AI大模型在测试领域应用案例拆解：AI赋能的软件测试效能跃迁的四大核心引擎（顺丰科技）
导语
5月份QECon深圳大会已经结束，继续更新一下案例拆解，本期是来自顺丰科技。
文末附完整版材料获取方式。
首先来看一下这个案例的核心内容，涵盖了测四用例设计、CI/CD辅助、测试执行、监控预警四大方面，也是算大家比较熟悉的了。
先来看看引擎一：AI测试用例设计。
相对于去年大家都在提的人工生成用例的劣势，今年已经直接升级为AI生成用例的困境。本质上也反映出一个现象，AI已经真真正正的应用到了生产环节，而不再是纸上谈兵。
准确性、效率、发散性变成了亟待解决的关键问题。
实际上应对方式也是老生常谈的知识库和提示词，这里面一个创新点是并行调用，可以显著提升效率。
这里是每个环节的具体实现，不过我还是要吐槽一下第一个步骤，难道顺丰这么大的公司以前没有统一的需求规格模板？
这里额外再说一下，分块技术很关键，一定要与自己公司内部需求规格模板相匹配，否则按照普通的行数、字数、段落等直接拆分，效果不一定会很好。
再看看引擎二：AI辅助CI/CD。
这里我不再过多描述，内容本身偏运维领域多一些。
引擎三：AI测试执行。
这一部分分成了两小块，分别是AI测试助手和接口自动化测试辅助。
测试助手就是传统的辅助需求分析、测试准备、数据生成，算是比之前只能问答的模式有了一些提升。
在接口自动化测试方面，宣称是达到了全流程闭环、无需人工干预。这个是巨大的进步，不再只是某个点的赋能，在此之前我们了解到的大多数在接口测试还是需要辅助文档等信息载体的。
这里也是列举了刚才提到的一些常规测试方式，并对其中弊端进行了归纳。
这里是他们的核心逻辑，实际上是直接对源码进行解析，再生成测试脚本，并且辅助以流量录制和运行日志内容，提升接口入参构造准确度。
这其实有点像把接口测试当做单元测试来写了，我觉得可以再辅助以代码覆盖率，这个指标也可以进一步增加测试覆盖。
最后是引擎四：AI监控预警。
实际上这部分内容也是和运维相关性比较大，这里也直接放上内容供参考。
最后也是从效能和质量两方面补充了实际应用效果。
关注【关于那些的个人观点】，发送消息“智能化测试”，获取完整内容PDF
免责声明：
本文致力于为读者提供有价值的学习资料，所分享内容均源自网络，版权归原作者所有。我们尊重原创，尽量注明来源，如有侵犯您的权益，请及时联系我们，我们将立即删除。