- 综合排序
- 最热优先
- 最新优先
- 来自专栏陶士涵的菜地
多 AI 智能体系统- AI 智能体的 6 个关键要素
比如翻译任务，如果一个智能体一次翻译可能结果一般，但是如果分成多个智能体，先直译然后反思最后意译结果就好很多。 3. 使用工具 智能体有能力调用工具，并且能选择最适合当前任务的工具。 协作 通常对于复杂的任务，不是一个智能体在完成任务，而是多个智能体一起完成任务，那么在整个过程中，需要确保智能体之间能相互通信，比如一个智能体的输出可以作为下一个智能体的输入，比如有一个智能体专门负责调度根据中间结果调用不同的智能体 所以对于多智能体系统，还需要设计好工作流，确保智能体之间整体协作的通畅。 这种协作不仅是指智能体和智能体之间，也包含人和智能体之间的协作。 比如 Devin 这种复杂的 AI 软件工程师，在遇到一些解决不了的错误时，也需要人工干预。 5. 所以设定好防护栏，就能确保智能体能在正确的轨道上，如果出现故障可以及时干预，而不至于卡在某个任务上白白浪费 Tokens。 6.
72911编辑于 2024-05-28 - 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--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。 为避免在测试的过程中发现的缺陷是由于对文档的理解不准确，理解差异或是文档变更等原因引起的，文档测试也需要有足够的重视。 6. 性能测试 7. 白盒测试–代码静态检查 8. 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 - 来自专栏人工智能AI
AI人工智能6大应用场景
AI人工智能6大应用场景 01、AI农业场景 在农业场景，主要包括有作物管理、害虫和杂草处理、疾病管理、土壤管理、产量预测和管理等。 03、AI医疗场景 在医疗卫生场景，主要有疾病诊断预测、临床和患者护理。 除此之外近年来 AI 技术也在应用到新药研制场景中得到应用。主要使用到的 AI 技术为神经网络、专家系统等。主要涉及的用例是图像识别、分析推理、分类等。 04、AI网络金融场景 在网络金融场景，主要包括信用预测和评估，根据客户的历史交易数据、资金流动情况智能运营聊天机器人应答客户部分疑问，智能手续柜台满足客户部分需求。 主要涉及的 AI 技术有神经网络、演化算法、专家系统、分布式人工智能、机器视觉、决策网络等。主要涉及的用例是图像识别、推理分析等。
2.8K10编辑于 2024-05-21 - 来自专栏Go语言学习专栏
6 - MCP 协议 - AI 超级智能体项目教程
使 MCP 服务能够实现复杂的智能代理行为，同时保持用户对整个过程的控制和数据隐私保护。 如图，官方提供了很多现成的 MCP 服务： 让我们进入一个智能体应用，在左侧可以点击添加 MCP 服务，然后选择想要使用的 MCP 服务即可，比如使用高德地图 MCP 服务，提供地理信息查询等 12 spring-ai-mcp-client-spring-boot-starter</artifactId> <version>1.0.0-M6</version> </dependency> 2）在 5）测试运行。 6）跨平台兼容性：开发 MCP 服务时，应该考虑在 Windows、Linux 和 macOS 等不同操作系统上的兼容性。
49810编辑于 2026-03-17 - 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？ 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 # 准备测试用例数据 test_cases = pd.DataFrame({ 'test_case_id': [1, 2, 3, 4, 5, 6], 'defect_detection_rate 、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
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Keegan小钢
AI+Web3实战营日志 #6 | 开始合约测试
这是我的 AI + Web3 实战营的第六篇研发日志，前五篇如下： 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 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 前天完成了 BlockETF 的第一个里程碑目标——合约开发。之后，昨晚我们就开始进入 测试阶段。 在第一版中，初始化模块只有 6 个用例。
21510编辑于 2025-11-12 - 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、 固定比例分配，高风险版本可能导致业务损失 样本量不足/周期过长 判断测试结束的标准模糊 分析维度单一 无法挖掘指标之间的关联关系 无法预测结果 只能等待测试结束后统计结果 3.2 AI 赋能的 6 大核心能力 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 多维度深度分析：挖掘用户分层、行为路径、转化漏斗 5. AI 测试结果预测：提前预测测试最终结果 6. 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 - 来自专栏新智元
【调查】The State of AI：关于人工智能的 6 大真相
