- 1 测试用例定义测试用例（TestCase）为测试对象编制一种测试输入、执行条件和预期结果；用例可以体现测试方案、方法、技术和策略；用例的内容一般包含：# 测试对象名称# 测试项# 测试目标# 测试环境# 测试输入# 测试步骤# 预期结果# 测试脚本等平常我们最简化的测试用例至少应该包含测试输入和预期结果。 2 测试用例设计原则测试用例应覆盖三类事件：# 1、基本事件：根据需求需要实现所有... 1 测试用例定义测试用例（TestCase）为测试对象编制一种测试输入、执行条件和预期结果；用例可以体现测试方案、方法、技术和策略；用例的内容一般包含：# 测试对象名称# 测试项# 测试目标# 测试环境# 测试输入# 测试步骤# 预期结果# 测试脚本等平常我们最简化的测试用例至少应该包含测试输入和预期结果。 2 测试用例设计原则测试用例应覆盖三类事件：# 1、基本事件：根据需求需要实现所有...
- 【自动化登陆页面测试脚本】python+selenium+excel表格，自动化页面登录测试 【自动化登陆页面测试脚本】python+selenium+excel表格，自动化页面登录测试
- Eolink Apikit 的图形用例是指通过图形化的方式去表现 API 流程测试。它包括了条件选择器、单个 API 步骤和操作集等组件。相较于前面推荐的表格化的通用用例，图形用例可以让测试人员更方便地设计和管理 API 流程测试，同时也更加的灵活。 添加图形用例进入测试用例管理页面，点击 添加用例 按钮，在弹窗中输入用例名称等信息，选择图形用例，然后点击确定即可。 添加图形用例步骤点击线段... Eolink Apikit 的图形用例是指通过图形化的方式去表现 API 流程测试。它包括了条件选择器、单个 API 步骤和操作集等组件。相较于前面推荐的表格化的通用用例，图形用例可以让测试人员更方便地设计和管理 API 流程测试，同时也更加的灵活。 添加图形用例进入测试用例管理页面，点击 添加用例 按钮，在弹窗中输入用例名称等信息，选择图形用例，然后点击确定即可。 添加图形用例步骤点击线段...
- 流程测试用例是为验证特定业务流程而设计和编写的测试案例，专注于检查系统或应用程序在执行某一业务流程时的正确性、稳定性和可靠性。一个业务流程可能涉及多个步骤、多个用户交互和多个系统组件的协作，流程测试用例有助于确保整个流程在各种情况下都能正常运行。 流程测试用例是为验证特定业务流程而设计和编写的测试案例，专注于检查系统或应用程序在执行某一业务流程时的正确性、稳定性和可靠性。一个业务流程可能涉及多个步骤、多个用户交互和多个系统组件的协作，流程测试用例有助于确保整个流程在各种情况下都能正常运行。
- AI 测试开发面试高频题：“大模型的输出是不确定的，你怎么做自动化测试？”这篇用一个真实线上故障，完整还原 AI 测试开发工程师的处理过程：怎么定位、怎么写代码、最后沉淀成什么方法。 一、真实故障：断言天天红，后来有人把它关了某电商公司的智能客服项目，测试工程师小周给"订单状态查询"这个 LLM 接口写了自动化用例，断言写得很传统：assert response.text == "您的订单 ... AI 测试开发面试高频题：“大模型的输出是不确定的，你怎么做自动化测试？”这篇用一个真实线上故障，完整还原 AI 测试开发工程师的处理过程：怎么定位、怎么写代码、最后沉淀成什么方法。 一、真实故障：断言天天红，后来有人把它关了某电商公司的智能客服项目，测试工程师小周给"订单状态查询"这个 LLM 接口写了自动化用例，断言写得很传统：assert response.text == "您的订单 ...
