登录社区云,与社区用户共同成长
邀请您加入社区
本文全面讲解 pytest 测试框架核心用法,从基础用例编写、fixture 管理、参数化、断言,到 allure 报告生成、多环境测试实战,搭配完整代码与详细注释,一篇带你从入门到精通 pytest 自动化测试。
本文系统阐述了软件测试的多维度分类体系。从测试目标角度详细介绍了界面、功能、性能、可靠性、安全性和易用性6类测试;按执行方式分为静态与动态测试;按方法分为白盒、黑盒和灰盒测试,其中重点解析了白盒测试的6种覆盖方法及其应用场景;同时阐述了单元、集成、系统等不同测试阶段的特性。此外,还对比了手工与自动化测试的优缺点,分析了α/β测试的差异,并介绍了国际化测试的地域适配要求。这些分类方法为软件测试工作提
本文系统介绍了软件自动化测试的核心概念与应用。主要内容包括:1)自动化测试的定义与局限性,强调其不能完全取代人工测试;2)测试分类(接口、UI、Web等)及典型应用场景;3)测试金字塔理论,分析理想模型与企业实践的差异;4)Web自动化测试原理,重点讲解驱动机制和Selenium工具链。文章通过百度搜索案例,详细展示了Selenium+WebDriver+浏览器的协同工作原理,并介绍了WebDri
本文详细介绍了测试时的测试用例的概念、方法即编写示例。包含写测试用例的思路、步骤:功能测试+界面测试+性能测试+兼容性测试+易用性测试+安全测试。以及设计测试用例的方法等。
刚开始做测试的同学,听到黑盒测试、白盒测试是不是头都大了?是什么东西这么专业高深,让人觉得只可远观而不可亵玩焉。今天就为大家揭开黑盒测试和白盒测试的神秘面纱,让每个测试入门人员都能够把它俩理解得明明白白。
本文使用JUnit进行 Java 单元测试,提高代码质量!
满足特定目的的测试数据、测试代码、测试规程的集合是发现软件缺陷的最小测试执行单元有特殊的书写标准和基本原则黑盒测试又称功能测试、数据驱动测试或基于规格说明书的测试,是一种从用户观点出发的测试。等价性划分、边值分析、组合测试、随机测试和误差猜测、场景测试黑盒测试主要测试的错误类型有:①不正确或遗漏的功能;②接口、界面错误;③性能错误;④数据结构或外部数据访问错误;⑤初始化或终止条件错误等
整份文档一共有208页,全部为大家展示出来肯定是不太现实的,为了不影响大家的阅读体验就只展示了部分内容,还望大家海涵,希望能帮助到您面试前的复习且找到一个好的工作,也节省大家在网上搜索资料的时间来学习!希望大家都能够有些收获!
JMeter下载及安装(附插件及中文包超详细)
Docker是一种流行的容器化平台,它允许开发人员在独立、可移植的环境中构建、打包和部署应用程序。在使用Docker时,常常需要在Docker容器和主机之间进行文件的复制和共享。Docker提供了一个名为docker cp的命令,可以轻松地在容器和主机之间复制文件和目录。本文将详细介绍docker cp命令的使用方法和常见示例。docker cp命令是在Docker容器和主机之间复制文件和目录的便
使用 BP 工具的 Intruder 模块高度可配置,可以对目标网站进行密码爆破,一般被用于网站的安全渗透测试场景它的工作原理是,在原始网络数据包中,利用不同的变量值对请求参数进行替换,然后模拟请求以获取不同的响应结果,以此达到爆破的目的
软件项目管理、开发、设计、立项、验收、运维、实施全文档:点我获取
图吧工具箱是一款功能强大的硬件检测工具合集,且开源、免费、绿色;集成了硬件检测、评分工具、测试工具,常见的工具都有;电脑压力测试能对电脑硬件进行检测,通过释放电脑的性能来达到性能检测的目的;压力测试也是一种包质保量的操作,是软件检测过程的一部分;用特定的软件进行压力测试就是在计算机数量较少或资源相对少的情况下进行测试;主要对内存、CPU、磁盘及系统的稳定性进行测试;现在对电脑进行压力测试已成为检测
http协议又叫做超文本传输协议,在做网络请求的时候,我们基本上是使用http协议。http协议包括请求和响应。请求中包括:请求地址,请求方式,请求方式包括get请求和post请求,get和post的区别是get请求是在地址栏后边跟随请求参数,但是请求参数大小是有限制,不同浏览器是不同的。一般是4KB。post请求主要用于向服务器提交请求参数。post请求的参数是放到请求实体内容中的,相对get请
