登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了app功能+性能+专项测试，以及使用adb命令进行测试提效，对手机端进行抓包的过程和注意事项，并附上了抓包工具使用说明，详细记录了抓包的操作和过程。
本文系统阐述了缺陷数据分析在软件质量管理中的核心价值。文章首先定义了缺陷密度的概念及其分类计算方法，并提供了行业参考值。随后深入分析了缺陷数据分析的四大作用：从被动修复转向主动预防、优化测试策略、量化测试完成标准、辅助发布决策。接着详细介绍了包含密度类、效率类、响应类和分布类指标的完整分析体系，并提供了落地实施的四个关键步骤：建立数据规范、构建质量仪表盘、定期根因分析、使用预测模型。最后指出了常见
导语：四年AI开发亲历者，用真实面试经历告诉你：2026年的AI应用开发社招，早已不是"调个API、写个Demo"就能应付的时代。三类人请慎重，三条建议请收好。
AI代码生成技术正在重塑软件测试行业。随着开发效率的飞跃提升，测试人员面临三大挑战：质量责任链源头模糊、AI代码隐蔽缺陷增多、版本周期大幅压缩。当前测试从业者普遍存在三个认知误区：认为这只是开发侧的变化、等待公司提供AI工具、过度依赖传统业务理解。文章提出测试工程师应主动转型的四个方向：审计AI代码缺陷模式、用AI扩展测试设计思路、结构化业务规则、设计人机协作测试流程。核心观点指出：AI时代真正的
AI正在重塑软件测试行业格局，2026年自动化测试市场份额已达34.78%。AI能快速生成测试用例、自动执行操作并分析日志，大幅替代传统测试工作。但测试工程师的核心价值转向了AI无法替代的30%关键能力：1）精准识别风险高发区的业务判断力；2）甄别测试结果真伪的工程判断力；3）质量风险评估的决策判断力。这些能力源于业务理解、缺陷经验积累和风险直觉，是测试人员未来的核心竞争力。建议测试人员：深入理解
本文对比了GPT-5和文心一言在电商优惠券测试用例设计中的表现。GPT-5展现出更完整的用例结构、更深的业务规则理解（如识别隐含的优先级逻辑）、更强的边界场景挖掘能力（精确到秒级测试），并提供了可直接落地的测试数据清单。文心一言虽能满足基础需求，但在复杂场景覆盖和隐性规则识别上存在不足。测试工程师需转型为"AI生成+人工评审"模式，将重心转向策略制定和用例质量把控，而非单纯用例
压力测试（Stress Test），也称为强度测试、负载测试，属于性能测试的范畴。压力测试是模拟实际应用的软硬件环境及用户使用过程的系统负荷，长时间或超大负荷地运行被测软件系统，来测试被测系统的性能、可靠性、稳定性等。一定负载的情况下，长时间运行被测软件系统，称为稳定性测试；超大负荷地运行被测软件系统称为极限压力测试。同时，我也为大家准备了一份软件测试视频教程（含面试、接口、自动化、性能测试等），
一、硬件资源监控1.1、serverAgent1.1、serverAgent配置1.2、serverAgent用法二、分布式压测2.1、压测概念2.2、分布式测试概念2.3、压测环境部署2.4、分布式压测总结一、硬件资源监控1.1、serverAgentserverAgent是在使用jmeter做性能测试时，把他放到windows或者Linux服务中（看服务器部署在哪个系统），运行监控服务的资源，
摘要：AI技术正在重塑软件测试领域，测试工程师需从传统"找bug"转向构建AI全生命周期质量保障体系。测试人员可定位为AI质量工程师、智能测试架构师或垂直领域测试专家，通过掌握数据思维、AI评估框架和领域知识，在AI赛道中建立核心竞争力。关键在于平衡技术创新与测试本质，避免盲目追求自动化指标，构建贯穿AI开发全流程的质量文化，最终实现从缺陷发现者到质量守护者的角色升级。
