成功解决:基于模型的思考方式构造测试数据

AI赋能软件测试:自动化脚本生成、智能数据构造与缺陷预测实践 软件测试是保障软件质量的关键环节,其核心原理是通过系统性的验证与确认活动,发现软件缺陷并评估其质量特性。随着人工智能技术的发展,测试领域正经历从自动化到智能化的演进,其技术价值在于将测试人员从重复、繁琐的任务中解放,实现测试效率与覆盖度的双重提升。在工程实践中,AI技术已能有效应用于自动化测试脚本的智能生成与维护、测试数据的智能化构造以及基于历史数据的缺陷风险预测等核心场景。例如,通过提示词工程驱动大语言模型,可生成符合业务规则的测试数据,解决测试数据构造的难题;结合机器学习模型对代码变更进行特征分析,可实 阅读详情

基于模型的思考方式构造测试数据

系统测试过程中,我们经常会遇到这样的被测试系统。系统的流程很长,比如Web类型的系统,从申请借款至还款节点,中间有:借款人申请借款、信审、发标、投资人投标、银行放款、借款人还款,等等节点,涉及很长的工作流。

那么在面对这么多节点系统时,有时候需要跳过前面几个节点,只验证后面的某个节点(因为只有该节点改动了吗,其他节点没改动过需求)。

这个时候怎么办?一步,一步从头至尾的页面填数据,打开我们的自动化selenium工具录制?还是一步就把数据推进到这次需求改动的节点呢,比如:借款人还款节点,界面打开就有数据了。当然,是一步推到想测试的节点最好,省去了前面节点的模拟录入,手工录入的环节。

我们都知道实际在软件的研发过程中,每个节点是不同的页面,每个节点页面的数据需要补充完整之后,且成功保存之后才能进行到下个节点的展示界面,进行录入和校验页面数据。

那么问题来了…

如果当前某个节点页面存在缺陷,js啊、数据各种校验不通过啊,等等。直接推进到任意节点,则是非常高效而且特别方便的做法。

做研发和测试小伙伴,都知道数据落盘(存储)一般都是在数据库里面的,传统的造数据方式给对应节点页面涉及的表插数据,找DBA或者脚本能力不错的同事写一组数据进去,这个方法是可行的,但是对于系统内部数据库设计完全没有理解,数据和数据之家的关系是什么样的,也没有理解。

基于模型的思考方式构造测试数据

如果采用领域模型的方式,先去整理完整的业务过程(借款人申请借款、信审、发标、投资人投标、银行放款、借款人还款)都涉及了什么业务对象,这些对象又归属哪些域。

再去整理每个节点会引起哪些对象的变化,分别给这些对象造数据达到推进到指定节点的目的。

参考下图:

注:4132/4133 等编号,则是调用后台触发执行具体数据库脚本的脚本编号。

图灵测试与AI行为主义:从“思考”之争到工程实践 在人工智能领域,关于机器是否具备“思考”能力的争论长期存在,但这一哲学问题往往难以直接指导工程实践。从技术原理上看,艾伦·图灵提出的“行为主义”转向提供了一条更清晰的路径:通过关注系统的外在表现和可观测行为来定义和评估智能,而非陷入内在状态的无休止争论。这一思想催生了图灵测试,其核心价值在于将智能问题转化为可操作、可测试的工程问题,为AI发展提供了实用的评估框架。在当前的工程实践中,大语言模型(LLMs)正是沿着这条道路发展的典型代表,它们通过海量数据训练,在文本生成和对话任务上展现出强大的行为模拟能力。对 阅读详情

相关推荐

38、机器学习模型评估与成功要素解析

本文深入解析了机器学习模型评估的多种方法,包括重复 k 折交叉验证、嵌套交叉验证和自助采样等技术,并探讨了它们的优缺点和适用场景。文章还分析了评估模型性能的多种指标,如准确率、马修斯相关系数和 ROC 曲线等,并强调了在实际应用中需要考虑的定性因素。此外,文章总结了成功的机器学习从业者所需的核心特质,包括软技能和硬技能的结合,以及团队协作的重要性。通过案例分析,文章阐述了竞争在推动机器学习进步中的关键作用,并讨论了成功模型在实际应用中可能面临的挑战及应对策略。最后,文章展望了未来机器学习领域的发展方向和评估

zz67890的博客 128

测试数据建模

现在很多软件应用,都设计成2部分:应用程序Application + 数据库DB。要对这种类型的应用软件进行测试,“测试数据”这个概念就非常的关键。测试用例中的“前置条件”,基本就是围绕测试数据来设计的。以淘宝网的测试为例,验证每个功能点时,最重要的就是准备好各种类型的数据对象,比如:不通信用级别的卖家,不同类目属性的商品等等。   熟练的测试工程师手里...

