- 博客(505)
- 收藏
- 关注
RSS订阅原创 从UIPath到原生pywinauto：一键转换PO模式
本文介绍一套将pywinauto-recorder录制的UIPath脚本转换为纯原生pywinauto PO模式的完整方案。通过核心转换器recorder2pure_po.py，解析UIPath路径并生成无依赖的原生locator，输出可运行的Page对象与pytest用例。支持backend="uia"，适用于WPF/Qt等主流客户端。关键优势：去除了对recorder库的依赖，提升稳定性与可维护性。建议人工优化定位器，优先使用auto_id，增强断言与弹窗处理。可选升级方向包括递归层
2026-11-03 08:47:21
18
原创 大模型测试十大必杀技，企业落地首选
本文系统梳理大模型测试十大核心方向，涵盖基准评测、LLM-as-Judge自动评估、红队测试、幻觉与事实性验证、Agent工具调用、性能压测、模糊测试、行为漂移监控及RAG全链路测试，并强调人类偏好评估的黄金标准地位。聚焦工业落地优先级，推荐以LLM-as-Judge、自动化红队、Agent闭环评测和幻觉校验为四大热点技术，构建高效、安全、可持续的大模型测试体系。
2026-11-02 13:30:00
22
原创 pywinauto-recorder录制脚本一键转PO模式
pywinauto-recorder不原生支持PO模式，录制脚本为顺序式语法。通过recorder2po.py转换器提取UIPath，自动生成BasePage、Page类及pytest用例。结合base_page.py封装等待、点击、输入等操作，配合conftest.py fixture管理应用生命周期。使用流程：录制→复制脚本→运行转换器→微调命名与逻辑→执行测试。可扩展LLM实现语义命名、去冗余、生成Allure注释等优化。
2026-11-01 22:06:52
12
原创 录制工具选对了，自动化脚本才靠谱--AI辅助代码生成
本文系统梳理Windows自动化测试脚本生成方案：优先推荐开源工具pywinauto-recorder（Python+UIA），次选Appium+NovaWindowsDriver；C#可选KatalonStudio或自研录制器。强调必须基于UIA属性（如AutomationId）定位，禁用坐标/图像录制。录制脚本仅作草稿，需人工优化：添加等待、断言、PO封装与参数化。商用工具如Ranorex/TestComplete适合无代码团队。进阶可用AI辅助生成脚本。核心原则：录制提效，人工重构保稳定。
2026-11-01 21:57:56
13
原创 核心原理：借助微软原生 **UIA（UI Automation）无障碍树** 做自动化
不是截图对比、不是坐标点击；Windows 应用向外暴露一棵NameIsEnabledIsVisible、Value、Selection 等，自动化框架读取这棵树定位控件、调用控件模式（Invoke、Value、Selection 等）进行操作和校验Microsoft ...。✅ 优点：不受分辨率、DPI 缩放、窗口位置影响，稳定性远高于图像识别；❌ 前提：应用控件；DirectUI、Canvas 自研绘制控件、部分 Electron 打包程序可能不暴露 UIA，这时才降级图像 / OCR 兜底。
2026-11-01 21:53:06
50
原创 Python首选pywinauto，C#选FlaUI，避坑图像识别
优先选用UIA对象识别，确保稳定与低维护成本；仅当控件无法通过UIA获取时，才使用图像/OCR兜底。Python团队首选pywinauto，C#/.NET团队推荐FlaUI（支持WPF/WinUI3，活跃维护）；Appium生态可选NovaWindowsDriver替代已停更的WinAppDriver；图像方案如SikuliX/AirTest适用于特殊场景，但需警惕分辨率与DPI问题。避免过度依赖图像识别，高DPI环境需选支持感知的工具。
2026-11-01 21:48:29
139
