如今我们面临着一个难题。当一名测试人员离职时,仅从预算报表来看,很难说服公司再招聘一名测试人员。哪怕是离开一位支持多个团队的测试人员,也可能会影响整个部门,导致产品质量下降、集成环节出现问题。作为一名软件开发经理,面对无法控制的外部因素,处境非常艰难。他们依赖越来越少的测试人员来维护一个持续变化的系统。为了思考如何提高工作效率、减少重复性工作,并腾出更多时间处理更有挑战性的问题,今天一位软件开
最近,有几位同仁问我如何测试AI。很高兴分享我的经验,但我倾向于从更广义的视角来解读这个问题,也许可以这样问:在测试包含人工智能组件的系统时,我会考虑哪些方面。第一次回答这个问题时,我是自由发挥的,但当问题再次出现时,我决定写下一些要点,帮助我记住关键内容。这篇文章就是这个列表的最新版本。重要声明:我不是专家;以下内容是我在对话中提醒自己注意的事项,因此非常简洁;它也比较杂乱;绝对不是一个指南
我很高兴地宣布,coTestPilot.ai已经发布,支持Playwright和Selenium。这个开源扩展来自Checkie.AI的测试团队,为自动化测试引入了额外的AI驱动的测试能力。该项目旨在通过简单地集成到现有的Playwright和Selenium测试中,让每位自动化工程师都能享受到基于AI测试带来的价值。什么是coTestPilot?coTestPilot是Checkie.AI和
软件测试是现代软件开发的基石,但它仍然是资源密集型且重复性高的任务之一。为了应对这一挑战,我们的团队开发了一种基于人工智能驱动的单元测试代码生成器,旨在简化测试工作流、提高代码质量并节省开发者的宝贵时间。以下是对该工具的详细介绍,以及它的革新性所在。介绍AI单元测试生成器是一款创新工具,旨在自动生成软件项目的单元测试用例,从而简化这一过程。架构概述我们的系统采用了基于智能体的架构设计。在这种架
一个多月前,我与几位DeepEval用户进行交流,发现他们明显分为两类:一类对开箱即用的指标(metrics)感到满意,另一类则不然。需要说明的是,DeepEval是一个我过去一年一直在开发的开源LLM评测框架,其所有LLM评测指标都采用以LLM作为评委(LLM-as-a-judge)的方式。这个项目的月下载量已接近50万次,GitHubstar数接近5000(编辑注:现在已经5.4K+)。如
在CI/CD管道中,管理测试数据是一个至关重要但常常被忽视的方面。如果没有适当的清理,陈旧或冲突的数据可能导致测试失败、假阳性结果和数据库膨胀,最终会减慢部署速度。自动化测试数据清理确保每次测试运行都从一个干净的状态开始,提高了测试的可靠性,并防止了不必要的副作用。在本文中,我们将探讨在CI/CD工作流中自动化测试数据清理的策略,从数据库回滚到基于API的方法,并且如何将它们无缝集成到我们的管
代码覆盖率是一个重要指标,用于描述特定测试套件对应用程序源代码的测试程度。在自动化测试的背景下,你可以使用不同的编程语言来测量代码覆盖率,比如Python。Python提供了各种测试框架,如pytest,这些框架具有为自动化测试生成pytest代码覆盖率报告的能力。让我们学习如何使用pytest框架生成代码覆盖率报告。什么是代码覆盖率?代码覆盖率是一个简单的统计指标,用于衡量测试套件验证的总代
主题什么书都可以。不管是与有关IT还是任何其他领域都可以。请分享那些给你留下深刻印象的书名,并分享一些你这样认为的原因。如果你读过一些与QA(明显)无关但仍然帮助到你的东西-也可以分享这些。看看(特别是)这里的人是否还在阅读,以及他们从他们阅读的内容中得到了什么,这也是一件很有趣的事情。网友一《软件测试入门到精通:高质量测试的概念、技能和策略》《探索性测试-降低风险并增强信心的方法》《敏捷测试-测
引言如果你还不了解什么是软断言(SoftAssert),请阅读《软断言——为何你应在单元测试和集成测试中使用它们?》。本文是《优雅断言:使用AssertJ创建自定义断言以实现更整洁的代码》的续篇,该文章向你展示了如何使用AssertJ创建自定义断言。在这里,你将学习如何在其方法的基础上进行扩展,从而在自定义断言之上使用软断言方法。使用AssertJ创建自定义软断言你可以使用AssertJ库中的
“嗯,在我的机器上可以运行”我相信在我们的职业生涯中,我们都曾听过开发人员对我们这样说过,我们也都会对此翻白眼。显然,这并不只是你机器上的问题……我们最好将同样的“它不应该只在我的机器上运行”理念应用到我们的测试中:团队中的每个人都应该能够运行它们。测试自动化的核心在于快速反馈,只有当运行测试快速、顺畅且无缝时,你才能获得这种反馈。此外,测试应该能够按需运行,无需等待有人设置机器、准备必要的测