weixin_34308389的博客 790

数据工厂-DataFactory-快速生成大量测试数据

DataFactory是一种强的的数据产生器,能快速方便地产生测试数据,带有直接与用户接口的工具,能建模复杂数据关系,允许开发人员和QA很容易产生百万行有意义的正确的测试数据库。

性能测试知识之三大模型

该如何评估和建立。在工作中,业务模型、流量模型和数据模型是至关重要且必须在项目中构建的,否则很可能导致测试的场景和实际差距很大,测试结果也无法为性能分析和优化提供足够有说服力的支撑。为了便于大家理解三大模型,我会以电商业务下单的场景来举例说明,如下图:​。

OKC_0_Westbrook的博客 1197

基于模型的测试实践.pdf

通过阅读这本书,您将了解以下几点: •基于模型的测试的基本原理和术语 •应用基于模型的测试的循序渐进的过程 •基于模型的测试是如何不同于其他测试流程 •如何基于模型的测试属于典型的软件生命周期基于模型的测试的好处和局限性,其成本效益,采用和先决条件 •对基于模型的测试使用不同的建模技术指南 •有用的测试生成策略和它们是如何用于基于模型测试工具 •一些常见的测试选择标准,它们之间的差异,以及如何他们可以用来控制测试生成过程 •如何基于模型的测试与自动化测试执行平台 •如何将基于模型的测试技术应用到真正的应用程序

深入解析UE5内存分析:从Memreport到Unreal Insights

本文深入解析了UE5内存分析的两大核心工具:Memreport与Unreal Insights。Memreport提供详细的内存快照,帮助定位UObject等资源的内存占用;而Unreal Insights则能进行实时监控与历史回溯,精准追踪内存泄漏。掌握这两款工具是优化UE5项目性能、确保大型项目稳定运行的必备技能。

lg888的博客 1014

超详细,性能测试三大模式详解,资深测试老鸟一文道破...

在性能测试工作中,业务模型、流量模型和数据模型是至关重要且必须在项目中构建的,否则很可能导致测试的场景和实际差距很大,测试结果也无法为性能分析和优化提供足够有说服力的支撑。业务模型大家可以将业务模型看作功能测试中的业务场景。在性能测试中要构建业务模型,我们要考虑如下几个因素:商品库存是否足够;下单的商品是否可参与营销活动;下单的用户是否是vip会员,有会员折扣;下单的用户是否有优惠券,该优惠券是否满足本订单的优惠条件;

大佬云集技术答疑交流群:743262921(进群暗号:222) 1003

TMS320F280039 CMD文件配置避坑指南:从.map文件看懂内存分配与溢出排查

本文详细解析了TMS320F280039芯片的CMD文件配置问题,通过.map文件分析内存分配与溢出排查。文章提供了实用的诊断技巧和解决方案,帮助开发者有效应对段溢出、地址重叠和栈堆冲突等常见问题,优化DSP程序的内存管理。

weixin_29168813的博客 446

基于模型的测试_实用的基于模型的测试打招呼

基于模型的测试In this post, you’ll learn how to build your first Mode-Based Testing automation, using Java and GraphWalker. 在本文中,您将学习如何使用Java和GraphWalker构建您的第一个基于模式的测试自动化。 *It’s important to note that it is...

weixin_26717681的博客 1337

QUIC 协议域名封堵:核心原理、关键技术与实现路径(C/C++代码实现)