- TestMan测试平台通过AI技术推动测试从自动化迈向智能化。平台利用大模型解析需求文档，自动生成高覆盖率的测试用例，减少人工设计时间；引入AI视觉识别（如YOLO算法）增强UI自动化测试的鲁棒性，通过元素识别和场景感知降低脚本维护成本；AI测试智能体则承担任务分解、探索测试和结果分析，辅助测试人员聚焦业务风险。技术底座支持容器化、跨平台和DevOps集成，形成“感知-决策-执行”闭环，实现测试工 TestMan测试平台通过AI技术推动测试从自动化迈向智能化。平台利用大模型解析需求文档，自动生成高覆盖率的测试用例，减少人工设计时间；引入AI视觉识别（如YOLO算法）增强UI自动化测试的鲁棒性，通过元素识别和场景感知降低脚本维护成本；AI测试智能体则承担任务分解、探索测试和结果分析，辅助测试人员聚焦业务风险。技术底座支持容器化、跨平台和DevOps集成，形成“感知-决策-执行”闭环，实现测试工
- 很多测试工程师第一次接触数据结构时，都会觉得：“链表有什么用？”尤其是做测试开发的人。日常工作：写接口自动化脚本搭建测试框架配置测试任务接入CI/CD似乎很少直接写链表。但是，当测试系统复杂起来，你会发现：很多工程设计思想，都和链表高度相关。例如：测试任务执行链自动化流程编排Jenkins流水线测试步骤管理Agent任务规划背后都有类似链表的思想。 一、什么是链表？简单理解：数组像一排连续的... 很多测试工程师第一次接触数据结构时，都会觉得：“链表有什么用？”尤其是做测试开发的人。日常工作：写接口自动化脚本搭建测试框架配置测试任务接入CI/CD似乎很少直接写链表。但是，当测试系统复杂起来，你会发现：很多工程设计思想，都和链表高度相关。例如：测试任务执行链自动化流程编排Jenkins流水线测试步骤管理Agent任务规划背后都有类似链表的思想。 一、什么是链表？简单理解：数组像一排连续的...
- AI 写代码已经不难了。补全方法、生成接口、修改页面、编写单元测试，主流编程模型都能完成。真正难的是把 AI 放进一个拥有数千个文件、多人协作多年、需求材料分散的真实项目后，它还能不能把一个需求完整交付。最近，腾讯技术团队分享了一套移动端需求开发 Skill。它将需求收集、设计稿分析、任务拆解、代码定位、编码、编译、模拟器验证、技术沉淀和代码提交串成了一条完整流程。按照项目团队的统计口径，A... AI 写代码已经不难了。补全方法、生成接口、修改页面、编写单元测试，主流编程模型都能完成。真正难的是把 AI 放进一个拥有数千个文件、多人协作多年、需求材料分散的真实项目后，它还能不能把一个需求完整交付。最近，腾讯技术团队分享了一套移动端需求开发 Skill。它将需求收集、设计稿分析、任务拆解、代码定位、编码、编译、模拟器验证、技术沉淀和代码提交串成了一条完整流程。按照项目团队的统计口径，A...
- 本文围绕 ChatGPT 5.6 Sol 在云原生场景下的实测表现展开，重点测试 Kubernetes 告警排障和云资源成本分析两类任务。文章观察其是否能将零散监控、事件和账单信息整理成“现象—假设—证据—动作—风险”的分析链路，并与 Grok 4.5、DeepSeek V3 做横向比较。结论认为，Sol 的优势在信息组织和排查路径构建，短板是输出偏完整、需要明确限制范围，更适合作为云上排障、成本 本文围绕 ChatGPT 5.6 Sol 在云原生场景下的实测表现展开，重点测试 Kubernetes 告警排障和云资源成本分析两类任务。文章观察其是否能将零散监控、事件和账单信息整理成“现象—假设—证据—动作—风险”的分析链路，并与 Grok 4.5、DeepSeek V3 做横向比较。结论认为，Sol 的优势在信息组织和排查路径构建，短板是输出偏完整、需要明确限制范围，更适合作为云上排障、成本
- 本文围绕合规审核初稿这一高风险文档场景，讨论如何用 ChatGPT 5.6 系列减少结构性返工。核心观点是：不要先让模型写审查结论，而应先整理业务动作、证据出处、条款映射和待确认项。文中说明 Terra、Sol、Luna 在材料分层、判断分支梳理和初稿定稿中的适配边界，并给出表格和提示词示例。文章强调脱敏、权限控制、人工复核与专业确认，指出 AI 只能做辅助整理，不能替代正式合规判断。 本文围绕合规审核初稿这一高风险文档场景，讨论如何用 ChatGPT 5.6 系列减少结构性返工。核心观点是：不要先让模型写审查结论，而应先整理业务动作、证据出处、条款映射和待确认项。文中说明 Terra、Sol、Luna 在材料分层、判断分支梳理和初稿定稿中的适配边界，并给出表格和提示词示例。文章强调脱敏、权限控制、人工复核与专业确认，指出 AI 只能做辅助整理，不能替代正式合规判断。
