- 综合排序
- 最热优先
- 最新优先
- 来自专栏测试开发干货
接口测试平台194： 并发报告（10）
目前长这样： 说到扇形图，我们可以利用我们接口测试平台主页的那个小扇形图，不知道大家还有没有印象？ 所以我们这里也可以使用一下了。 欢迎大家提供宝贵建议，该平台将作为启蒙测试平台，永久的更新技术和需求，大家可一定要追哦~
33030编辑于 2022-05-20 - 来自专栏Lauren的FPGA
第10讲 描述高效的C测试平台：测试激励
ug902(v2018.1) High-Level Synthesis User Guide page 32 - page 37
51610发布于 2019-10-31 - 来自专栏测试开发技术
2025 年颠覆测试行业的 10 大 AI 自动化测试工具平台（上篇）
各位看官，等着急了吧，之前有粉丝后台留言，想了解学习一下，AI这么火爆，那市面上AI与自动化测试结合起来的的工具/平台有哪些值得学习的。 今天就这个话题来聊一聊。 手动编写脚本效率低、用例覆盖率不足、跨平台兼容性差等传统自动化测试痛点，也正被AI技术逐一击破。 接下来，本文将为您详细介绍 2025年备受瞩目的 10 大 AI 自动化测试工具。 篇幅较长，本文先介绍值得学习的前5款AI测试工具/平台 (文末有惊喜) 1. Testim.ai 一款 AI 驱动的自动化测试平台，专注于加速应用程序的测试流程，保障软件质量。它支持 Web 应用、移动应用及 API 等多类型应用的测试。 Testsigma 一款低代码的 AI 测试自动化平台，降低了自动化测试的技术门槛，让更多人员能够参与到自动化测试工作中。
3.5K20编辑于 2025-03-29 - 来自专栏测试开发干货
(简易)测试数据构造平台: 10 (首页-菜单)
这里自然放的都是一些菜单，在elementUI中的菜单其实很简单，代码如下：
42510编辑于 2022-07-07 - 来自专栏测试开发干货
接口测试平台代码实现10：菜单页面升级
留言板小程序成功加载进来，点击可进入该系列的留言板： 接口测试平台交流板 在介绍项目列表之前，先让我们热热身，做一个各个页面都会出现的 右上角返回主页按钮，这里会学习到一些css属性和js的使用。 那么我们给其他人分享的平台地址应该是：你的ip:8000/home/ 在我们之后的旅途中，会生产很多页面和功能。那么使用者如何返回主页呢？
2.3K30编辑于 2022-05-19 - 来自专栏测试开发干货
接口测试平台代码实现114:登录态接口-10
我们先去models.py中增加该字段：注意是DB_step类 然后去运行那俩句同步命令： 让我们先搞定简单的初始化js函数，加入了这句，默认为no 然后是展示的： 当然此时我们还不能进行测试 然后我们去views.py中： 到这，理论上我们做完了，现在来测试一下 保存，展开等 功能全部正常。 下一节，我们要开始搞定运行大用例的相关实现。
39550编辑于 2022-05-19 - 来自专栏测试开发干货
接口测试平台代码实现131: 全局变量-10
之后我们的用例库用例调试/异常测试/用例库用例执行等全都要调用它～ 具体代码如下： # 替换全局变量 def global_datas_replace(project_id:str,s:str) -> 然后我们去views.py中顶部 引入这个方法： 然后我们先来测试下url替换好不好使 注意上图中，我利用api_id 找出了project_id,然后 给ts_url进行替换并打印。 再去做好俩个变量组： 然后弄个简单的测试接口，我们只测试url就可以了： 其中加入了俩个变量。然后请求看看效果： 可以看到，url替换是成功了。
42720编辑于 2022-05-19 - 来自专栏AI科技大本营的专栏
你的 AI 算法模型安全吗？来 AI 安全测试基准平台测试下
AI 模型攻防“标尺” AI 安全基准平台基于清华大学在 2020 年GitHub 开源的 ARES 算法库，提供模型攻击与防御的排行榜。 安全性对抗稳健性评估 ARES 库，是一个用于对抗性机器学习研究的 Python 库，专注于对图像分类的对抗性稳健性进行基准测试。 曾在完整的威胁模型下使用 15 次攻击和 16 次防御对对抗性稳健性进行了基准测试。 谈及 AI 安全基准平台的研发初衷，据官方表示，由于攻击算法是经常变化的，需要考虑模型在多种攻击算法下和更强的攻击下的防御能力，如果只在一种攻击算法下进行测试的话，不够全面。 由于该基准评测平台不是专属于某一家机构或者公司搭建的平台，需要大家共同参与，一起将它打造为更全面、权威的 AI 安全评估平台。
91220编辑于 2023-05-08 - 来自专栏测试开发干货
接口测试平台设计思路-10:成品总览-白盒模块