随着 QUIC 协议在互联网领域的广泛应用,其基于 UDP 的传输特性与加密设计,打破了传统 TCP 协议下的域名封堵逻辑,给网络合规管理与安全防护带来新的技术难题。本文将脱离具体代码实现,聚焦 QUIC 协议域名封堵的核心原理、关键技术环节与实际落地路径,从协议特性本质出发,解析如何在遵循 RFC 9000、RFC 9001 等规范的前提下,实现对 QUIC 流量的精准域名封堵。

chen1415886044的博客 1467

Claude Code 错误解决方案: Request Timed Out 超时 原因、配置与解决方案

Claude Code 抛出 Request Timed Out 不仅可 能是网络问题,更大概率是 API 高负载或超大响应导致。本文从 默认超时机制出发,拆解三种根因场景,给出 API_TIMEOUT_MS 环境变量调优与任务拆分策略,帮助开发者在保证稳定性的同时 避免误判网络故障。

多媒体编程、网络编程、系统编程、网络安全编程、驱动编程 900

Python测试数据工厂对比:factory_boy与mixer在pytest中的实战应用

在软件测试领域,测试数据构建是自动化测试的核心环节,直接影响测试用例的覆盖率和维护成本。测试数据工厂作为一种设计模式,通过封装数据生成逻辑来解决手动构造数据的痛点,提升测试效率与可维护性。其技术原理在于将数据创建过程抽象为可配置的模板,支持关联关系处理、随机数据生成和字段覆盖等关键功能。在Python生态中,factory_boy采用声明式编程范式,通过预定义Factory类提供强类型和明确依赖链,适合复杂数据模型场景;而mixer采用命令式动态混合方式,无需预定义即可智能推断字段类型并自动处理关联,适合快

weixin_30266885的博客 334

《UDS协议从入门到精通》系列——图解0x34:请求下载

上传下载类服务之0x34-请求下载,图解请求+响应格式,直观易懂,快速上手!!

车载系统攻城狮 4931

Claude 3.7 Sonnet:全球首个混合推理模型

Anthropic于2025年2月25日深夜正式推出革命性AI模型——Claude 3.7 Sonnet。在官方博文中,Anthropic称,Claude 3.7 Sonnet是Anthropic迄今为止最智能的模型,也是市场上首个混合推理模型。作为该系列首款混合推理模型,其突破性架构实现了"即时响应"与"可扩展深度思考"的有机统一。

BOTOAI 2178

sap资产post记录查询时候 报错 如图

SAP资产过账查询报错AA653解决方案摘要 错误原因:系统无法计算会计年度期间的最后一天,导致资产折旧/过账失败。常见原因包括:1)未创建2025年期间版本;2)期间日期映射不完整;3)依赖日历但未生成2025年日历。 解决方法: 通过OB37维护2025年12/13个完整期间 补充缺失期间或修正结束日期 使用SCAL生成2025年工厂日历 验证步骤: 检查T009R表2025年记录完整性 测试AFAB折旧运行 重新查询资产过账 提示:建议财务团队统一维护跨年度期间数据,并在测试系统验证变更。

金牌架构师 835

flowable工作流看这一篇就够了(基础篇)

接下来我们构建一个非常简单的请假流程,Flowable引擎需要流程定义为BPMN 2.0格式,这是一个业界广泛接受的XML标准。在Flowable术语中,我们将其称为一个流程定义(process definition)。一个流程定义可以启动多个流程实例(process instance)。流程定义可以看做是重复执行流程的蓝图。在这个例子中,流程定义定义了请假的各个步骤,而一个流程实例对应某个雇员提出的一个请假申请。

qq_38196449的博客 2万+

通义千问3-4B新手指南:利用‘非推理’模式快速生成结构化测试数据

本文介绍了如何在星图GPU平台上自动化部署通义千问3-4B-Instruct-2507镜像,并利用其‘非推理’模式快速生成结构化测试数据。该平台简化了部署流程,用户可通过自然语言指令,便捷地为软件开发、功能测试等场景批量生成符合业务规则的JSON格式模拟数据,极大提升效率。

weixin_35750747的博客 204

RLHF 家族的奇巧魔改:On Policy 与 Off Policy 路线大PK

无论是 On Policy 还是 Off Policy,RLHF 家族的“魔改”之路都充满了奇思妙想。相信随着研究的深入,RLHF 技术将会在 Alignment 领域发挥越来越重要的作用。

