造测试数据,我是这样玩的

本文分享了如何通过接口自动化来创建测试数据,包括使用Jmeter串联接口执行、Python脚本编写以及封装到公司内部测试平台,提高测试和开发团队的效率。文中提到避免直接操作数据库以防止数据不完整,并提供了相关工具如Postman、Jmeter的学习资源。

今天看到很多测试工程师,在微信群里,聊如何「造测试数据」,是否有现成的工具 。

其实啊,这些内容,之前在「软件测试圈」星球聊了多次 。刚在公众号,搜索关键词,还真没有写。所以补这篇,方便后续各位可关键词检索 。

造数据的思路:

1、直接去数据库,SQL造 ;

2、直接跑接口,模拟真实用户操作,重复执行(更推荐这种)

PS :执行DB ,很容易产生数据不完整性,漏了某些表或某些字段,以及状态的不一致(理论上,不建议做 DB 的insert 操作 )。

注:如果想玩第一种,但SQL又不熟的,去看看过往文章,一篇搞定:

### 批量生成数据集文本提示词的方法 为了生成适用于文生图模型训练或测试的高质量文本提示词,可以采用以下方法: #### 1. 基于现有数据集扩展 利用已有的图像-文本对数据集(如COCO5k[^1]),可以通过自然语言处理技术扩展现有描述。例如,对于每张图片的原始标注,可以引入同义词替换、句式重组等方式来增加多样性。 ```python import random from nltk.corpus import wordnet def synonym_replacement(text, n=2): words = text.split() new_words = [] for word in words: synonyms = set() for syn in wordnet.synsets(word): for lemma in syn.lemmas(): synonyms.add(lemma.name().replace("_", " ")) if len(synonyms) > 0 and n > 0: chosen_synonym = random.choice(list(synonyms)) new_words.append(chosen_synonym) n -= 1 else: new_words.append(word) return ' '.join(new_words) original_text = "a cat sitting on a mat" augmented_text = synonym_replacement(original_text) print(augmented_text) ``` 上述代码展示了如何通过同义词替换扩充文本提示词。 #### 2. 结合多模态嵌入增强提示词表达能力 借助MoA等技术[^2],可将主体图像作为输入的一部分,提取其视觉特征并与文本嵌入结合。这种方法能够更精确地捕捉图像内容的核心语义信息,从而生成更加贴合目标图像的提示词。 #### 3. 使用模板化策略自动生成多样化提示 设计一系列通用模板,填充具体对象名称或其他属性参数即可快速生成大量变体实例。比如,“一只{颜色}的小狗正在{具类型}”。 | 模板结构 | 示例输出 | |----------|-----------| | {动物种类}在户外奔跑 | 小鹿在森林里自由奔跑 | 这种表格形式直观呈现了不同组合下可能产生的效果。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

IDO老徐

转发 + 讨论 > 赞赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值