知识图谱在 AI 测试开发中的应用

AI测试入门:如何测试AI对话模型/智能体?「详细介绍」 作为测试人员,我们需要掌握特定的技能和方法来有效地测试这些复杂的AI对话模型和智能体。传统的软件测试方法在这里可能不再完全适用,我们需要开发新的测试策略和技术来应对AI系统的独特特性。在这篇文章中,我们将深入探讨如何测试AI对话模型和智能体。 阅读详情

📝 面试求职: 「面试试题小程序」 ,内容涵盖 测试基础、Linux操作系统、MySQL数据库、Web功能测试、接口测试、APPium移动端测试、Python知识、Selenium自动化测试相关、性能测试、性能测试、计算机网络知识、Jmeter、HR面试,命中率杠杠的。(大家刷起来…)

📝 职场经验干货:

软件测试工程师简历上如何编写个人信息(一周8个面试)

软件测试工程师简历上如何编写专业技能(一周8个面试)

软件测试工程师简历上如何编写项目经验(一周8个面试)

软件测试工程师简历上如何编写个人荣誉(一周8个面试)

软件测试行情分享(这些都不了解就别贸然冲了.)

软件测试面试重点,搞清楚这些轻松拿到年薪30W+

软件测试面试刷题小程序免费使用(永久使用)


智能体与测试智能体

智能体 Agent

  • 百度百科

能够感知环境并采取行动以实现特定目标的代理体。 它可以是软件、硬件或一个系统,具备自主性、适应性和交互能力。 智能体通过感知环境中的变化,根据自身学习到的知识和算法进行判断和决策,进而执行动作以影响环境或达到预定的目标

  • IBM

AI 代理是能够通过设计其工作流和利用可用工具,代表用户或其他系统自主执行任务的系统或程序。这些代理不仅限于自然语言处理,还包括决策、解决问题、与外部环境交互和执行操作等功能

  • Langchain

代理的核心思想是使用语言模型来选择要采取的一系列操作。在代理中,语言模型被用作推理引擎来确定要采取哪些操作以及按什么顺序

  • Amazon AWS

一种可以与环境交互、收集数据并利用数据执行自我决定任务以达到预定目标的软件程序。人类设定目标,但人工智能代理会独立选择实现这些目标所需的最佳行动

Agent 智能体核心元素总结

  • LLM 大模型 chatgpt qwen llama

  • Planning:规划 路由 ReAct

  • Parser:结构化输出解析 json

  • Tools:工具集与调用 tool function

  • Memory:记忆 短期 长期

测试智能体介绍

软件测试智能体(Software Testing Agent)是指在软件测试领域中,运用人工智能(尤其是大语言模型 LLM)、机器学习、强化学习、知识图谱、智能规划等技术,自主或半自主地执行软件测试任务的智能化系统或实体。

测试智能体的核心能力

  • 自主感知 :自动识别软件测试环境、测试对象及相关测试需求。

  • 决策与规划 :基于测试目标制定有效的测试策略,生成测试计划和测试用例。

  • 自主执行 :自动执行测试过程,包括功能测试、接口测试、性能测试、异常情况处理等。

  • 智能分析与反馈 :能够自主分析测试结果,识别缺陷与异常情况,并给出针对性的建议或反馈。

  • 自适应学习 :可基于历史测试数据持续优化测试策略和测试用例,不断提升测试覆盖率和效率。

测试智能体的关键特征

特征

描述

自主性

能够独立或半独立地执行测试任务,减少人工干预。

智能性

运用 AI 技术提高测试设计、执行与分析的精准度与效率。

自适应性

可根据环境与测试结果的变化自动调整测试策略与行为。

协同性

能够与其他智能体或人工团队协作,共享知识与测试成果。

持续性

持续积累与利用历史数据、知识库,不断优化测试效果。

Ai测试用例介绍

用例编写规范指南

本文定义了适用于 AI 软件测试智能体进行自动化测试执行的测试用例编写标准,确保用例内容的清晰、易读、易维护和智能化执行

Ai 测试用例的执行过程

  • 观测:通过多模态模型或者控件树识别被测系统上下文,比如页面结构、系统状态等。

  • 决策:根据测试用例、已执行步骤和当前观测结果预测下一步操作指令

  • 执行:执行下一步操作指令,更新观测结果

 