原创 WEB UI自动化-完整可直接运行框架：Python + Pytest + Playwright + Allure
本文介绍一个基于Playwright与Pytest的Web自动化测试框架，支持录制代码直接接入、Allure报告、失败自动截图/录屏、多环境配置（yaml）、PO模式及无头/有头浏览器切换。通过pytest.ini和conftest.py实现环境动态加载、日志记录与用例管理，目录结构清晰，开箱即用。使用时仅需复制文件夹、安装依赖、指定环境运行即可，适用于快速调试与长期维护。
2026-11-01 21:25:10
287
原创 开源 AI 赋能测试技术架构方案
适配 DevOps/CI 流水线，适合 QA、测试开发团队落地。设计思路：分层解耦，AI 能力作为能力插件嵌入原有测试体系，不推翻现有测试资产；支持私有化部署，数据不出内网。
2026-10-24 14:01:54
569
原创 测试架构 & 质量体系能力
本文系统阐述测试架构与质量体系能力建设，涵盖测试技术、业务及可测性架构，构建全流程质量体系，包含流程、度量、风险与规范。结合L3-L5能力分级，提出从零搭建质量体系的落地路径与关键输出物，强调左移、自动化、度量驱动改进，助力企业实现高效、可持续的质量保障。
2026-10-24 13:32:48
28
原创 四类根因定位法：快速排查模型退化
本文提出一套系统化模型退化排查框架，适用于版本迭代、灰度放量及线上监控发现的幻觉、指令失效等问题。核心为“控制变量、分层定位”，通过最小复现样本、基线对照、四类根因（数据、微调参数、提示词模板、推理引擎）逐项隔离验证，结合交叉验证排除环境噪声，最终输出精准RCA。强调“只变一个变量”原则，提供快速区分表与检查清单，有效避免常见误判，提升故障定位效率。
2026-10-17 13:47:45
30
原创 大模型灰度上线全攻略：风险管控与应急响应
本文系统阐述大模型灰度测试策略，涵盖灰度目标、前置条件、放量阶梯、观测指标与熔断机制。强调真实流量下A/B对比验证，通过分阶段放量（0.1%→100%）控制风险，重点监控安全、质量、性能及业务指标。建立P0/P1熔断规则，结合应急三步走验证法快速判定是否回滚，并明确回滚后验证要求。配套交付物清单与评审高频问题，构建可落地的灰度与应急闭环体系，保障模型迭代安全可控。
2026-10-17 13:36:25
36
原创 大模型持续测试与监控体系全解析
本方案旨在构建大模型推理服务的全链路持续测试与监控体系，覆盖预发布与生产环境，通过固定基准测试集、线上流量采样、流量回放、红队对抗等手段实现自动化回归与安全验证。结合7×24小时服务、模型质量、安全与成本监控，建立异常告警与样本闭环管理机制，支持漂移检测与灰度发布，保障模型输出的正确性、稳定性与合规性，最终形成可迭代的智能运维闭环。
2026-10-17 13:27:50
29
原创 大模型测试新范式：六维质量管控全解析
本文档构建大模型全生命周期质量体系，聚焦生成式AI特性，提出“分层评测+人机结合+持续闭环”原则，涵盖测试分层、六大质量维度、GoldenSet管理、缺陷分级与准入准出门禁。核心创新在于以业务真值集（GoldenSet）为上线基准，强化幻觉、越狱、引用保真等风险管控，实现可复现、可追溯、可迭代的质量闭环，适用于基座模型、RAG、Agent等各类生成式应用。
2026-10-17 13:02:05
45
原创 vLLM 官方 benchmark 脚本 + 配套 Locust 脚本（OpenAI 兼容接口压测）
环境前提：已部署 vLLM 服务，开启 OpenAI 兼容接口。
2026-10-17 10:02:41
23
原创 LLM 官方 benchmark 脚本（原生，统计服务端 Prefill / Decode，和 Locust 客户端压测对照）
vLLM的benchmark_serving.py可精准测量OpenAI兼容服务的prefill与decode耗时，弥补Locust仅能监控客户端指标的不足。通过配置请求率、提示词长度等参数，支持短输入并发、长上下文压测等场景，输出包含TTFT、TPOT、E2E延迟及吞吐量等关键指标。推荐先用该工具定位性能瓶颈，再结合Locust进行阶梯加压与稳定性测试，配合GPU监控脚本实现全链路分析。
