测者的测试技术手册:AI的自动化单元测试

最新推荐文章于 2025-03-18 11:05:34 发布
转载 最新推荐文章于 2025-03-18 11:05:34 发布 · 203 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://juejin.im/post/5c10a282f265da616f6fd230
文章标签：

#测试

谈新技术:AI的自动化单元测试


转载于:https://juejin.im/post/5c10a282f265da616f6fd230

AI测试革命：5分钟自动生成单元测试｜覆盖率和边界测试实战指南
IT深耕十余载，大道之简
06-27 1010
AI测试革命：5分钟自动生成单元测试 本文介绍如何利用AI工具快速生成高质量单元测试，解决传统测试的痛点： AI测试优势 秒级生成基础测试用例 智能识别代码路径和边界条件 降低测试编写门槛 实战演示 通过用户年龄验证函数案例 使用Copilot生成8个测试用例 包括正常值、边界值和异常测试 覆盖率和边界测试 分析不同类型覆盖率指标 补充AI可能遗漏的边界条件 参数化测试实现等价类覆盖 持续优化流程 定位未覆盖代码 设计针对性用例 验证覆盖率提升 AI测试助手可提升3倍测试效率，特别适合初学者快速掌握测试设计
饿了么-邱化峰-使用AI生成单元测试.pdf
09-23
工具介绍 ➢原理和方法 ➢落地效果 ⚫自动生成异常堆栈的测试用例 ⚫自动生成restful的API测试用例 ⚫预测堆栈是否会产生异常
基于人工智能的软件自动化测试系统设计.pdf
07-10
基于人工智能的软件自动化测试系统设计.pdf
使用AI生成Java单元测试，代码无BUG
小道仙的后宫
01-04 4164
从结果来看，要比预期好很多，最开始的目标是在写单元测试的效率提升 30%，从结果来看是要大于这个预期的。从结果来看就是 Cursor + 提示词，生成单元测试，如果想直接看结果可以直接跳到【四、使用Cursor】，如果想要看看对比，可以一步步往下看。对于各种IDEA插件生成的单元测试来说，几乎就只有手动调试一种方式，主要原因它们对整个代码库理解不是很好，很难对给出的异常做太多的优化。每一次对话，就会扣减上面 250次中的一次（对话框的左下角可以选择模型，有的模型是不限量的）
通过AI自动生成springboot的CRUD以及单元测试与压力测试源码（完整版）
最新发布
alanchanchn的专栏
03-18 1万+
本文通过ai自动生成以springboot、jpa技术为基础的CRUD源码，同时生成该CURD对应的单元测试与压力测试源代码，ai插件是aicoder插件。
[AI测试]想学AI测试，这几本书籍推荐你一定要看看
凌晨的博客
01-14 1780
人工智能 高中版 机器学习 西瓜书
以AI驱动的Java单元测试解决方案提高开发人员的生产力
12-01 1506
自动化软件测试解决方案的全球领导者Parasoft 宣布与 OpenAI 和 Azure OpenAI 供应商进行新的集成，为 Java 开发人员生产力解决方案 Parasoft Jtest 引入GenAI功能。
用AI对一段代码进行单元测试
inputA的博客
01-31 2783
利用AI工具对以上代码编写单元测试用例。
AI写测试用例_ai generate unit test case(1)
2401_84562768的博客
05-15 1778
