直到最近，关于人工智能（AI）在软件测试中的讨论陷入了两极分化的局面。一方面，狂热者们坚信人工智能即将在一夜之间彻底革新QA领域，实现所有测试的自动化，精准预测所有缺陷，并最终取代人工测试。另一方面，持怀疑态度的人则认为人工智能不过是又一个被过度炒作的潮流趋势，会分散对真正测试技术的关注。现实往往介于两者之间。人工智能并非质量保证的万能灵药，也不是什么噱头。它是一种工具，而且和其他任何工具一样
先阅读第一部分有助于理解后续数据的背景信息。这是一系列的文档内容。在第一部分中，我们大致了解了UI-Tars大语言模型是什么以及Midscene是如何对其进行统筹安排的。在本文中，我主要想通过使用Midscene，更深入地比较UI-Tars和GPT-4o在人工智能驱动的自动化测试方面的表现，找出它们之间的差异以及优缺点。自2025年2月起，Midscene默认支持GPT-4o、通义千问2.5VL（
本文探讨如何将大语言模型(LLMs)与传统自动化工具(Python/Selenium)结合，通过自愈测试机制提升测试可靠性。本文包含以下几个部分：什么是自愈测试硬件配置软件配置验证本地大语言模型API测试系统集成局限性未来前景什么是自愈测试自动化测试的可靠性是避免误报的关键。可靠的测试能够增强人们对测试结果的信任，并使自动化测试更深入地融入到流程中。通过解决测试执行过程中出现的关键问题，可以提高
人工智能正在给软件测试带来革命性的变化。它可以自动化执行重复性任务，发现其中的模式，并加快工作流程。但它并非魔法，需要仔细的监督。如果缺乏监督，软件质量就会受到影响。测试人员必须清楚何时可以信任人工智能，以及何时需要亲自介入。这就是人工智能运用象限模型的用武之地。这些象限根据两个关键因素对测试活动进行了分类：可能性：人工智能利用公开数据生成准确结果的能力有多强。影响力：测试结果对于软件测试和日常工
大家可能知道，我是新兴技术的大力倡导者，而且我喜欢尝试新事物。同时，我也有点懒，我希望尽可能高效地利用时间并提高生产力😂也许还因为我目睹了父亲的生意因未能跟上新技术的步伐而倒闭。我的父母都是COBOL语言开发者。后来，我母亲不得不成为一名科技教师，而我父亲在开办了自己的软件开发和教育业务后，也不得不将其关闭。在我的家乡桑托斯（Santos），我的父母是最早使用个人电脑并拥有个人电脑的一批人。
当我周末不忙于那些充实生活的事务，比如送儿子去参加足球训练、观看《角斗士》或是小酌几杯葡萄酒时，我喜欢沉浸在一些实践学习中。目前，我的学习重点一直放在围绕AI和自动化测试领域的知识拓展上。以下是我最近发布的一些文章链接：https://beththetester.wordpress.com/2025/02/03/exploring-ai-with-github-browser-tips-and
引言当各路高手还在为“该禁用不稳定的测试代码还是重试它们”争论不休时，我想直接给你们展示如何实现后者。此方法专供勇士——后果自负哦！实现重试策略我们先创建两个类：Retry-用于重试任意特定测试代码RetryRule-负责整个测试套件的重试逻辑importorg.junit.rules.TestRuleimportorg.junit.runner.Descriptionimportorg.ju
交付速度不应受测试团队处理能力的限制！我们渴望比竞争对手更快交付，渴望加速产品上市；但质量同样至关重要。若要鱼和熊掌兼得，团队应致力于：并行开展开发活动（而非串行作业）。减少缺陷带来的过程损耗。在流程每个环节实施恰当的质量保障措施。目前一些专职测试团队作为"缺陷捕捉者"模式的致命缺陷——当测试成为交付瓶颈时，公司的交付能力将完全受制于测试团队的吞吐量。最糟糕的实践莫过于设立显式的"测试阶段"，
让我给你们讲个小故事。我曾拜访过一位客户，他们对自动化测试的热情高涨。“哦，我们有很多10倍速的测试过程！”他们自豪地说。出于好奇，我追问：“你们怎么运行它们呢？”他们毫不犹豫地指向办公室角落里一台落满灰尘的旧电脑。我愣了一秒，怀疑自己是不是听错了。角落里的电脑？没错，原来那就是他们“运行”测试的地方。如果说这都不算自动化名不副实，那我真不知该说什么了。那么，如何判断你的自动化测试是真正为你服
您是否曾经发布过存在界面问题的应用程序？在当今快节奏的发展背景下，这种情况变得愈发频繁——即便对那些有专门的人工QA和自动化UI测试人员的团队也是如此。我们常低估UI（用户界面）问题的重要性。但这些问题远不只是按钮错位那么简单。许多UI缺陷会导致应用无法正常使用，例如：文本色差导致可读性不足不完善的UI损害品牌可信度负面评价导致下载量下滑但是等一下......我已经做过了UI测试啊。即使您有U
热门文章