2026-10-17 10:00:05
26
原创 Locust 大模型流式压测完整脚本
本文介绍基于Locust的LLM性能压测方案，适配vLLM、TGI等OpenAI兼容接口，自动采集TTFT、TPOT、RPM、错误率等指标。通过自定义事件钩子实现流式请求监控，支持多Prompt轮换与并发压测。推荐使用transformers.AutoTokenizer替代tiktoken以精准统计Qwen等模型的token数，提升压测准确性。适用于本地私有化模型性能评估，但受限于客户端视角，无法获取服务端内部细节，建议结合vLLM内置工具进行深度分析。
2026-10-17 09:54:23
23
原创 大模型性能压测全指南：从指标到实战
本文系统阐述大模型（LLM/多模态）私有化部署性能压测方案，涵盖核心指标（TTFT、TPOT、吞吐、并发、资源占用、错误率）、四类典型压测场景及工具选型（Locust、vLLM benchmark等）。强调环境隔离、参数固定与长尾延迟分析，提出瓶颈定位思路与标准化报告模板，结合伪代码示例实现流式接口精准打点，确保测试结果真实可信，助力优化模型服务稳定性与性能。
2026-10-17 09:49:27
52
原创 SonarQube 8.9 → 9.9 升级过程：出现「SonarQube is under maintenance」维护页面完整解决方案
升级SonarQube 8.9至9.9过程中，因数据库权限不足导致维护页面卡死。尽管导出脚本含用户授权信息，仍需手动赋予sonarqube用户ALTER、CREATE、DROP等完整权限。结合日志排查，确认为跨版本迁移时权限缺失引发迁移失败。最终通过补充数据库权限并调整JVM内存参数，成功完成升级。建议升级前严格校验权限、环境及插件兼容性，避免类似问题。
2026-10-12 21:11:08
703
原创 SonarQube 9.9.8-community 适配 Jenkins 版本说明
目录1、官方基线要求（SonarQube 9.9 LTS 文档）2、插件 ↔ Jenkins 最低版本对照表（生产推荐）3、生产环境推荐组合（实测稳定 sonarqube:9.9.8-community）方案 A（稳妥，大多数企业在用）方案 B（较新 Jenkins）4、运行时 Java 硬性约束（极易踩坑）5、集成注意事项最简结论先理清一个关键点： SonarQube Server（9.9.8）本身没有强制绑定某一个 Jenkins 大版本；真正约束兼容性的是 Jenkins 里的【SonarQube S
2026-10-12 21:09:28
274
原创 Windows 主机 SSH 访问 Linux 报错：Cannot assign requested address
右键该会话 → Edit session → Advanced SSH settings清空 Source IP 输入框（重点！检查 Network settings 代理，没有代理就保持空白保存会话重连。很多人以前使用多网卡、VPN 环境，填写过 SourceIP，之后环境变了会话配置没改，就出现只有这一台服务器连不上，其他全部正常。Source IP藏在（专家 SSH 设置）按钮里面！
2026-10-12 21:07:29
317
原创 SMPP无媒体流，仅需配置信令损伤参数
SMPP短信业务仅含信令流，无独立媒体流。其所有交互（如Bind、Submit_SM）均通过TCP 2775端口传输，内容嵌入信令PDU，无需媒体损伤参数。测试时仅需配置信令类网络损伤：5%丢包、50ms时延、5ms抖动。因底层为TCP，5%丢包将触发重传，叠加时延可能导致超时，若客户端超时设置过小，易引发绑定失败、提交超时、回执丢失等问题。预期通过标准为绑定成功率≥99%，短信提交与回执正常，长连接稳定。混合业务场景下，应区分标记：SMPP走信令损伤，RTP媒体流走独立媒体损伤。