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。需要这份系统化的资料的朋友，可以戳这里获取一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！else:### 四、总结[外链图片转存中...(img-IBvZiIxE-1715721425067)]
人工智能技术在移动终端自动化测试中的应用.pdf
06-28
人工智能技术在移动终端自动化测试中的应用.pdf
人工智能测试方法--探索.pdf
02-27
⼈⼯智能测试⽅法--探索 　 什么是⼈⼯智能 　　再讲如何 ⼈⼯智能产品之前，我觉得我要先跟不熟悉⼈⼯智能的同学们解释⼀下什么是⼈⼯智能。毕竟想要测试⼀个东西，就要先了解它么。⽤⼀句话来 概括现阶段的⼈⼯智能就是：⼈⼯智能=⼤数据+机器学习。 　　我理解的现阶段的⼈⼯智能是使⽤机器学习算法在⼤量的历史数据下进⾏训练，从历史数据中找到⼀定的规律并对未来做出的预测⾏为。这么说有点拗⼝。 我举个例⼦，我们曾经给银⾏做过反欺诈项⽬。 以前在银⾏⾥有⼀群专家，他们的 就是根据经验向系统中输⼊⼀些规则。例如某⼀张卡在⼀个城市有了⼀笔交 易，之后1⼩时内在另⼀个城市⼜有了⼀笔交易。这些专家根据以前的经验判断这种情况是有盗刷的风险的。他们在系统中输⼊了⼏千条这样的规则，组成了⼀ 个专家系统。 这个专家系统是建⽴在⼈类对过往的数据所总结出的经验下建⽴的。 后来我们引⼊了机器学习算法，对过往所有的历史数据进⾏训练，最后在25 亿个特征中抽取出8000万条有效特征。⼤家可以把这些特征就暂且当成是专家系统中的规则。8000万对不到1万，效果是可以预想的。当时对第⼀版模型上线 后的数据做统计，反欺诈效果提升了7倍， 这就是⼆分类算法典型的业务场景。 　　为什么叫机器学习呢，因为它给⼈⼀种感觉，机器能像⼈类⼀样从过去的数据中学习到经验，只不过机器的能⼒更强。 如果想再稍微深究⼀下机器学习训 练出来的模型到底是什么，那⼤家可以暂且理解为⼀个⼆分类的模型主要是就是⼀个key，value的 。key就是在数据中抽取出来的特征，value就是这个特征的 权重。 当我们想要预测⼀个⽤户的⾏为的时候，就会从⽤户的数据中提取特征并在模型中查找对应的权重。 最后根据这些特征的权重算出⼀个分，也可以说是 ⼀个概率。 如果⼤家看过最强⼤脑这个节⽬的话。应该记得第⼀次⼈机⼤战项⽬是⼈脸识别，第三回合的时候机器给出了两个答案。因为当时做⼈脸识别项⽬ 的志愿者中有⼀对双胞胎。所以机器计算出的这两个⼈的概率只差了0.1%，最后为了谨慎起见机器输出两个答案出来。以⾄于吴恩达先⽣也很纠结到底该选哪 ⼀个答案。 　　再之后的⼈机对战项⽬⾥我们也能看到虽然⼩度⼀路⾼歌，毫⽆败绩。但是其中是有选错过⼏次的。所以⼤家可以看到我们得到的答案其实是⼀个概率，是 ⼀个根据以往的数据进⾏总结并作出预测的⼀个⾏为。并不是100%准确的。即便是阿尔法狗当初也是输过⼀局的。所以其实我们测试的痛点也就来了，你怎么 测试⼀个概率呢。 接下来我们慢慢的来说这个问题。 　　这个图就是⼀个⼈⼯智能服务的略缩图。 在历史数据上训练出模型，并发布⼀个预测服务，这个预测服务可能就是⼀个http的接⼝。 然后新的数据过来以 后，根据模型算出⼀个预测值。经过刚才的说明，我们看到数据是⼈⼯智能的根本。拥有的数据越多，越丰富，越真实，那么训练出的模型效果越好。 　 　测试思路 　　 　　 　　 训练集与测试集对⽐ 　　 数据测试 　　根据我们之前对⼈⼯智能的定义，我们发现数据是⼈⼯智能的根据。 保证数据的正确定是⾮常必要的。 ⽽且⼏乎所有的机器学习算法对数据的容错能⼒都 很强，即便数据稍有偏差，它们也能通过⼀次⼀次的迭代和对⽐来减少误差。 所以即便我们的数据有⼀点问题最后得出的模型效果可能还不差， 但是这个时候 我们不能认为模型就没问题了。 