QA

还未发布过话题
  • 个人体验下来,想法如下:
    1.传统使用 pytest 搭建 API/UI 自动化测试框架的痛点是:即使把接口数据,元素定位解耦,但业务用例内仍然写死了接口/动作的调用顺序,一旦流程发生变更,需要花大量时间维护,而且版本管理也很难设计,对低代码能力的业务测试来说,上手成本、使用成本也偏高;
    2.纯使用 AI 完成页面语义理解,流程代码编写的痛点是,token 花费高,业务理解能力一般,且脱离 AI,人就几乎丧失了对 AI 生成自动化用例的迭代和架构优化能力;
    3.为此,我目前在持续迭代的想法是,使用可视化的测试平台,把接口调用顺序,UI 执行动作设计为可编排而成的用例,降低维护成本和业务测试的学习成本,把断言、数据驱动、接口依赖、加密验签等能力都作为可选的插件,实现用例的统一可视化管理。
    项目已开源https://github.com/zl2237/fin-api-test,欢迎指导

  • 个人认为每周力量训练 4-5 次,每次 1-1.5h 是最科学且舒服的

  • 1.对于定制化的,业务强绑定的功能,AI 理解成本高,需要投喂历史大量的需求文档,且理解准确性还需人工审查;
    2.对于系统核心链路的功能测试、集成测试,理论上 AI 可以完成一部分,但可信度存疑,是否认可 AI 测试通过后,即草草上线,如果不认可,那归根结底还是需要最后一道质量守门人;
    3.对于复杂多变,快速迭代的项目,AI 测试的投产比未必比手工测试高,而且 AI 测试模式是半黑盒,你无法完全认可他最终给出的结论;
    4.说回一个现实的问题,假设 AI 真的可以满足某些功能通用,需求文档规范,迭代稳定的项目的测试需求,那测试的目的不是验证软件没有 bug,不论是 AI 还是人类,总会有遗漏,如果真的上线后引起了用户流失,资金损失,形象损失,那谁来为此担责, AI 吗,显然不可能。

  • 有供应链、履约、结算、订单、对账的业务测试经验,Vibe Coding 了完整的 API 测试平台,可以投递吗

QA