摘要：本文分享了一位软件测试工程师通过三年开源贡献实现职业蜕变的经历。从最初仅能执行标准化用例的"功能验证者"，到主导主流测试工具优化并成为架构师，作者深刻体会到开源社区带来的全方位成长：技术认知从单点验证升级为全局架构思维；职业品牌从简历背书转变为动态可信的"活名片"；工作视野从封闭团队扩展到全球化协作；职业身份更从质量验证者跃升为行业质量定义者。文章特别
摘要：本文探讨了如何将测试用例评审经验封装为AI测试用例审核Skill，帮助测试团队建立统一评审标准。文章分析了测试用例评审常见问题，提出从逻辑完整性、预期结果明确性等5个维度构建评分模型，并通过618大促案例展示AI审核如何发现系统性遗漏。该Skill可应用于电商、支付等复杂业务场景，支持评审前自查和历史用例批量扫描，但不能替代人工业务判断。建议团队通过统一模板、设置评分标准、沉淀问题库等方式落
Agent Skills 的走红，不只是一个开源项目的热度变化。AI 编程正在从 Prompt 阶段，进入工程流程阶段。过去大家比的是：谁的 Prompt 写得好；谁能让 AI 生成更多代码；谁能更快做出 Demo；谁能用 AI 提升个人效率。但接下来，真正拉开差距的会是：谁能把工程经验沉淀成流程；谁能把质量标准变成门禁；谁能让 AI 输出可验证证据；谁能把开发、测试、评审、发布串成闭环；谁能让
ClaudeCode：AI编程助手如何融入真实工程流程 摘要：ClaudeCode不同于传统AI编程助手，其核心价值在于能够参与完整的工程开发链路。文章从工程实践角度分析了ClaudeCode的独特优势：1）支持终端工作流，可执行测试、分析报错、查看diff等完整开发环节；2）通过CLAUDE.md和.claudeignore管理项目上下文；3）提供11个提升效率的核心技巧，如文件引用、命令执行等
最近，Anthropic 开源了一个很值得关注的项目：。从仓库 README 来看，这个项目不是简单放了一批 Prompt 模板，而是把 Claude 使用的一套 Agent Skills 能力机制开放出来，里面包含技能示例、规范、模板，以及文档处理相关的复杂 Skill 参考实现。简单说，Skills 的目标是：让 Agent 在面对特定任务时，可以动态加载一组已经封装好的说明、脚本和资源，从而
测吧（北京）科技有限公司创始人霍格沃兹测试开发学社创始人十五年以上从业经验的资深测试专家先后任职于阿里、百度、雪球等企业在测试自动化、白盒测试、人工智能、模型驱动测试等方向有长期研究设计并开发过多款自动化测试框架、智能遍历测试框架、智能化测试平台等项目为数十家企业提供咨询与测试技术支持服务，服务领域涵盖互联网、国企军工、物联网、银行等行业典型服务客户包括工信部、信通院、海关总署、华为、小米、阿里、
《浏览器自动化测试的新挑战与CloakBrowser的创新思路》摘要：随着反机器人检测技术的升级，传统浏览器自动化工具面临严峻挑战。现代风控系统通过多维度检测（如浏览器API、渲染指纹、设备环境等）识别自动化流量。CloakBrowser创新性地采用源码级修改Chromium的方式，从底层解决浏览器环境一致性问题，而非仅做JS层伪装。该项目通过修改二进制文件实现指纹修补、行为拟人化和会话持久化，为
软件测试岗位正在进入新的阶段。过去，测试人员的核心价值主要体现在发现问题、推动修复和保障版本交付。现在，随着大模型、智能体、RAG、MCP、AI 应用平台和智能化测试平台的发展，测试人员的价值正在进一步延伸：从执行测试，到设计测试体系；从编写用例，到构建用例生成智能体；从维护脚本，到构建自动化执行智能体；从测试传统系统，到评测大模型、RAG 和智能体系统；从使用工具，到参与智能化测试平台建设。人工