因为很可能在某些特定场景下就会出现雪崩效应。 　　再举个例⼦。当初阿尔法狗与李世⽯⼀战成名。如果说前三盘的结果令各路专家⼤跌眼镜的话。那第四盘可能是让所有⼈都⼤跌眼镜了。阿尔法狗连出昏 招，⼏乎是将这⼀局拱⼿相让。那阿尔法狗出bug了？DeepMind团队说，这是⼀个系统问题。那我们来看看这个系统到底有什么问题。根据当时公布出来的数 据我们发现阿尔法狗的养成⽅法是这样的。 　 　阿尔法狗如何养成 　　1.整理过去⼈类对弈的80多万盘棋局 　　2.拿1的棋谱，训练⼀只狗狗，能够预测⼈类下⼀步会下在哪⾥ 　　3.拿2得到的狗狗，每天⾃⼰和⾃⼰下100万盘棋 　　4.拿1和3的棋谱，再训练⼀只狗狗，这就是阿尔法狗。 　　阿尔法狗是基于1亿+盘机器棋局和80万⼈类棋局训练出来的狗狗。问题出在哪？我们看到，训练阿尔法狗所⽤的棋谱，只有80万是⼈类棋局，总数上亿的 棋局是机器对弈的。它下的每⼀步，都是将局⾯导向历史上(也就是80万⼈类棋局和1亿⾃⼰对弈的棋局)胜率最⼤的局⾯。 问题就恰恰出在这⾥，80万和1亿。 相差甚多。那么阿尔法狗选择的所谓胜率最⼤，⼀定是赢⾃⼰的概率最⼤，⽽不是赢⼈类的概率最⼤。这样的标准在顺丰棋尚且不容易出问题，⼀旦遇到逆风 局，它的选择就变成了，选择对⼿犯错概率最⼤的棋，⽽这个对⼿恰恰就是它⾃⼰。这就是为什么当初阿尔法狗在逆风局中下出⼀些匪夷所思的棋。当然这些都 只是⾏业内的⼈的
《青春有你2》AI机器学习人脸识别测试图片集
04-29
《青春有你2》AI机器学习人脸识别测试图片集，百度paddlehub机器学习库训练模型，飞桨paddlepaddle七日python小白逆袭大神训练营
你一定想不到，实现一个AI自动化测试工具就这么简单！
02-24
闲鱼质量团队一直致力于交付高质量的app给用户，当前随着AI技术不断发展，TensorFlow大热，也给测试手段带来了更多种可能。不需要理解业务就能发现的bug主要有整体页面空白、部分控件显示异常和文本异常这几类。对于整体空白图片，发现它们的共同特征是比较明显：大面积空白或者中心区域报错，所以选择使用TensorFlow搭建的简单CNN模型来识别正常图片和异常图片。对于文本异常这类包含乱码的图片，则是用OCR+LSTM建立了一个简单的汉字识别模型来识别图片中的文本内容后判断是否存在乱码。训练以上模型的样本则来源于bug历史截图和mock的正向数据样本。初始模型在训练时样本有限，但随着app不停
我用这个 AI 工具生成单元测试，爽的一批！
GitLab 中国发行版
10-30 1380
本文介绍如何使用极狐GitLab 的 AI 产品驭码CodeRider 进行单元测试的生成。
AI大模型的使用-让AI帮你写单元测试
dfBeautifulLive的博客
08-28 5918
2.定义prompt跟Ai说明需求，这里需求是“让它写单元测试，并用Python 3.10和pytest高级特性写代码出合适的单元测试代码验证有效性，写代码之前，先去了解作者的意图”将需求promot和代码传给 AI即可，接下来根据上面的反馈以及进一步的需求，让它帮忙写出一个简单的但是包含多种情况的单元测试例子，我们提出测试单元的需求，看看它能否给出可靠的全面的测试要求，代码如下，下面我们就给出代码让它解释出我们的代码是干嘛的，看解释的是否准确，代码比较简单，结果：可以拿过去直接执行。
TOP级AI驱动的单元测试工具推荐
人生不怕起点低，就怕没追求
07-27 1640
这篇文章，我想对开发人员人员来说更有帮助，毕竟开发同学“苦单元测试久已”！
评论
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