白盒测试平台的开发，我们要首先思考四件事： 我们对白盒测试手动测试到底会还是不会。 我们要做几种开发语言代码的测试 重点是主要用来管理-运行-报告，还是用来自动生成相关用例 这个事情到底值不值的去做，收益怎样 这里我就不再进行讨论这些了，各个公司和组内情况不一样。 就展示下我这里的吧：展示3种语言 的demo 这里进行设置目标待测函数 这里是手动设置各个测试用例的输入，偏于管理 执行用例和结果 关于python ，开发了自动生成白盒用例的技术。 （图片不是真实正确数据） 现在这个小平台，作为我们的技术储备，尚且活在实验室里。
35020编辑于 2022-05-18 - 来自专栏软件开发工具大盘点
主流的10款测试用例管理平台哪个好用
5.TestMonitor TestMonitor是一个专为软件测试人员设计的测试管理平台，帮助团队减少行政任务，专注于实际测试活动。它非常适合需要一个安全、端到端测试管理平台的团队。 6.PractiTest PractiTest是一款综合性的测试管理工具，以其AI优化功能和高安全性而闻名，适用于需要详细报告和安全合规的QA团队。 该工具提供全面的QA管理，支持手动和自动测试，并集成缺陷跟踪。其核心功能包括测试管理、内置缺陷跟踪、AI优化和安全认证（如SOC 2和ISO 27001）。 10.Tarantula Tarantula是一款专为敏捷项目设计的开源测试管理工具，适合小型到中型团队。该工具提供直观的仪表盘和报告功能，帮助管理测试进度。 此外，一些平台还允许企业将测试数据存储在本地服务器上，以进一步增强数据安全性。 Q2: 这些平台支持哪些类型的测试？
2.1K00编辑于 2024-06-13 - 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。 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 最终生成的测试计划会优先覆盖高风险、高价值场景，确保有限的测试时间投入产出比最大化。 三、核心功能解析 Appvance AIQ平台的四大核心模块，形成了从测试设计到结果分析的闭环智能化： 1. 无代码测试设计 通过可视化界面，测试工程师无需编写代码即可创建复杂场景的测试脚本。对于Salesforce等低代码平台开发的应用，支持快速生成定制化测试方案，实现“开发即测试”的左移策略。 3. 在快捷导航免费教程菜单中，还上架了许多AI开发、AI测试相关的资料，限时免费取。 五、为什么说Appvance代表了AI测试的未来方向？
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。 Testsigma是一款基于云的AI驱动的自动化测试平台，，目标是“让自动化测试像写英文句子一样简单”。 测试人员只需通过类似英语的语法结构描述测试步骤（支持中文等多种语言），平台会自动将其转换为可执行的自动化脚本。 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 - 来自专栏老张的求知思考世界
基于四大AI交互协议的AI测试平台架构
在半个月前联合融管理社区的《践行者》直播中，我曾分享过这样一个观点：基于Function Calling、MCP、A2A和AG-UI，我们可以推动服务于测试工作的全流程AI应用。 因此我们可以得到这样一个明确的范围，即：当前阶段AI在研发测试领域落地，有如下几个确定性较强的应用场景： 测试用例生成：特别是基于历史迭代版本的主流程回归测试用例diff； 测试数据生成：因为业务最小粒度对应的数据 、线上监控、线上发布变更(表结构变更-SQL)，同样具有明确的预期目标和结果； 2、基于上述确定性较强的几个场景，我们可以借助四大AI交互协议来构建全流程的测试平台，思路如下： Function Calling 之间的通信，比如用例生成Agent、数据生成Agent、测试脚本生成Agent之间相互协作； AG-UI：实现后台服务(从大模型到Agent再到具体功能点)和前台的交互，最终构建为一个完善的AI全流程测试平台 ； 3、基于上述第二部分的思路，我们可以实现这样一个AI全流程测试平台，具体的功能和工程结构如下：
43810编辑于 2025-06-08 - 来自专栏老张的求知思考世界
AI驱动的全链路测试平台实战案例
回到主题，自信的说，我们的AI测试平台能力在行业里面处于前列，设计开发维护平台的同学都是头部互联网公司，是行业的拓荒者，下面介绍AI测试进阶训练营价值，不喜欢付费训练的可以划走。 全源码平台集成交付，拒绝理论，拒绝零散式插件脚本堆砌，偷换概念。 每节课都基于真实企业级项目拆解。 全套课程直播并录制（AI测试全流程讲解）。 完整项目源码库（持续更新）。 传统测试平台转型，老的测试平台加简单调用大模型的API，美其名曰AI智测平台。 2. 传统培训加上少部分的AI课时，且都是脚本级别的轻量级实践（相当于我们免费送的水平）变成AI测试训练营。 3. AI生成测试用例 全流程AI赋能，标准化与灵活性兼具，实现从需求到用例的高效闭环，全面提升测试质量与效率。 需求输入灵活：支持直接输入文本或从需求管理平台精准选取，并可补充场景信息，完善业务上下文。 安全可靠测试体系 • 全流程可追溯：从需求关联到测试执行，每一步操作均可审计 •支持私有化部署：平台支持本地部署，支持接入私有化大模型，充分保障数据安全 五.周期和适合人群 上课周期持续3.5-4个月