Ai 测试用例编写的关键

  • 被测系统上下文

了解被测系统上下文结构,以更好的定位自动化目标,并写出更贴合上下文的意图、步骤、预期结果

  • 自动化动作

了解智能体支持的工具清单与自动化动作清单,以确保大模型可预测出正确的动作

被测系统上下文观测

理解大模型可以看到的上下文,有助于我们更好地理解测试用例的执行环境和目标。常见的流程是获取当前页面结构,然后进行 token 优化,从而降低 token 量,提高预测效率与大模型识别精准度。

  • UI控件树识别工具

效率与token消耗等性能指标,远胜图像识别与多模态大模型。Token压缩算法很关键。

  • UI界面视觉识别工具

图像识别虽然万能,但是性能、可维护性都有问题。

上下文分析工具

  • Web:浏览器开发者工具、selenium ide、playwright-recorder

  • App:adb、appium inspector

  • 接口:浏览器开发者工具、postman、curl、mitmproxy、接口文档、swagger

Web 上下文分析工具 -- 浏览器开发者工具

App 上下文分析工具 Appium inspector

 

动作清单

  • 上下文意图工具:由上下文推理出的产品意图

    • 通用业务:登录 搜索 增删改查

    • 领域业务:车联网 物联网 金融证券

  • 通用自动化动作工具:

    • Web 自动化:点击 输入 滑动

    • App 自动化:点击 输入 滑动

    • 接口自动化:get post

    • 数据库自动化:增删改查

    • 自定义工具:获取当前时间 执行命令 调用大模型 调用视觉模型

测试用例编写的常见风格

风格

特点

描述

上下文意图+声明式

适合验证业务功能,可以灵活应对页面变化

描述任务意图目标

上下文意图+命令式

适合验证固定流程,可以确保流程的正确性

描述任务实现中间过程

自动化动作+声明式

适合意图识别不准确的场景

描述自动化任务意图目标

自动化动作+命令式

适合意图识别不准确的场景

描述自动化中间实现过程

多种风格的测试用例案例

  • 上下文意图+声明式风格

    1. 打开 ceshiren.com

    2. 搜索“人工智能”

    3. 断言搜索结果页面显示“人工智能”

  • 上下文意图+命令式风格

    1. 打开 ceshiren.com

    2. 点击搜索按钮

    3. 在搜索框中输入“人工智能”

    4. 点击搜索按钮

    5. 断言帖子标题里包含“人工智能”

  • 自动化动作+声明式风格

    • 搜索按钮的id 为 search

    • 输入框的css选择器为 #search

    • 搜索按钮的class为 btn

    1. 打开 ceshiren.com

    2. 点击搜索按钮

    3. 在输入框中输入“人工智能”

    4. 点击搜索按钮

    5. 断言class为title 的元素包含“人工智能”

  • 自动化动作+命令式风格

    1. 打开 ceshiren.com

    2. 点击id为 search 的元素

    3. 在css选择器

    4. 点击 class为 btn 的元素

    5. 断言class为 title 的元素包含“人工智能”

如何提高准确性

上下文意图如果不能识别,就主动添加更多元素特征 token 让大模型进行推理。大模型可以理解中英文 token 之间的关系。

 

<input
  aria-controls="search-result-count"
  aria-label="输入搜索关键字"
  autocomplete="off"
  placeholder="搜索"
  id="ember15"
  class="full-page-search search no-blur search-query ember-text-field ember-view"
  type="text"
/>

prompt 输入 token

大模型结合上下文推理

输出

输入“搜索词”

prompt:输入 

上下文:input

成功 

匹配不太精确,有多个输入框的时候有歧义

在全页搜索中输入“搜索词”

prompt:全页搜索 

上下文:full page search

成功 

关联度高,业务意图明确

在 full-page-search 中输入“搜索词”

prompt:full-page-search 

上下文: full-page-search

成功 

匹配度最高, 但是不能适应页面变化

常见问题

如何提高准确性与稳定性

确定的 token + 确定的大模型配置,输入确定,输出就是确定的。选择固定的大模型,大模型的预训练数据差异不大,预测结果是明确收敛的自动化动作清单,大部分模型预测差异不大,是确定的。