- 文章介绍如何用 ChatGPT 5.6 辅助分析云资源费用异常，重点不是直接省钱，而是先明确费用归因口径。内容涵盖账单异常筛选、资源标签对齐、证据强度判断、优化影响面、回退方案和人工复核边界，强调生产资源和高责任场景不能由 AI 直接决策。 文章介绍如何用 ChatGPT 5.6 辅助分析云资源费用异常，重点不是直接省钱，而是先明确费用归因口径。内容涵盖账单异常筛选、资源标签对齐、证据强度判断、优化影响面、回退方案和人工复核边界，强调生产资源和高责任场景不能由 AI 直接决策。
- 文章以需求漂移、字段语义变更、文档不一致和多重约束下的修复场景为切口，实测 ChatGPT 5.6 在真实工程问题中的表现。相比单纯写代码，它更突出的能力是接住复杂上下文、在连续追问中保持一致性，并给出兼顾兼容性、风险控制和可落地性的修复思路，更适合排障、接口适配和复杂协作型开发任务。 文章以需求漂移、字段语义变更、文档不一致和多重约束下的修复场景为切口，实测 ChatGPT 5.6 在真实工程问题中的表现。相比单纯写代码，它更突出的能力是接住复杂上下文、在连续追问中保持一致性，并给出兼顾兼容性、风险控制和可落地性的修复思路，更适合排障、接口适配和复杂协作型开发任务。
- 文章围绕技术方案评审意见整理这一具体任务，提出应先拆分“必须改”和“建议改”，而不是先统一文风。文中结合 ChatGPT 5.6 Sol、Terra、Luna 在长文归并、正式成稿和快速摘要中的差异，说明不同模型在评审场景下的适配边界、返工点与人工复核方式，并通过表格和代码示例展示如何降低评审往返和结论失焦问题。 文章围绕技术方案评审意见整理这一具体任务，提出应先拆分“必须改”和“建议改”，而不是先统一文风。文中结合 ChatGPT 5.6 Sol、Terra、Luna 在长文归并、正式成稿和快速摘要中的差异，说明不同模型在评审场景下的适配边界、返工点与人工复核方式，并通过表格和代码示例展示如何降低评审往返和结论失焦问题。
- 文章通过一次订单接口故障复盘，实测 ChatGPT 5.6 系列 Sol、Terra、Luna 在日志分析、异常定位、修复建议、回归测试整理和团队沟通中的表现。结论是：Sol 适合复杂问题深挖与系统性复盘，Terra 最适合作为日常开发协作主力，Luna 更适合轻量快速补位。其价值不只在写代码，更在于参与接口联调、排障分析和研发协作全流程。 文章通过一次订单接口故障复盘，实测 ChatGPT 5.6 系列 Sol、Terra、Luna 在日志分析、异常定位、修复建议、回归测试整理和团队沟通中的表现。结论是：Sol 适合复杂问题深挖与系统性复盘，Terra 最适合作为日常开发协作主力，Luna 更适合轻量快速补位。其价值不只在写代码，更在于参与接口联调、排障分析和研发协作全流程。
- 本文以 Claude Opus 4.8 辅助需求分析、接口梳理和测试用例生成为例，总结了一套适合开发团队使用的 4 步流程：整理原始材料、识别需求缺口、生成接口草稿、补充测试用例。文章强调 AI 更适合参与“中间环节”，而不是替代人工决策；同时提醒在代码、日志和业务资料处理时要做好脱敏、复核与验证，并可结合多模型交叉检查提升输出可靠性。 本文以 Claude Opus 4.8 辅助需求分析、接口梳理和测试用例生成为例，总结了一套适合开发团队使用的 4 步流程：整理原始材料、识别需求缺口、生成接口草稿、补充测试用例。文章强调 AI 更适合参与“中间环节”，而不是替代人工决策；同时提醒在代码、日志和业务资料处理时要做好脱敏、复核与验证，并可结合多模型交叉检查提升输出可靠性。
上滑加载中
推荐直播
-
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中 -
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
基于华为云码道，构建你的定制化AI搭子2026/08/14 周五 09:00-11:30
明亮-华为云开发者发展与支持部部长
本期直播将向您全面介绍华为云码道产品，并基于码道手把手教你部署自己的定制化AI陪伴搭子。
回顾中
热门标签