AI和测试结合的多样性

本次分享主要讨论了AI与测试结合的多样性，以及如何通过AI提高测试效率和质量。分享者提到了AI在测试中的应用，包括自动化性能安全等方面的问题，并探讨了如何通过AI解决这些问题。同时，分享者也讨论了AI在测试中的挑战，如如何处理不规范的项目、如何提高AI的准确率等。此外，分享者还提出了未来AI在测试中的发展方向，如通过知识图谱生成用例、通过AI进行性能安全测试等。最后，分享者强调了AI与人的协同工作的重要性，并鼓励大家积极参与AI在测试中的应用。
会议时间：2025年6月28日 18:30:00 – 19:30:00
会议主题：AI和测试结合的多样性
主持人：TestOps 云层
参会人员：TestOps 云层、陈坤龙

这是一场关于AI与测试技术结合的行业分享会。会议主要探讨了AI在测试领域的多样化应用，包括自动化测试、性能测试、安全测试等方面的实践与挑战。两位主讲人围绕测试流程规范化、人机协作模式等话题展开了深入交流。
1、AI与测试结合的多样性

AI在测试领域的应用越来越广泛，特别是在单元测试和接口测试方面，通过模板和代码规范可以高效生成测试用例。
规范的测试流程和研发流程对AI的效果至关重要，但实际项目中往往缺乏规范，导致AI效果不佳。
提示词的标准化是使用AI的关键，复杂的提示词（如300字以上）能显著提升AI的反馈质量。
2、AI在UI测试中的应用

UI测试中，AI可以通过元素识别和网格化坐标点击实现自动化，减少对固定坐标的依赖。
基于CSS规范的自动化测试可以动态更新脚本库，减少人工调试成本。
3、AI在性能与安全测试中的潜力

AI在性能测试中主要用于脚本生成和流量模型优化，但在数据分析层面仍需依赖人工经验。
安全测试中，AI可以通过知识库和规范扫描快速识别潜在问题。
4、AI生成测试需求与用例的挑战

AI可以直接生成需求和测试用例，但过度依赖AI可能导致测试人员对业务的理解下降。
AI生成的用例需要人工验证，否则可能丧失对业务逻辑的敏感度。
5、AI与缺陷预防

基于抽象语法树的静态扫描可以帮助预防代码逻辑缺陷，但业务逻辑的正确性仍需人工验证。
缺陷热力图和历史数据可以帮助AI推断潜在问题，提升测试效率。
6、人机协同与AI的局限性

AI在理性决策上表现优异，但在感性或非逻辑性业务场景中表现不足。
AI的自循环验证（如问题-答案-资料匹配）可以提升反馈的可靠性，但成本较高。
7、AI对测试人员的影响

AI可能替代测试用例设计和执行，但测试人员仍需积累业务经验以验证AI的输出。
软实力（如沟通和业务理解）是测试人员在AI时代的重要优势。