1.河南右蓝科技有限公司成立于2018年,注册资金1000万,自公司成立以来一直专注互联网产品高端定制开发业务,由公司独立研发完成并发布上线的客户案例近二百例,包含商城类应用、视频(视频对话)类应用、社交类应用、O2O应用、论坛、新闻、医疗等多行业的网络应用程序,积累各大行业多端程序开发与维护经验,能从容针对各行业制定兼具高安全性、易扩展性、易维护性、高稳定性以及极致用户体验等特征的产品方案。公司
(一)软件测试的定义在规定的条件下对程序进行操作,以发现程序的错误,衡量软件质量,并对其是否能满足设计要求进行评估的过程。1 规定条件 --> 测试用例2 发现程序的错误 --> 找bug3 衡量软件质量 --> 根据各项指标评估软件的质量4 满足设计要求 --> 是否满足用户需求、需求规格说明书、概要设计、软件设计等(二)软件测试方法的分类按开发阶段划分:1、单元测试(U
首先,什么是接口呢?接口一般来说有两种,一种是程序内部的接口,一种是系统对外的接口。系统对外的接口:比如你要从别的网站或服务器上获取资源或信息,别人肯定不会把数据库共享给你,他只能给你提供一个他们写好的方法来获取数据,你引用他提供的接口就能使用他写好的方法,从而达到数据共享的目的,比如说咱们用的app、网址这些它在进行数据处理的时候都是通过接口来进行调用的。程序内部的接口:方法与方法之间,模块与模
本文介绍了Appium自动化测试中的高级手势操作和Toast操作实现方法。手势操作部分详细讲解了6种核心交互:1)轻敲(tap)、2)按下与抬起(press/release)、3)等待(wait)、4)长按(long_press)、5)移动(move_to),并通过WiFi设置页面的完整代码示例演示了组合使用方式。Toast操作部分说明需要配置"automationName":
别做那种"AI生成完直接commit"的事,我见过同事这么干,code review的时候发现测试里所有的mock都是any(),所有断言都是assertNotNull——这种测试除了拉低覆盖率什么用都没有。返回的是null需要显式类型转换,而AI完全不理解这个坑——它在训练数据里见过argThat的用法,但不了解Java泛型在Mockito里的类型推断限制。我的经验是:涉及Spring容器和测试
本文摘要: 针对大语言模型(LLM)在电商场景中的幻觉和安全隐患,提出系统化测试方案。知识测试涵盖事实性(准确率)、推理(正确率)和幻觉检测(虚构问题编造率),实测显示未优化的模型幻觉率高达70%。安全测试聚焦四类攻击:有害内容、隐私泄露、Prompt注入和Jailbreak,关键发现包括:规则过滤对已知攻击拦截率100%,但需结合LLM检测应对变体攻击。交付物包含标准测试集(如30个事实问题、2
Java 单元测试生成 Excel 测试数据指南 摘要 本文介绍如何使用 Java 和 POI 库生成 Excel 测试数据,用于单元测试和性能测试。主要内容包括: 测试数据需求:针对不同测试场景(正常流程、性能测试、边界测试等)需要生成不同数据量的 Excel 文件 技术方案: 使用 JUnit 测试类而非 main 方法,便于集成和选择性执行 根据数据量选择 POI 的 XSSFWorkboo
为这些领域构建的软件应用程序不能承受崩溃、数据损坏或系统故障,即使是小规模的,因为很多人的生活都会受到影响。这些软件中的错误可能会造成不可逆转的损害,并使公司面临诉讼风险。当需要人工的洞察力和判断力时,手动测试是合适的,而自动化测试更适合于进行细微调整的重复流程。蜂巢模型是一种现代的软件测试方法,其中集成测试是主要关注点,而单元测试(实现细节)和 UI 测试(集成)受到的关注较少。这些资料,对于做
本文介绍了一种利用AI大模型辅助代码Review的实用方法,帮助开发者提高Review效率和质量。文章指出,在业务迭代快的场景下,AI可以作为"第二视角"提前发现常见问题,如空指针风险、参数校验缺失、性能隐患等,但不能替代人工最终判断。作者以Java后端地址新增接口为例,详细演示了从Prompt设计、多模型选择到问题验证的全流程,并提供了结构化Review模板和测试用例生成方法。同时强调AI建议需