2026-10-12 21:02:14
264
原创 L1网络容错测试：信令媒体双路抗损验证
在L1网络损伤（信令丢包5%、时延50ms、抖动5ms；媒体丢包1%、时延50ms、抖动5ms）条件下，通过Linux tc/netem对信令与媒体流独立施加损伤，验证实时音视频业务的容错能力。测试涵盖信令流程、媒体通话及60分钟长呼压测，结果表明：呼叫建立成功率≥99%，媒体丢包稳定于1%左右，音视频体验可接受，服务资源平稳，无异常掉线或状态错乱。结论：业务满足L1网络容错要求。
2026-10-12 21:01:11
269
原创 Linux网络损伤模拟实战：信令与媒体流精准区分
本文介绍多场景网络故障模拟方案，重点推荐使用Linux tc + iptables 实现信令（SIP）与媒体（RTP）流的差异化损伤：信令丢包5%、时延50ms±5ms，媒体丢包1%、时延50ms±5ms。通过mark标记+分类队列实现精准分流。备选方案包括WANem（虚拟网关）、Clumsy（Windows轻量工具）、ChaosMesh（K8s环境）。测试需验证丢包率、时延抖动，注意单向时延翻倍、UDP/RTP直接体现丢包等关键点。生产环境禁用，仅限测试。
2026-10-12 20:59:24
471
原创 全套补充材料：评测报告模板 + Bad Case 分类方案 + 评测数据集构建规范
本文构建了完整的混合评测体系，涵盖自动化报告模板、BadCase自动分类脚本及数据集构建规范。通过分层数据集（正常/边界/对抗）、规则拦截与LLM-judge双阶段评测，实现高效、可复现的模型评估。结合自动标签聚类与人工校验，输出标准化Markdown报告，支持版本对比与优化决策，确保评测可信、问题可追溯，助力模型持续迭代。
2026-09-29 23:19:35
218
原创 三套LLM-as-Judge评测模板+混合架构实战指南
本文提供三套可直接上线的LLM-as-judge评测Prompt模板，涵盖多维度打分、成对对比与二元判断，支持结构化输出。构建混合评测系统架构，融合规则引擎前置过滤与LLM语义打分，提升效率与准确性。引入Cohen’s Kappa评估Judge一致性，确保评测可靠性，并附伪代码实现流程。强调独立模型选用、多次采样降噪及持续迭代优化，形成闭环评测体系。
2026-09-29 22:42:15
243
原创 规则+大模型混合评测：高效精准双保障
本文系统对比规则评测与LLM-as-judge两种模型评估方法：规则评测成本低、可复现，适用于格式校验等确定性任务；LLM-as-judge语义理解强，适合主观质量评估，但存在不稳定与高成本问题。最佳实践为混合评测——先用规则过滤底线问题，再由大模型评估语义质量，并辅以人工抽样校准，实现高效、精准的生成式模型评测。
2026-09-29 22:35:07
383
原创 RAG 完整链路（检索增强生成，Retrieval-Augmented Generation）
核心思想：先从私有知识库检索相关上下文，再把「检索结果 + 用户问题」一起喂给大模型，让模型基于真实资料回答，减少幻觉。
2026-09-21 00:01:22
364
原创 RAG评估全指南：四大阶段指标避坑手册
本文系统梳理RAG评估指标体系，涵盖检索（召回、精确率）、生成（幻觉、答案质量）、人工及系统工程四类指标。重点强调Recall@K、Precision@K、Faithfulness等核心指标，推荐使用RAGAS框架进行自动化评估，并结合人工打分保障可靠性。落地建议：分阶段选型，避免仅依赖单一指标或自动化结果，需警惕“幻觉陷阱”与指标误用，确保模型真实可用。
2026-09-20 23:58:06
288
原创 RAG知识库专项测试用例通用版
本文档系统化设计了RAG知识库测试方案，涵盖基础准确性、检索召回、幻觉抑制、多文档推理及稳定性等核心维度。通过16个典型用例，全面验证系统在文本、数字、时间等关键信息提取的精确性，模糊匹配与同义句识别能力，以及对无知识内容的拒绝编造能力。重点评估多文档整合与逻辑推理水平，并设定缺陷分级与量化指标（如准确率、幻觉率），为私有知识库、智能客服等场景提供可落地的验收标准。