1.2K11编辑于 2025-10-10 - 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 - 来自专栏网罗开发
AI+自动化测试：如何让测试编写效率提升10倍？
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。 AI 生成单元测试：减少重复工作，提高覆盖率传统方法 VS AI 方法过去，编写单元测试需要开发人员手动分析代码逻辑，写出各种输入输出组合，费时又容易遗漏。 自动适应界面变化传统方法 VS AI 方法UI 自动化测试最头疼的就是界面一变，测试脚本就失效。AI 可以自动调整选择器策略，提高测试脚本的稳定性。 总结以前，写测试是个费时费力的工作，现在 AI 可以自动生成代码，大幅提高效率。过去，测试覆盖率难以保证，现在 AI 能自动补全边界测试，减少遗漏。 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。
1.4K20编辑于 2025-04-03 - 来自专栏FunTester
测试平台化
测试平台化刚好可以解决该问题，帮助团队跨过这个鸿沟，迈入高效团队的阵营。 在绝大分团队中，有负责工具组的团队，团队成员会为整个持续测试提供测试工具从而实现测试平台化。 如果团队中没有专门负责测试平台的人，那么在代码扫描部分可以使用SonarQube，在接口自动化测试平台部分可以使用Yapi，单元测试和UI自动化部分目前没有成熟的开源解决方案，使用SonarQube代码扫描平台 、Yapi接口测试平台至少能够满足测试平台化的基础需求。 推行测试平台化不再需要兼顾各种技术栈，只需要按照自己设计测试平台的技术栈在团队内进行提升就可以。 降低高级测试技能的学习成本。 对于测试行业中的高级测试类型（如性能测试），通过测试平台化降低学习成本，让所有人都可以完成。 ... ...
53430编辑于 2023-08-04 - 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？
“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。 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。 最重要的是，一切都在你的掌控之中——数据不出本地，逻辑透明可审计，完全规避了 SaaS 平台的数据隐私风险。
1.1K12编辑于 2026-03-31 - 来自专栏小雨的CSDN
10.性能测试
什么时候进行性能测试？ 在功能测试完成，所有的功能都比较稳定的时候，才可以做功能测试，一般在测试的中后期执行 性能测试术语 1.并发数： 广义并发数：同一时刻向服务器发送Http请求的用户数量；（有可能不是同一个功能） 在线用户数 性能测试类型 1.负载测试： （运行15min左右） 并发测试：在一定的软硬件环境下，系统的其他指标不变，测试系统在不同用户量访问级别下，系统性能的表现 容量测试：在一定的软硬件环境下，系统的其他指标不变 ，测试系统数据库数据量在不同的级别下，系统性能的表现 2.压力测试： 高于系统的最高负载，去运行系统，查看系统的表现 3.可靠性测试（疲劳测试）: 低于系统的最高负载，去运行系统，查看系统的表现 4.配置测试 ，比较每次测试结果，从而确定各个因素对系统性能的影响。
43010编辑于 2022-10-26 - 来自专栏CKL的思考空间
测试10问-下
话接上回（测试基础10问-上），继续问答之旅，答案是什么并不重要，重要的是引发一些思考。学问学问，边学边问。 06 测试是否需要过早的参与产品需求讨论？ 很多测试人员会以挖掘出一个经过N个步骤（N大于10之类的），才会出现的缺陷为荣。个人并不是很认可这种观点。从用户的操作行为来看，可能永远无法发现这类问题。 10 测试有没有钱途 这个问题本来想放在第一问的，毕竟是大家最关注的问题。但个人觉的这也不是个问题。 测试的天花板也没有你们想的那么低。没事多看看招聘信息，多和行业高手互动。测试还是大有可为的。 10问聊完，大家对测试是否有新的认知呢？ 在整理这10问题的时候，自己也做了更多的思考，测试这份职业还是比较好玩的。个人从事测试10多年，还是热爱这个行业的。测试相关的问题，欢迎沟通交流。 END 标星、点赞、关注三连走起，感谢支持。
35220编辑于 2023-02-01
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