许祥的阅读
移动应用自动化测试：利用视觉截图对比保障用户界面的一致性
在移动应用的质量保证（QA）自动化测试中，大多数测试人员主要关注验证功能——但应用的外观呢？视觉截图对比是一种强大但常被忽视的技术，可以发现不同设备和屏幕尺寸下的细微用户界面不一致问题。在本文中，我们将探讨为什么视觉对比对移动应用至关重要，如何使用Python、Appium和Pillow简单实现，以及分享现实案例中它如何发挥关键作用。为什么视觉对比对移动测试特别有价值（设备碎片化）移动应用测试
84°/
2025-06-14/846 人阅读 / 0 人点赞
/ 0 条评论
没有任何人工智能或自动化测试能够取代测试糟糕应用时所感受到的沮丧。
测试糟糕应用的乐趣先来坦白一下：我喜欢测试糟糕的应用。在笨拙的用户界面中导航、点击无效的按钮、填写填写到一半就崩溃的表单，这些事情有一种奇怪的满足感。这就像是在玩一个以破坏一切为目标的电子游戏——只不过你还能因此获得报酬。但问题是：没有任何人工智能或自动化测试能够感受到测试糟糕应用时的沮丧。当按钮无效时，它们不会感到烦恼；当页面加载缓慢时，它们也不会烦躁不安。当应用在一小时内第五次崩溃时，它们不会
59°/
2025-06-14/598 人阅读 / 4 人点赞
/ 0 条评论
质量保障的 “老鼠夹”：测试工程师主管角色如何套牢你的职业生涯
你是否曾对测试领导岗位的“真相”心生疑惑？你踏入质量保障（QA）领域，历经无尽的回归测试周期，或许曾在压力下崩溃数次。若命运垂青（或者你只是成为最后剩下的测试人员），突然间，你就戴上了闪亮的“测试工程师主管”帽子。听起来仿佛是职业的跃迁，宛如发现通往质量启蒙的隐秘通道，那里有高管级决策与战略愿景制定在等待着你。然而，残酷的现实是：你刚刚主动请缨，成为质量的“私人清洁工”，并且拥有独家清理他人实现灾
59°/
2025-06-14/590 人阅读 / 0 人点赞
/ 0 条评论
你真的需要那么多 E2E 测试吗（或者需要吗？）
我们大家都见过测试金字塔，这一图表告诉我们，从比例上讲，我们应该减少大型测试的数量，转而增加小型测试。然而，我们看到许多团队仍然主要依赖大型的端到端测试，这是为什么呢？更重要的是，这是否是个问题？端到端测试是什么？端到端测试是我们用来检查整个代码库是否能够协同工作的一种方式，字面意思就是从一端到另一端。这些测试通常以用户旅程的形式编写，模拟最终用户可能在应用中执行的操作，一路锻炼不同的代码部分。
69°/
2025-06-14/698 人阅读 / 0 人点赞
/ 0 条评论
你的性能测试的质量仅取决于你的需求的质量。
在性能测试的世界里，我们常常把大量精力放在工具、框架和执行策略上。然而，有一个基础真理凌驾于这一切之上：性能测试的有效性仅取决于其所依据的需求的质量。无论你的测试脚本多么稳健，测试工具多么先进，如果性能测试需求模糊、过时或与实际使用情况脱节，测试结果都无法反映现实。而在最糟糕的情况下，这会导致生产环境中的性能问题——加载时间慢、系统崩溃、收入损失以及用户不满。那么，什么样的性能测试需求才是良好
117°/
2025-06-14/1175 人阅读 / 0 人点赞
/ 0 条评论
QA 测试策略框架：我如何借助 ISTQB 模板打造实战手动测试作品集
你是否曾试图在毫无计划的情况下测试一款网页应用？这就好比蒙着眼睛搭建乐高城堡——虽然并非完全不可能，但你很可能会遗漏一些部件。这个项目记录了我手动软件测试的实践之旅：设计测试用例、记录缺陷，并将每个需求与真实证据相连接，而我的“练兵场”则是SauceLabs演示站点。👉你可以在GitHub上查看完整项目、所有模板以及测试用例。剧透一下：我甚至在结账流程中发现了一个真实存在的缺陷！图示展示了Q
78°/
2025-06-14/784 人阅读 / 0 人点赞
/ 0 条评论
AI 测试 101：揭开人工智能质量保障的神秘面纱
近期，一个疑问在大众心头挥之不去，不仅萦绕于测试人员心间，更牵动着所有重视质量之人：“这些人工智能（AI）系统究竟由谁来测试？又是谁在确保它们按预期运行并造福人类？”随着AI模型不断进化，催生出智能代理、聊天机器人、智能助手、大型语言模型（LLM）等多元应用，这场变革的浪潮也悄然席卷至软件测试与质量保障领域。如今，我们目睹AI测试工具大显身手，它们能自动生成测试用例、执行测试任务、编写自动化脚本，
77°/
2025-06-14/774 人阅读 / 0 人点赞
/ 0 条评论
如何分步拆解LLM的深度破解—核心技法与防御策略全解析
如果你曾听说过LLM红队演练，那么你可能已经遇到过几种著名的攻击方式：提示注入、数据投毒、拒绝服务（DoS）攻击等。然而，在利用LLM生成不良或有害输出方面，没有什么比LLM深度破解更强大的了。事实上，这项研究表明，像GPT-4这样的先进模型仅通过几次深度破解查询就被成功攻破。尽管如此，虽然LLM深度破解已成为广泛讨论的话题，但其定义在不同情境下可能有所差异，导致人们对其真正含义产生困惑。别担
152°/
2025-05-31/1525 人阅读 / 0 人点赞
/ 0 条评论
LLM 智能体评测：工具使用、任务完成度、自主推理能力等多维度考察
LLMagent太烂了。我过去一周用了一个流行的Python框架构建了一个网络爬虫LLMagent，想从互联网上抓取一些潜在客户的信息。结果完全让人失望。那个agent运行缓慢、表现不稳定且问题百出（听起来耳熟吗？@OpenAI的同行们）。它不断进行不必要的函数调用，偶尔还会陷入毫无意义的无限推理循环中。最终，我放弃了它，转而用30分钟编写了一个简单的网页抓取脚本。别误会—我是LLMage
248°/
2025-05-31/2481 人阅读 / 14 人点赞
/ 0 条评论
21 款最佳移动应用开发工具和软件（2025 ）
有大量的移动应用开发工具可供你用来创建自己心仪的应用程序。以下是一份精心挑选的移动应用工具列表，包含了相应的主要功能以及下载链接。推荐工具1)KobitonKobiton通过在真实设备上进行手动、自动和无代码测试，帮助企业加快移动应用程序的交付。Kobiton的人工智能增强的移动测试平台，可在一小时内完成持续测试和集成。该平台提供人工智能驱动的自动化，包括自修复脚本和无脚本测试工作流。它还支持更
290°/
2025-05-27/2900 人阅读 / 0 人点赞
/ 0 条评论