步子哥的博客 2083

【Agent 系统设计】基于大语言模型的智能Agent系统

核心思想是构建一个以**大语言模型(LLM)为“大脑”的智能代理(Agent),旨在解决将人类的自然语言指令**高效、准确地转化为**机器可执行的自动化任务**。系统通过`LLM + RAG (检索增强生成) + Tools`的组合,让用户仅需通过一句话,即可驱动系统完成原本需要跨多个应用、执行多个步骤的复杂操作,实现“所想即所得”。更通顺的说,以**对话的交互方式**代替之前复杂ERP系统的流程交互。

weixin_45653525的博客 1375

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

构造性谎言:用错误前提激活大模型自我校验能力

大语言模型的推理过程常被视为黑箱,而‘构造性谎言’作为一种提示工程方法,本质是利用反事实前提触发模型内部的知识一致性校验机制。其原理源于Transformer架构中多源知识权重竞争所引发的隐式冲突信号,进而暴露逻辑断层、知识幻觉与因果链断裂等深层缺陷。该技术不依赖模型微调或额外算力,却能显著提升模型可解释性与鲁棒性评估效率,在法律条文校验、医疗问答验证、教育智能辅导等高可靠性场景中展现出独特价值。本文聚焦提示设计中的锚点-推演-校验三层结构与响应分析矩阵,为工程师提供可复用的逻辑校验实践框架。

liangqilang的专栏 403

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

自动化测试模型与驱动+项目问题思考,一篇带你打通...

1、线性测试早期的自动化测试,就是通过录制或者编写应用程序的操作步骤产生响应的线性脚本,来模拟用户完整的操作场景。优点:单个脚本相对完整,且独立,可拿出来单独执行;缺点:开发成本很高,测试用例之间可能存在重复操作,每次都要录制或编写重复的操作,比如用户登录;维护成本很高,因为存在重复操作,因此如重复操作发生变更,就需要包含重复操作的用例都需要进行修改;2、模块驱动化测试将重复的操作独立封装为公共模块,用例执行过程中需要用到时调用该公共模块,最大限度的消除重复操作;

分享测试知识 866

Test-Agent智能测试助手:让AI成为你的专属测试工程师

还在为重复的测试用例编写而烦恼吗?Test-Agent项目通过大语言模型技术,为测试工程师打造了一个全天候在线的智能助手。这个开源工具能够自动生成多语言测试用例、补全测试断言、构造测试数据,彻底改变传统的软件测试工作流程。 ## 🤖 为什么你需要一个AI测试助手? 想象一下,当你面对一个新功能模块时,不再需要手动编写几十个测试用例。Test-Agent能够理解代码逻辑,自动分析边界条件,生成

gitblog_01038的博客 791

阿里大模型突然震惊世界!

与DeepSeek-R1等同类大模型相比,Qwen3的部署成本仅为其25%-35%,显存占用也仅为对方的三分之一,这对于AI应用的普及和成本控制来说,具有划时代的意义。这些产品的创新,不仅增强了阿里与用户之间的互动,也进一步提升了其在消费者市场的渗透率,展现出阿里在AI时代的新竞争力。Qwen3的亮点之一,是其强大的国际化支持。这种多样化的模型架构,使得Qwen3不仅具备了处理简单任务的高效性,也能够应对更复杂的推理任务,满足不同行业和应用场景的需求,为企业和开发者提供了更多的选择和可能性。

liudada8265的博客 1021

百川2-13B模型自动化测试实践:构建基于模型的软件测试用例生成器

本文介绍了如何在星图GPU平台上自动化部署百川2-13B-对话模型-4bits量化版镜像,以构建AI驱动的软件测试用例生成器。该实践展示了如何利用该模型,根据自然语言需求文档自动生成结构化的测试用例,从而将测试工程师从重复的脑力劳动中解放出来,显著提升测试设计与准备的效率。

weixin_32287387的博客 62

北京交通大学开创性突破:让AI像人类一样深度思考的编程助手

北京交通大学开创性突破:让AI像人类一样深度思考的编程助手

至顶AI实验室 390
下一篇: 成功解决: 基于UI的测试设计,用例的版本管理
IT应用实践进阶
博客等级 码龄16年 373粉丝 191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

打赏作者

IT应用实践进阶

你的鼓励将是我创作的最大动力

¥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