Multi-Agent（多智能体）是人工智能（AI）领域的一个重要分支，它研究的是如何构建一个包含多个智能体的系统，这些智能体可以自主决策、相互交互、共同完成一个或多个任务。什么是智能体（Agent）？根据Russell和Norvig在《人工智能：一种现代方法》（Artificial Intelligence: A Modern Approach）中的定义，智能体是一个可以通过传感器感知环境，并通
摘要：本文讲述了一位银行测试工程师的职业转型之路。从重复执行测试用例到构建三重变现模型：1）AI辅助测试用例设计服务（月入1.2万）；2）开源测试工具SaaS化（月入8000+）；3）企业内训咨询（年入10万+）。核心经验是：将行业经验转化为标准化产品，专注解决复杂问题而非写入门教程。最终实现月入3万，验证了测试工程师可以通过产品化思维突破职业天花板。
《具身智能：软件测试的新疆域与技术挑战》摘要 具身智能正以"AI+实体"形态重塑软件测试行业，其"感知-决策-行动-反馈"闭环与测试逻辑高度契合。技术体系包含六大支柱：算力协同、虚实数据融合、多模态算法、能源管理、机械-算法协同和实时操作系统，为测试带来全新挑战。当前中国占据全球70%市场份额，应用场景已拓展至工业、医疗、特种领域，但技术成熟度仍处于L2向L
AI Agent重塑软件测试行业：现状与未来趋势 摘要： AI Agent正在深刻改变软件测试行业，其成熟的技术架构已形成感知、大脑、行动和记忆四大模块的认知闭环。在产业应用中，AI Agent展现出规模化扩张态势，82%的组织计划在2026年前部署AI Agent解决方案。监管规范化趋势下，AI Agent在需求理解、测试用例生成、自动化执行、安全测试等场景发挥重要作用。未来发展趋势包括通用智能
摘要：大模型作为通向AGI的关键基石，其Transformer架构和涌现能力为软件测试带来新机遇与挑战。从大模型到AGI需要突破智能体技术、工具调用和多模态融合等关键技术，这将推动测试方法革新和测试人员角色转型。AGI时代测试对象复杂性剧增，催生新的测试方法和职业机会，如AI伦理测试工程师等。测试从业者需夯实AI技术基础，培养跨界思维，参与行业交流，推动标准制定，以适应AGI带来的行业变革。
《大模型驱动的软件测试智能化演进》 摘要：GPT-4、Gemini和Claude三大AI模型正在重塑软件测试格局。GPT-4凭借通用能力和多模态处理优势，实现从需求解析到脚本生成的全链路测试；Gemini依托谷歌生态，擅长实时数据获取和接口测试；Claude则以安全合规见长，在医疗金融等领域表现突出。三大模型在自动化用例生成、智能缺陷定位、性能测试等方面展现出强大能力，推动测试角色向"质
摘要：开源项目为软件测试从业者提供了提升技能和拓展职业边界的新机遇。测试人员应选择与自身技术栈匹配、活跃度高的开源项目，从"小而美"项目入手。参与过程中需掌握测试工具、代码分析能力和Git协作流程，通过提交Bug报告、补充测试用例、构建自动化测试体系等方式贡献价值。同时可参与性能与安全测试，并在社区讨论中分享见解。持续参与开源项目能积累经验、学习前沿技术、拓展人脉，为职业发展创
AI Agent（人工智能智能体）是指能够感知环境、做出决策并执行行动的智能系统。自主性：能够在没有人类干预的情况下运行反应性：能够感知环境并对环境变化做出响应主动性：能够主动追求目标社交能力：能够与其他Agent或人类进行交互AI Agent的架构通常包括感知模块、推理模块、决策模块和执行模块。随着大语言模型（LLM）的兴起，基于LLM的AI Agent成为研究和应用的热点，这类Agent利用L
