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
热门文章