AI 应用，让 AI 能够记住用户之前的对话内容并保持上下文连贯性，我们可以使用
40010编辑于 2026-03-17 - 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？ 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 、自我修复测试 自我修复、AI驱动的测试维护 Web应用测试、移动端测试 Applitools 视觉AI测试、智能测试管理 视觉AI、跨浏览器测试 UI测试、视觉回归测试 Mabl 智能自动化测试、持续测试 第七章：未来发展与技能培养 7.1 AI测试过程管理的发展趋势 AI测试过程管理的未来发展趋势主要包括： 中心: AI测试过程管理未来 ├── 趋势1: 全流程智能化 ├── 趋势2: 预测性测试 ├─
48710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） 某头部银行在支付核心模块升级中，该层将回归范围从全模块1,247个用例精准收敛至38个高风险路径用例，执行耗时下降92%； 2）运行时依赖拓扑层：通过字节码插桩+eBPF内核探针，在CI构建阶段自动生成 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 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。 有以下问题： 1，测试数据不规范，全都是单一化、类似的数据，数据分布不合理。 2，测试数据总量不足。不过这没办法，只有这么多。 2，科学计算错误 3，工程代码问题 4，模型效果差 科学计算即数值计算，是指应用计算机处理科学研究和工程技术中所遇到的数学计算问题。比如图像处理、机器学习、深度学习等很多领域都会用到科学计算。
1.5K20发布于 2019-09-25 Copy2AI智能聊天助手：重塑智能助手新范式
在数字化浪潮的汹涌冲击下，智能聊天助手早已不是新鲜事物，但真正能将“智能”二字深度融入并全方位赋能用户工作与生活的，Copy2AI智能聊天助手堪称佼佼者。 多平台无缝切换Copy2AI智能聊天助手兼容Windows、macOS、Linux等主流操作系统，无论用户身处何种设备环境，都能轻松使用。高度定制化高度定制化是Copy2AI智能聊天助手的又一亮点。 创意达人创意工作者可借助Copy2AI智能聊天助手的灵感中心与AI仿写功能，打破创作瓶颈。 学生群体学生党也能从Copy2AI智能聊天助手中受益良多。 在追求高效与便捷的数字化时代，Copy2AI智能聊天助手无疑是提升个人生产力、释放创意潜能的终极选择。官方网站http://copy2ai.com/chat.html
40410编辑于 2025-06-18- 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、 方案一：AI+Playwright 智能 Web 自动化测试 import time import cv2 import numpy as np from playwright.sync_api import 14、Vue3+Vant4框架 三、AI 赋能的 A/B 测试优化 从经验决策到数据智能决策 3.1 传统 A/B 测试的痛点 痛点 描述 方案设计低效 人工仅能设计2-3个测试版本 流量分配不合理 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 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 - 来自专栏网站源码分享
Paper2GUI&AI智能图片转漫画
AnimeGAB-GUI 智能图片转漫画工具 原图 & 效果 下载：https://www.aliyundrive.com/s/hcgdPEBWGy3 提取码: er47
36120编辑于 2023-04-19 - 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。 第七章：未来发展与技能培养 7.1 安全测试的发展趋势 随着AI技术的不断发展和安全威胁的不断演进，AI驱动的安全测试将呈现以下发展趋势： 趋势1：AI技术深度融合 → 趋势2：自动化与智能化增强 →
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. 2. 攻击模式学习与生成 AI系统通过学习大量的渗透测试案例和攻击技术，生成针对性的测试用例： 攻击知识库构建：收集和整理常见的攻击技术、漏洞类型和利用方法，构建攻击知识库。 每个应用系统的平均测试时间从2周缩短到3天，大幅提高了测试效率。 经验总结 数据质量是关键：高质量的训练数据和应用程序信息是AI系统成功的基础，需要建立完善的数据收集和管理机制。 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。
59111编辑于 2025-11-13 - 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。 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。 表2-2AITP各层的设计汇总表第一层：智能测试设计层职责从需求到测试用例的自动化生成与优化核心模块相关描述需求解析引擎输入：PRD文档、UI设计稿、接口文档、历史需求；技术：NLP(命名实体识别、关系抽取
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 第七章：未来发展与技能培养 7.1 AI驱动测试自动化的发展趋势 AI驱动测试自动化的未来发展趋势主要包括： 中心: AI驱动测试自动化未来 ├── 趋势1: 无代码/低代码测试平台 ├── 趋势2:
1.1K11编辑于 2025-11-13 - 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 使用预测模型预测测试结果和质量趋势 创建交互式仪表板，实时展示测试数据和分析结果 建立基于AI的异常检测和预警机制 提供智能报告和洞察，支持测试决策 实施过程： 需求分析 → 数据仓库建设 → 数据集成与处理 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。
44910编辑于 2025-11-13 - 来自专栏玉树芝兰
人工智能绘图应用 DALLE 2 开始公开测试了
前些日子，我给你介绍了 OpenAI DALLE 2 人工智能在线绘图应用。当时提到，我为了这个内测资格，等了 100 来天。很多小伙伴儿于是望而却步，觉得自己可没有那么好的耐心。 今天一早，我看到了 OpenAI 的新邮件，宣布了一个大消息 ——DALLE 2 开始 Open Beta 公开测试了。 这就意味着，要有更多的测试用户被纳入进来。而且排队等候时间会大幅缩减。 虽然是开放测试，也依然需要排队。这是链接，抓紧加入队列吧。 (https://labs.openai.com/waitlist) 愿你早日用上 DALLE 2 ，结合自己天马行空的想象力，绘制出心仪和令人咋舌的作品。 祝（人工智能）绘图愉快！ 延伸阅读 AI 帮我找卡片挺好，但能不能帮我创作出新的相关卡片啊？ 如何更高效用 Roam？
1.8K70编辑于 2023-01-18 - 来自专栏go 学习
测试2
func GetAllFiles(dirPth string) (files []string, err error) {
31460发布于 2020-09-30 - 来自专栏LYH测试专栏
测试2
经过过去几年的建设，我国的大中型城市都安装了很多监控摄像头，通过路段的感知，可以基于原有监控系统获取到道路的总体交通路况，通过这种车辆检测技术就可以为道路路况分析、交通大数据、交通规划等提供可靠的数据依据，这对于计算机在以前要做起来，成本是非常高的，现在就可以采用很低的成本做到，通过图象快速的感知。
36430发布于 2019-07-29 - 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 第二章：AI辅助测试自动化框架的核心概念与架构 2.1 AI辅助测试自动化框架的基本概念 AI辅助测试自动化框架是指将人工智能技术与传统测试自动化框架相结合，利用AI的感知、理解、学习和决策能力，实现测试自动化的智能化 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
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