本文用生活化的比喻清晰区分了AI开发中的五个核心概念: Tool(工具):单一功能的"傻小子"(如厨房电器),只管执行不问原因 Toolset(工具集):按岗位分配的工具箱(如装修队不同工种的专用工具),控制权限范围 Skill(技能):操作指南(如菜谱),知道"先做什么后做什么"的方法论 Agent(智能体):自主决策的"大厨",能规划
Parasoft Jtest、dotTEST 和 DTP 2026.1 现已发布——将AI智能体融入您的开发流程中,从而自主修复静态分析违规、生成测试代码用例。
在这个人工智能技术飞速发展的今天,AI Agent(人工智能代理)已经不再是科幻小说里的概念,而是实实在在地走进了我们的生活。从智能客服到自动驾驶,从推荐系统到游戏AI,AI Agent正在改变着我们的世界。但是,就像我们需要确保玩具汽车需要定期保养和维护一样,AI Agent也需要经过严格的测试,才能确保它们能够安全、可靠、高效地为我们服务。
首先,什么是AI Agent?在人工智能领域,Agent通常指的是能够感知环境、做出决策并采取行动的自主实体。感知模块:负责从环境中获取信息推理/决策模块:处理信息并决定下一步行动行动模块:执行决策,影响环境学习模块:根据经验改进性能自主性:AI Agent能够在没有持续人工干预的情况下运行反应性:能够感知环境变化并及时做出反应主动性:不仅能对环境做出反应,还能主动追求目标社交能力:能够与其他Ag
MXAM:高效建模质量检测与自动修复工具 摘要:本次研讨会介绍MESModelExaminer®(MXAM)工具,它能对Simulink®等模型进行全面静态分析,帮助开发者在时间压力下确保模型质量。MXAM不仅可检查建模规范、分析模型结构,还能自动修复违规问题,过程透明可控。研讨会将演示其功能,包括模型指标评估与重构案例,适合嵌入式软件开发及测试相关人员参与。议程涵盖静态测试原理、工具实操演示及配
SCA(软件成分分析)工具的核心价值在于实现软件供应链的可视化与可追溯,其功能涵盖资产盘点、漏洞检测、许可证合规等多维度。企业部署SCA主要受合规驱动(如金融、汽车、关基行业需满足国内强制法规)或风险驱动(如开源漏洞防范)。国内重点行业法规(如金融JR/T0290、汽车GB44495、关基GB/T43698)正加速SBOM标准化进程,而欧盟CRA则推动了全球趋势。SCA的五层功能从基础资产清单到高
但当系统的业务模块越来越多(商品采集、1688代采、订单状态流转、汇率转换、物流轨迹推送),改一行代码都可能影响多个模块,没有自动化测试兜底的代码库会变得像纸糊的房子——别人碰一下就碎一个角,改一个bug引入三个新bug。taocarts的测试体系采用测试金字塔模型,底座单元测试用PHPUnit或者TestNG覆盖核心业务函数和算法逻辑,中间集成测试针对服务间的接口交互用MockServer验证,
当 AI 开始替我们写代码,测试还像以前那样做就行了吗?
本文介绍了如何为全栈TypeScript项目建立测试体系,通过测试金字塔模型(单元测试70%、集成测试适量、少量E2E测试)分层实施。以ChatCrystal项目为例,使用Node.js内置的node:test模块实现零依赖测试方案,涵盖纯函数单元测试(如正则清洗、文本分块、路径解析)、集成测试(sql.js内存数据库与Fastify路由测试)以及CI自动化。文章强调单元测试应快速验证函数输入输出
基于Transformer架构,预训练+微调两阶段规模差异:百亿~万亿级参数 vs 百万~千万级能力差异:多任务(写作/编程/推理)vs 单一任务(分类/翻译)关键区别:零样本/少样本学习能力,输入空间无限大测试影响:输出是概率性的,断言方式完全不同Prompt是用户给模型的输入指令,决定了模型的输出方向同样的模型,不同的Prompt可能给出完全不同的答案测试Prompt就是验证:模型是否按预期理
本文探讨了Mock测试在Android单元测试中的关键作用与实践方法。主要内容包括:1. Mock测试原理:通过模拟外部依赖(如网络、数据库)实现测试隔离,提升执行效率和可靠性;2. 工具应用:详解Mockito框架在Android项目中的配置和使用技巧,包括基础模拟、参数匹配和异常测试;3. 实战案例:以电商购物车模块为例,展示如何通过Mock服务测试核心业务逻辑;4. 最佳实践:强调适度Moc