2026-09-20 22:14:49
360
原创 RAG 知识库专项测试
RAG知识库专项测试聚焦验证系统能否准确调用私有文档，核心评估检索召回、生成准确与边界识别能力。测试涵盖同义提问、模糊查询、干扰项应对、幻觉规避及多文档整合，确保回答源自知识库而非模型编造。通过召回率、精确率、答案准确率等指标衡量性能，区别于普通大模型测试，重点在于验证“知识库+检索+生成”链路协同有效性，保障私有数据精准应用。
2026-09-20 21:54:45
166
原创 window系统上报Cannot assign requested address
今天我在window11上使用MobaXterm ssh欧拉系统服务器，系统报错因为连接服务器是通过VPN访问，需要定位下问题原因：1、打开 Windows 自带 cmd 终端，执行系统自带 ssh 报错结论：和工具 MobaXterm无关，。
2026-09-14 12:31:17
119
原创 hsperfdata 文件会定时清理吗，清理机制是什么？
❌误区：mount /tmp 为 tmpfs，重启才会丢 ✅真相：磁盘文件系统下，systemd‑tmpfiles 10 天到期也会把运行中的 perfdata 删掉。❌误区：hsperfdata 文件会被 JVM 定时重建 ✅真相：进程运行中文件一旦被删除，JVM 不会重建，，两者独立，很多线上坑来自系统把正在运行 Java 进程的 hsperfdata 文件删掉。，JDK8/OpenJDK 有效，目录要提前建好，运行用户要有读写权限。总结：很多生产 jps 查不到进程，不是 /tmp 权限问题，而是。
2026-08-24 18:06:26
477
原创 jps 查不到进程，是因为 /tmp 目录没有写的权限，这个是为什么呢？
jps不直接读取操作系统进程表，依赖 JVM 主动写出到/tmp/hsperfdata_用户名的性能文件；/tmp无写权限 → JVM 无法创建这个 pid 文件 → jps 看不到，但是 Java 进程正常运行；ps/pgrep 不受这个限制，依然可以找到进程；关闭特性、不同用户运行 Java 进程。生产环境常见踩坑：运维修改了 /tmp 权限、磁盘占满、系统 tmpwatch 自动删除 /tmp 下 hsperfdata 文件。文件被删除后，
2026-08-24 18:03:09
258
原创 Oracle expdp 全量 + 增量备份 & impdp 恢复 Shell 脚本模板
本文介绍了一套Oracle数据库备份恢复方案，包含全量和增量备份脚本(expdp_backup.sh)及恢复脚本(impdp_restore.sh)。
2026-08-06 21:45:00
272
原创 Oracle dmp（exp/imp、expdp/impdp）全量 + 增量备份恢复方案
摘要：Oracle数据泵(expdp)支持增量备份而传统exp工具仅支持全量备份。expdp增量备份分为全量(FULL)、增量(INCREMENTAL)和累积增量(CUMULATIVE)三种模式。恢复时必须先恢复全量备份，再按时间顺序依次应用增量备份，不可跳序。累积增量备份可减少备份文件数量。恢复场景包括整库重建和时间点恢复（需结合RMAN）。注意事项包括：严格备份顺序、权限管理、增量文件损坏处理等。生产环境建议以RMAN物理备份为主，expdp逻辑备份为辅。关键恢复流程为：全量备份→增量备份1→增量备份2
2026-08-06 21:30:00
346
原创 scanoss-py 1.54.2 完整命令手册（2026年8月当前最新稳定版本）
本文总结了使用scanoss-py工具进行源码扫描的规范指南。主要内容包括：1）致命错误复盘，强调参数必须放在子命令scan之后；2）私有化部署标准模板；3）核心scan命令详解及高频参数说明；4）实用示例（内网HTML报告输出、JSON原始结果等）；5）fingerprint指纹生成、convert格式转换等辅助功能；6）CI流水线推荐的环境变量配置方案；7）常见避坑清单（如参数位置、URL格式等）；8）完整CI脚本示例。特别提醒HTML报告输出方式及私有服务地址格式要求，避免invalid choice