【新智元导读】柏林一家AI初创公司Explosion AI最近做了一份针对AI当前状态的调查（The State of AI），调查对象面向AI从业人员，调查的问题涵盖AI的方方面面，从AI企业当前的业务领域和发展状态 ，AI从业者当前的工作状态和对AI发展的看法等，可以比较全面地了解AI当前的发展状态及预测今后的发展方向。 柏林一家AI初创公司 ExplosionAI 最近做了一份针对 AI 当前状态的调查（The State of AI），调查对象面向AI从业人员，调查还未结束，有兴趣的朋友可以去填一下：https:// 下面是该调查的中期结果中得出的一些有意思的结论： AI正在被用于开拓全新业务领域 ? 我们期待AI在各个行业中的爆发。 AI的采用仍然非常初期 ? 编译来源：https://medium.com/swlh/a-sneak-peek-at-the-state-of-ai-2016-d5d079e0c4de#.ut8x8r6h5
90981发布于 2018-03-26 - 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。 智能化的攻击路径规划：基于应用程序的结构和防御机制，规划最优的攻击路径。 自适应测试策略：根据测试过程中的反馈，动态调整测试策略和用例生成方法。 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。 结论 AI驱动的安全测试是安全测试领域的重要发展方向，它通过整合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。
43610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 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。 在执行层面，通过智能调度和资源优化，回归测试时间由6小时缩短至2小时，环境准备时间也从30分钟降至5分钟，实现了随时随地按需启动测试，整体执行效率提升至原来的3倍。 AITP与传统测试方式关键指标对比，如表2-6所示。 表2-6AITP与传统测试方式关键指标对比表类别具体指标传统方式AITP方式提升幅度效率指标用例设计时间2天0.8天+60%脚本维护工时(每周)150小时82小时+45%回归测试时长6小时2小时+200%
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 结论 AI驱动的测试自动化代表了测试自动化的未来发展方向，它通过AI技术的应用，解决了传统测试自动化面临的诸多挑战，为测试团队提供了更智能、更高效的测试自动化方法。
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 预测性分析增强 ├── 趋势5: 自然语言交互 ├── 趋势6: 联邦学习与隐私保护 └── 趋势7: 可解释AI增强 实时分析与决策：AI技术将支持更实时的测试数据分析和决策，帮助测试团队更快地响应和处理问题 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 - 来自专栏效能提升
这 6 个测试 Skills，让 AI 成为你的 QA 搭档
下面就给大家分享6个我最近发现的超实用测试Skills。 比如你要测试一个有多个配置选项的功能，传统方式可能需要上百个测试用例。用这个Skill，它能智能生成一组优化过的测试用例，用20-30个用例就能达到成对覆盖的效果。 它会智能地分组错误，找出相同根因的测试，然后提出修复方案。比如你的测试套件有20个失败的测试，这个Skill会分析发现其中15个都是因为同一个API接口变更导致的。 它会把这些测试分组，提供统一的修复建议，而不是让你一个个去看。它采用的是智能错误分组策略，能识别出失败测试之间的关联性。这样可以避免重复工作，提高修复效率。对于维护大型测试套件的团队特别有用。 当测试失败时，不用再手动一个个排查，AI能帮你快速定位问题并提供修复方案。
7.7K24编辑于 2026-02-04 - 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 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 ├── 趋势6: 可解释AI增强 └── 趋势7: AI与DevOps深度融合 全流程自动化：从需求分析到测试设计、实现、执行、分析的全流程自动化 自适应测试：测试自动化框架能够自动适应应用和环境的变化
1.3K10编辑于 2025-11-13 - 来自专栏啄木鸟软件测试
接口测试第6讲：接口测试理论
实验代码： 链接：https://pan.baidu.com/s/14XsCng6laiSiT_anuwr5dw? 将DB下的4个csv文件导入sec数据库中 渗透测试操作系统虚拟机文件vmx文件 1）Windows 2000 Professional 链接：https://pan.baidu.com/s/13OSz pwd=zp3o 提取码：zp3o 4）Debian 6(Kali Linux) 链接：https://pan.baidu.com/s/1Uw6SXS8z_IxdkNpLr9y0zQ? pwd=s2i5 提取码：s2i5 开机密码：jerry/123456 安装了Apatche、Tomcat、MySQL、 vsftpd并且配套Web安全测试练习教案。 pwd=17g6 提取码：17g6 开机密码：见页面提示 解压后直接为vmx文件，直接可用
76110编辑于 2022-12-29
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