AI 辅助软件工程:AI 生成 API 测试
示例
示例:HTTPie AI
HTTPie AI 助手 利用先进的自然语言处理技术,使用户能够通过简单的自然语言描述来生成和管理 API 请求,而不需要手动编写请求代码。HTTPie AI 可以理解用户的意图,将其转换为相应的 HTTP 请求,从而简化与 API 的交互过程,提高开发者的工作效率。
Checksum: 模拟行为生成测试
Why We Built A System of AI Agents to Automate E2E Testing
客户将 JavaScript SDK 集成至他们的 HTML 中,Checksum 将收集匿名使用模式数据。接着,通过这些数据,训练出的模型能够高效执行以下三项任务:
- 检测测试流程,包括标准路径与边缘情况,以吻合真实的使用模式。
- 在实时环境中执行测试流程,并生成 Playwright 或 Cypress 代码。
- 在测试运行过程中维护这些测试,确保软件更新时,测试套件也能同步更新。
LLM 智能体是连接各项功能并能够执行代码的 LLM,已相对成熟。但在 Checksum,其洞察力更进一步。公司并未单独训练一个 LLM 模型以生成完整测试。 其解决方案是将多个模型集成,形成一个系统,旨在将线上执行流程转换为端到端的测试代码。
整个系统由主 Checksum LLM 协调,该模型在系统中扮演着至关重要的角色。
代码:https://github.com/checksum-ai/checksum-ai-runtime
相关文章:
- Pix2Struct
- OS-Copilot: Towards Generalist Computer Agents with Self-Improvement
- CoVA: Context-aware Visual Attention for Webpage Information Extraction
Applitools
https://applitools.com/why-applitools/
审查由 Visual AI 识别出的任何变化
- 设置动态内容的匹配级别。Applitools 智能地识别哪些错误是关键性的,哪些是可以接受的,通过高级匹配级别来实现。用户还可以通过选择突出显示或忽略 UI 的某些区域,进一步微调视觉 AI 的目标定位。
- 创建测试以匹配多个基线。只需点击一个按钮,即可构建能够匹配多个基线的测试——这对于 A/B 测试和本地化语言来说非常理想。
- 跟踪错误并与团队评论。在软件开发生命周期中,与其他人协作,直接在 UI 上进行评论,并使用您喜欢的错误跟踪工具集成来报告错误。
- 通过分组自动化维护。Applitools 自动将不同应用和环境中的相似错误进行分组,以便在更大范围内实现更轻松、更快速的维护,并通过根本原因分析准确指出问题所在。
Visual AI 测试的力量
Visual AI 测试提供了一种革命性的方法,用以克服传统测试中的挑战。它通过捕获屏幕截图,并利用 AI 将这些快照与基准“黄金图像”进行对比,确保以下优势:
- 减少测试开发与维护时间:自动化UI比较大幅降低了编写和维护测试所需的时间。
- 完整的 UI 覆盖:屏幕截图确保UI的每个方面都得到测试,消除了盲点。
- 提高运营效率:更快的反馈循环有助于快速识别和解决问题,从而加速产品发布。
其他辅助 Visual AI 测试的策略包括:
- 自我修复:通过自动调整定位器的变化,纠正不稳定的测试,大幅提高测试稳定性。
- 懒加载:有助于确保整个页面内容被加载。
- 并行测试执行:允许同时执行多个测试,显著加快测试过程。