大模型的参数配置、temperature top-p top-k 都是固定的,预测是稳定的。 token 中的最大变动因子是测试用例与被测系统的上下文,可以通过优化用例描述提高准确性与稳定性。

最后: 下方这份完整的软件测试视频教程已经整理上传完成,需要的朋友们可以自行领取【保证100%免费】

​

​​​

测试需要的智能体有哪些 本文系统介绍了测试领域智能体(AIAgent)的应用框架与实践方法。首先将测试智能体划分为8类核心功能模块,涵盖测试全流程;其次提出由感知层、记忆层、规划层、执行层和反思层组成的五组件标准架构;详细阐述7个构建步骤,包括技术选型、模块开发和工具链集成;最后给出多智能体协同方案和落地建议。测试智能体通过LLM+工具链+知识库实现自主测试能力,可显著提升测试效率,但需注意人机协同和渐进式落地。 阅读详情

相关推荐

AI测试入门:什么是智能体(AI-Agent)?

在人工智能领域,AI-Agent 逐渐成为一种重要的新形态。AI-Agent 具备环境感知能力、自主理解、决策制定及执行行动能力。简而言之,它是构建于大模型之上的计算机程序,能够模拟独立思考过程,灵活调用各类工具,逐步达成预设目标。本文将详细介绍AI智能体的概念、架构设计及其应用案例,帮助大家更好地理解这一前沿技术。

blues_C的博客 2977

AI 测试开发中的知识图谱应用探索

本文系统介绍AI测试智能体的核心能力与实现路径,涵盖智能体架构(LLM规划、工具调用、记忆机制)、测试用例编写规范(声明式/命令式风格)、上下文分析方法(控件树/视觉识别)及准确性优化策略。通过实际案例展示如何将大模型与测试自动化结合,构建具备自主感知、决策和执行能力的智能测试系统,推动软件测试向智能化演进。

ceshiren_com的博客 834

Flink实战项目——城市交通实时监控平台

本项目是与公安交通管理综合应用平台、机动车缉查布控系统等对接的,并且基于交通部门现有的数据平台上,进行的数据实时分析项目。

yangwei2048的博客 839

软件测试丨智能体(Agent)介绍

智能体作为人工智能的核心,广泛应用于多个领域。随着技术进步,智能体将更加智能和自主,为人类社会带来更多便利。送您一份软件测试学习资料大礼包。

ceshiren_com的博客 1678

Zynq UltraScale+ RFSoC实战:用XCZU49DR开发板实现雷达信号处理全流程

本文详细介绍了如何利用Xilinx Zynq UltraScale+ RFSoC系列中的XCZU49DR开发板,高效实现雷达信号处理全流程。文章深入剖析了该芯片集成的射频直采ADC/DAC、可编程逻辑与Arm多核处理器的异构计算优势,并通过实战案例展示了从环境搭建、硬件链路设计到软件优化的完整开发路径,为相控阵雷达等高性能应用提供了单芯片解决方案。

weixin_29291863的博客 584

UFS逻辑单元管理

介绍UFS 逻辑单元管理和配置

m0_51720747的博客 1951

邀请函 |2025 AITC人工智能测试开发大会 西安站

本次AI与测试开发技术大会将于2025年7月24-26日在西安举办,聚焦AI在测试领域的创新应用,涵盖大模型、知识图谱、精准测试等前沿议题。会前特设AI测试实战营,提供Web/App/接口测试等十余项技能实训。会议面向CTO、测试经理、开发工程师等技术人员,配套提供DeepSeek实践手册、开源工具及系列视频课程(含Python、JMeter、Selenium等),助力提升AI测试能力。霍格沃兹测试学社还将开放智能测试平台体验,分享测试效率提升300%的AI解决方案。

霍格沃兹测试学院的博客 1182

DRV8718引脚功能全解析:56引脚VQFN封装设计精髓

本文深入解析了DRV8718-Q1的56引脚功能及其在汽车座椅控制系统中的应用。重点分析了SPI通信接口、PWM输入控制、电流检测放大器和栅极驱动等关键区域,详细介绍了各引脚的功能特性、电气参数和设计要点。同时提供了电源去耦、PCB布局和信号完整性等最佳实践建议,并以8向电动座椅为例展示引脚配置方案。文章为工程师理解该芯片的引脚设计逻辑和系统应用提供了实用参考。