2026-08-05 19:30:00
503
原创 scanoss HTML 报告完整分析指南
该报告解读了开源软件扫描结果HTML页面的六大核心模块及其分析流程。主要内容包括：1.扫描总览快速定位风险等级和关键指标；2.组件清单和许可证合规分析识别开源协议风险；3.安全漏洞清单提供修复优先级和建议；4.文件匹配和依赖树实现问题溯源。报告还提供了标准化处理流程，重点解决高危漏洞（如Log4j）和传染性协议（GPL/AGPL）等问题，并介绍了搜索、筛选、导出等实用功能，帮助企业进行安全合规管理。
2026-08-04 12:55:20
620
原创 scanoss-py: error: argument subparser: invalid choice: ‘http://x.x.x.x:8083‘
摘要：本文解析scanoss-py工具参数配置报错原因及正确用法。核心错误是将--apiurl参数误用为全局参数，实为scan子命令专属参数，必须紧接在scan后。提供标准命令格式：scanoss-py scan --apiurl http://x.x.x.x:8083 . -o report.html，并拆解参数顺序。另给出两种替代方案：1）离线扫描模式（--offline）；2）通过环境变量SCANOSS_API_URL预设API地址。最后建议通过scanoss-py scan -h验证参数归属。
2026-08-04 12:48:14
595
原创 Scanoss API 500 报错完整排查方案
本文针对Scanoss扫描服务"500 ERROR engine scan failed"故障，提出分层排查与解决方案。首先通过日志分析定位坏指纹文件，建议临时规避或提交官方修复；其次检查后端服务状态，排查内存不足、LDB库损坏等问题；然后优化客户端配置降低并发压力；最后排查网络传输问题。提供应急处理流程（排除问题文件/重启服务）和长期根治方案（升级引擎/资源扩容/前置过滤等），形成完整的故障处理体系。
2026-08-04 12:37:12
236
大模型安全对抗测试用例库
2026-09-27
一套基于OpenAPI/Swagger的接口文档治理与API全流程自动化测试方案，旨在解决微服务和前后端分离架构下的文档滞后、契约不一致、测试效率低等问题 方案以OpenAPI规范为核心，实现接口文档
2026-07-29
软件测试基于Fuzz技术的API接口健壮性与安全性测试方案：异常输入场景下的高危漏洞挖掘与系统稳定性验证
2026-07-25
2026 年软考全科备战资源包（官方 + 精华 + 工具 + 计划） 2026 年软考全科备战资源包（可直接打印 + 下载链接汇总） 2026年软考（对应报考科目）3个月专属学习计划+每日打卡表
2026-04-01
网络安全SSH安全连接配置实战：基于密钥认证与Fail2Ban的远程访问防护体系设计
2026-04-01
【数据库技术】基于SQL的高级查询与优化：企业级数据分析与多场景实战应用解析
2026-03-31
【Java开发环境】IntelliJ IDEA安装与JDK配置指南：从零搭建高效IDEA开发平台
2026-03-31
软件测试基于Pytest的JSON结构注入自动化测试框架：支持语法语义安全注入与Fastjson反序列化漏洞检测
2026-03-31
软件测试高频面试题解析：功能与自动化测试核心技术及2026年大厂热门考点
2026-03-31
自动化测试开发规范，可以作为自动化测试开发团队的管理规范
2026-01-08
测试工程基于DFX的全生命周期测试体系构建：涵盖可制造性、可装配性、可测试性、可靠性与可维护性五维协同测试方案设计
2025-12-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人