摘要：云原生技术正深刻改变企业IT架构，Kubernetes、Serverless和边缘计算三大技术趋势对软件测试提出全新挑战。Kubernetes的动态环境要求测试转向基于CRD的快照技术；Serverless架构需重构测试范式，应对事件驱动链路和成本边界测试；边缘计算带来低延迟、设备多样性等测试难题。测试团队需构建混沌工程、可观测性驱动测试等应对策略，推动测试角色向质量保障赋能者转型，掌握容器
低代码/无代码开发模式正快速崛起，预计2025年将占70%应用开发市场。其可视化界面和预制组件显著提升开发效率，适用于标准化应用、原型验证和流程自动化等场景。然而，传统开发在复杂逻辑处理、性能优化和技术灵活性方面仍具优势。未来趋势是两种模式的融合，采用混合开发方式。对测试人员而言，需转向业务流程验证，提升自动化测试能力，并加强业务理解。随着AI技术融入，LC/NC平台将更智能化，而传统开发也将持续
AI编程助手重构软件测试生态：2026年技术演进与质量保障新范式 GitHub Copilot、Meta CodeLlama和GPT-4已成为AI编程领域三大核心平台，推动测试流程从传统模式向智能化转型。Copilot实现测试左移与缺陷预防，CodeLlama在私有化部署和测试数据生成方面表现突出，GPT-4则擅长自然语言到测试逻辑的转化。然而，AI在确定性验证、长链路推演和创造性测试方面仍存在局
摘要： 大模型正深刻变革软件工程，尤其在软件测试领域展现出巨大潜力。在需求分析阶段，大模型能解析模糊需求，生成结构化文档，帮助测试人员精准规划策略；在代码生成环节，可基于上下文自动补全代码，辅助生成测试框架；在测试环节，大模型能自动生成用例、转换自动化脚本、预测缺陷并定位根因，显著提升效率。然而，其应用仍面临准确性、数据安全及流程集成等挑战，需结合人工校验与领域优化。未来，测试智能体将推动全自动化
摘要：随着AI和大数据技术在软件测试中的应用日益广泛，测试数据偏见问题日益凸显。本文分析了测试数据偏见的三大来源：数据层面的选择偏差、采样偏差和数据泄露偏差；算法设计中的地域歧视等偏见；以及测试人员的主观认知偏差。这些偏见会损害用户权益、引发法律风险并破坏社会公平。为此，建议从完善数据管理流程、优化算法设计、提升测试人员伦理意识、建立伦理审查机制等方面着手，构建更加公平可靠的软件测试体系，保障用户
区块链技术正在重塑软件测试领域，通过分布式账本和智能合约实现测试数据的不可篡改与自动化管理，显著提升测试可信度和协作效率。当前应用中，该技术已成功优化金融、物流等行业的测试流程，使审计时间缩短90%，物流效率提升25%。然而仍面临性能瓶颈、安全风险及标准缺失等挑战。未来发展趋势将聚焦于AI融合、跨链技术及去中心化测试市场，测试从业者需提升区块链专业技能，参与标准制定，推动技术创新。随着技术成熟，区
元宇宙为技术行业带来新机遇与挑战：测试场景多元化拓展至虚拟办公、教育、医疗等领域，推动测试技术向云原生、AI驱动升级，催生虚拟场景测试工程师等新兴岗位。同时面临复杂技术架构测试、数据安全隐私保护、跨行业协作沟通等挑战。应对策略包括构建复合型人才培养体系、完善数据安全测试标准、建立跨行业协作机制，以促进元宇宙健康发展。
数字化转型正深刻重塑软件测试行业，推动测试角色从"事后验证"转向"质量共建"。测试人员需掌握AI测试、云原生测试、全链路监控等新技能，适应从功能验证到业务价值交付的转变。新兴岗位如AI测试架构师、全链路质量专家等不断涌现。测试从业者需构建T型能力矩阵，持续学习并打造个人品牌，才能在变革中把握机遇，实现职业价值升级。
AI技术正在重塑软件测试行业，推动测试工作向需求前端和系统深层延伸。测试人员需转型为"质量架构师"，掌握需求介入、人机协作设计和系统风险管控能力。构建分层知识体系是关键：底层元技能（批判性思维、复杂场景设计）、AI专业技能（提示工程、反AI攻击测试）和行业领域知识（医疗、金融等）。建议通过个性化学习计划、多元学习资源和实践应用建立学习闭环，同时保持对AI前沿技术的敏感度。测试从