本文摘要(148字): 研究揭示智能体在代码生成与调试中的能力差异:测试显示,智能体生成电商计算代码(如销售额统计)正确率达100%,但调试同比环比代码时多次失败,需3轮才修复筛选逻辑错误。文章提出代码能力评估四维度(正确性、效率、风格、调试),并设计梯度测试集验证。关键发现:生成任务平均耗时143-176秒,调试简单bug仅64.5秒;复杂bug调试正确率显著低于代码生成。配套提供40个测试用例
文章摘要 Pytest是一个基于Python的开源测试框架,专为自动化测试设计。相比直接运行Python代码,Pytest能自动识别测试用例,无需手动编写main函数,并提供批量执行、结果断言、测试报告等功能。它解决了传统测试方法中的诸多痛点:无法自动判断结果正确性、难以批量执行测试、缺乏测试报告、测试数据管理困难以及测试环境复用问题。Pytest通过特定的命名规则(如test_前缀)自动发现用例
V流程是遵循ISO26262标准的汽车电子系统开发方法,通过需求分析、架构设计、详细设计、单元验证、集成测试和合格性测试的闭环过程确保功能安全。该流程强调需求可追溯性、分层验证(静态/动态)和阶段性评估,结合ASPICE标准提升开发质量与效率。基于模型的代码生成必须依托V流程管理,才能满足汽车软件的高可靠性要求,其核心在于建立系统需求到软件实现的全链路一致性验证机制。
随着 AI 编程工具的发展,Vibe Coding 正在改变传统的软件开发模式。本文以开源编程代理 OpenCode 为例,介绍其安装配置、模型切换、Plan 与 Build 工作模式、AGENTS.md 初始化机制及常用命令的使用方法。同时结合 C++ 数据结构项目,演示如何利用 OpenCode 与 Google Test(gtest)完成单元测试的生成、运行与验证。通过本文的学习,读者能够快
【2026年AI测试工程师核心能力地图】随着AI技术快速发展,企业对AI测试工程师的要求已发生本质变化。本文提出6项核心能力体系:1. 基础门槛(前3项必会): Python编程:需掌握API调用、数据处理等实用技能 大模型理解:重点认知能力边界而非训练原理 Prompt工程:掌握7大核心技巧如角色设定、任务拆解等 关键差异点: Agent框架能力(核心):需精通LangGraph等框架搭建测试智
本文探讨了大模型智能体的工具使用能力评估方法,提出四维度评估框架:1)工具选择准确率(三层分级评分);2)参数准确性(含语义检查);3)错误恢复能力;4)调用效率。研究显示,工具选择准确率≥70%可保证任务完成,但准确率下降会导致Token消耗激增5.6倍、耗时增加5.7倍。文章提供了工具选择陷阱用例集、错误恢复测试矩阵等实用评估工具,强调"能用≠最优",需区分best/acc
文章摘要:本文提出了一种三层评分机制,用于评估Agent输出的质量。第一层是规则评分,基于明确条件判断,覆盖100%用例但只能评估结构化指标;第二层是LLM评分,用于评估模糊质量指标,通过3次评分取中位数减少波动;第三层是人工抽检,处理分歧大的用例。三种方式组合使用:规则打底、LLM补充、人工兜底,确保评分稳定可靠。文章还提供了具体实现代码,包括规则评分细则、LLM评分Prompt模板和人工抽检流
文章摘要:本文探讨了智能体任务规划质量的量化评估方法,提出从四个维度进行评分:子任务数量合理性(20分)、依赖关系准确性(30分)、工具选择正确率(25分)和执行完成率(25分)。通过分析50个任务案例发现,规划质量优秀的任务执行完成率达94%,而不合格任务仅52%。研究揭示了12种常见失败模式,包括子任务数量失控、依赖环、工具选择错误等,并提供了对应的检测方法和扣分规则。文章强调合理的任务拆解(
智能体可测性设计:从黑盒到透明化 智能体常因缺乏日志和状态追踪导致失败难以排查。本文提出四个维度的可测性改造方案: 日志标准化 结构化JSON日志,包含trace_id、阶段标记、执行状态等关键字段,实现机器可读与问题追溯。 状态暴露 通过get_state接口实时获取智能体进度(如已完成/失败子任务、当前阶段),支持断点调试。 确定性控制 固定temperature(≤0.3)、种子和模型版本,