VehSwHwDeveloper的博客 1210

人工智能测试开发训练营 带你快速掌握AI测试开发技能,获得更好的职业机会和晋升空间

在测试工作中,通过应用人工智能来优化测试过程,可以显著提高测试的效率和准确性。而且,市场对具备AI测试技能的测试工程师的需求正日益增长,这使得掌握这些技能能够帮助你获得更好的职业机会和升职机会。为了帮助大家更好地将人工智能与自动测试相结合,霍格沃兹测试开发学社联合了北京邮电大学人工智能学院的教授以及行业技术专家,共同打造了【人工智能测试开发训练营】。随着AI技术在软件开发中的深入应用,未来测试工程师面临的挑战和任务将更加复杂,及时学习可以让你为未来的挑战做好准备。实战驱动,并提供人工智能答疑福利。

慕漓的博客 690

Mem0 vs LangMem vs Letta:三大AI记忆框架实战对比(附代码示例)

本文深入对比了Mem0、LangMem和Letta三大AI记忆框架的核心特性与适用场景。Mem0提供开箱即用的记忆管理服务,适合快速集成;LangMem深度融入LangGraph生态,适合复杂工作流;Letta则采用虚拟内存系统,旨在突破上下文窗口限制。文章通过实战代码示例,为开发者选择适合其业务需求的AI记忆解决方案提供了清晰指南。

g9h0i1的博客 682

C# USB通信实现

在C#中,我们可以利用.NET框架提供的类库和API来实现与USB设备的通信。本文将介绍如何使用C#进行USB通信,并提供相应的代码示例。以上就是使用C#进行USB通信的基本过程。通过以上代码示例,你可以实现与USB设备的简单通信,具体的实现方式和细节根据你的实际需求进行调整和扩展。命名空间,该命名空间包含了与串口通信相关的类和方法。选择需要通信的USB设备,然后使用。步骤二:获取可用的USB设备列表。首先,在你的C#项目中引入。步骤三:打开USB端口。步骤六:关闭USB端口。步骤一:引入命名空间。

PixelProX的博客 4387

快速掌握AI测试开发技能,获得更好的职业机会和晋升空间

在测试工作中,通过应用人工智能来优化测试过程,可以显著提高测试的效率和准确性。而且,市场对具备AI测试技能的测试工程师的需求正日益增长,这使得掌握这些技能能够帮助你获得更好的职业机会和升职机会。为了帮助大家更好地将人工智能与自动测试相结合,霍格沃兹测试开发学社联合了北京邮电大学人工智能学院的教授以及行业技术专家,共同打造了【人工智能测试开发训练营】。随着AI技术在软件开发中的深入应用,未来测试工程师面临的挑战和任务将更加复杂,及时学习可以让你为未来的挑战做好准备。实战驱动,并提供人工智能答疑福利。

霍格沃兹测试学院的博客 971

22h2版本的win10安装Docker Desktop时页面空白

摘要:Windows10 22H2系统重装Docker时出现安装界面卡死问题,通过管理员CMD执行静默安装命令解决。命令指定了WSL-2后端及多个自定义数据存储路径(安装目录、Hyper-V数据、Windows容器数据、WSL数据),安装需等待几分钟。最终验证安装成功。

猿小白的博客 665

专家+教授联手打造,带你快速掌握人工智能测试开发技术,快速提升竞争力

在测试工作中,通过应用人工智能来优化测试过程,可以显著提高测试的效率和准确性。而且,市场对具备AI测试技能的测试工程师的需求正日益增长,这使得掌握这些技能能够帮助你获得更好的职业机会和升职机会。为了帮助大家更好地将人工智能与自动测试相结合,霍格沃兹测试开发学社联合了北京邮电大学人工智能学院的教授以及行业技术专家,共同打造了【人工智能测试开发训练营】。随着AI技术在软件开发中的深入应用,未来测试工程师面临的挑战和任务将更加复杂,及时学习可以让你为未来的挑战做好准备。实战驱动,并提供人工智能答疑福利。