AI时代测试团队的协作转型：挑战与策略 摘要：随着AI技术深度融入软件开发，测试团队面临协作模式转型的迫切需求。本文剖析了AI项目协作的三大痛点：语言体系壁垒、需求边界模糊和迭代节奏不匹配，并提出针对性解决方案。测试团队需从"事后验证"转向"全程参与"，与产品团队建立需求量化标准和双向反馈机制，与开发团队达成技术共识并推行左移测试。通过建立三级同步机制、共享
摘要： 软件测试从业者正借助AI技术实现职业跃迁，从测试工程师进阶为AI技术负责人。转型需分四步：1. 筑牢根基，掌握Python、机器学习框架，将测试思维转化为AI模型优化能力；2. 能力跃迁，从执行算法到解决业务问题，结合测试经验优化AI落地场景；3. 团队协作，发挥跨部门沟通优势，协调算法、工程与测试团队；4. 战略视野，制定技术路线，平衡业务与研发投入。同时需持续学习前沿技术，通过实践巩固
摘要： 软件测试从业者转型AI领域需筑牢数学、编程和AI概念三大基础，通过拆解算法原理、可视化工具和实践案例高效掌握新算法。可结合测试思维评估模型性能、自动化训练流程及探索可解释性，并通过跟踪前沿动态、参与开源项目和跨界融合保持竞争力。这一系统化学习路径能帮助测试人员快速适应AI领域，发挥专业优势。
AI项目测试的时间管理是一个系统工程，需要测试人员从流程优化、技术工具应用、团队协作等多方面入手。通过建立敏捷测试流程、优化数据管理、同步模型迭代与测试、强化跨团队协作，并借助合适的工具，测试人员能够有效应对AI项目测试中的时间管理挑战，高效完成测试任务，为AI项目的高质量交付保驾护航。在AI技术不断发展的未来，测试人员还需持续学习与创新，不断提升时间管理能力，适应行业发展需求。
本文探讨了AI从业者如何向软件测试人员有效解释AI技术的方法。建议从测试场景切入建立认知关联，使用通俗类比化解技术壁垒，结合案例展示实际价值，避免专业术语，倾听反馈调整策略，开展实操演示加深理解，并通过持续沟通培养AI思维。这些方法有助于促进团队协作，推动AI技术在软件测试中的落地应用，提升测试效率和质量。
2024年软件测试行业呈现蓬勃发展态势，市场规模持续扩大。行业呈现六大发展趋势：AI与机器学习深度整合、自动化测试全面升级、测试左移理念普及、安全测试重要性提升、无代码/低代码工具兴起以及TaaS模式普及。薪资方面，测试工程师月薪4.5k-50k不等，中高级岗位集中在10-20k，测试开发平均26.9k。行业对具备自动化、性能测试等专项技能的中高端人才需求旺盛，预计2025年缺口超30万人。从业者
《AI测试工程师必备数学基础指南》 本文阐述了AI时代软件测试从业者需要掌握的数学知识体系。线性代数作为AI模型的核心骨架，其向量、矩阵运算在神经网络测试和特征工程验证中具有关键作用，如通过矩阵乘法验证模型输出准确性。概率论与数理统计则为AI决策提供理论支撑，在模型评估、A/B测试和异常检测中不可或缺，如运用假设检验判断算法改进的统计显著性。掌握这些数学工具不仅能提升测试精度，还能助力模型优化和故
摘要：本文系统阐述了测试人员在大模型应用开发全流程中的关键作用。从需求分析阶段定义AI能力边界、建立量化指标，到技术选型评估可测试性，再到数据质量管控、模型开发测试及全链路应用验证，测试人员需转变传统思维，构建覆盖功能、性能、安全及AI效果的多维评估体系。通过参与持续监控与优化，测试人员从"验证者"升级为"质量保障者"，确保大模型应用的可靠性，同时提升自身在
压力测试
——压力测试
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
深开鸿 技术专区
openEuler 社区