霍格沃兹测试学院的博客 829

复旦微FMSH_Procise安装全流程详解:从环境配置到实战避坑指南

通过本文的全流程解析+实战技巧,开发者可快速掌握Procise在复旦微芯片开发中的核心应用。未来随着AKConv轻量级架构(参考往期文章)等创新技术的融入,国产芯片开发生态将更加完善。立即关注本专栏,获取最新多镜像切换指南与Linux SDK实战教程!扩展阅读复旦微在线升级BOOT.BIN全解析H7-TOOL实现复旦微脱机烧录(注:本文实验环境为Windows 10 x64 + FMQL45T-CORE开发板,部分操作可能因版本更新调整)立即行动下载本文配套配置文件:[GitHub链接]加入技术交流群。

QQ_778132974的博客 3246

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

软件测试/人工智能丨解密AI测试技能:职场升级利器,开启职场飞跃,人工智能测试开发训练营期待你的加入

在测试工作中,通过应用人工智能来优化测试过程,可以显著提高测试的效率和准确性。而且,市场对具备AI测试技能的测试工程师的需求正日益增长,这使得掌握这些技能能够帮助你获得更好的职业机会和升职机会。为了帮助大家更好地将人工智能与自动测试相结合,霍格沃兹测试开发学社联合了北京邮电大学人工智能学院的教授以及行业技术专家,共同打造了【人工智能测试开发训练营】。随着AI技术在软件开发中的深入应用,未来测试工程师面临的挑战和任务将更加复杂,及时学习可以让你为未来的挑战做好准备。实战驱动,并提供人工智能答疑福利。

Ceshiren666的博客 823

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

人工智能时代背景下,如何发展与应用自动化测试?

csdndevpress0036的博客 1542

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

加速AI测试领域的进化,顶尖专家与名校教授强强联合,助你快速成为人工智能测试领域的精英

在测试工作中,通过应用人工智能来优化测试过程,可以显著提高测试的效率和准确性。而且,市场对具备AI测试技能的测试工程师的需求正日益增长,这使得掌握这些技能能够帮助你获得更好的职业机会和升职机会。为了帮助大家更好地将人工智能与自动测试相结合,霍格沃兹测试开发学社联合了北京邮电大学人工智能学院的教授以及行业技术专家,共同打造了【人工智能测试开发训练营】。随着AI技术在软件开发中的深入应用,未来测试工程师面临的挑战和任务将更加复杂,及时学习可以让你为未来的挑战做好准备。实战驱动,并提供人工智能答疑福利。

软件测试小迷糊 740

即将开营 | 人工智能测试开发训练营,免费开放试听名额

字节跳动:AI测试开发岗招聘量年增长300%蚂蚁金服:组建专门的大模型质量保障团队百度:智能测试平台已覆盖80%核心业务华为:2024年计划招聘上千名AI测试工程师但市场上真正懂AI又懂测试的复合型人才,屈指可数。

霍格沃兹测试学院的博客 1417

人工智能在软件测试开发中的创新实践

随着人工智能技术的快速发展,其在软件测试领域的应用正逐步从概念验证走向规模化落地。霍格沃兹测试开发学社结合大语言模型(LLM)和知识图谱技术,构建了一套完整的智能化测试体系。本文将从技术架构、工具生态、应用场景及企业级解决方案四个维度,解析这一体系的创新实践。

ceshiren_com的博客 1239

AITC 2025测试开发峰会圆满落幕

当知识图谱遇见测试智能体,当RAG技术重塑用例生成范式,一场颠覆传统质量保障体系的革命正在发生7月26日,西安吉源国际酒店,测试人社区主办的以“智测未来”为主题,汇聚涂鸦智能、恒生电子、美的集团等头部企业技术领袖。——这些数字宣告着测试行业智能化转型的临界点已然到来。

慕漓的博客 1056
上一篇: 自动化测试中几种常见验证码的处理方式及如何实现?
下一篇: 软件变更后的测试:确定测试与回归测试解析
字节自动化测试
博客等级 码龄6年 7034粉丝 1810原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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