本文分享了小厂测试工程师在日常工作中应用AI技术的实战经验。随着年初DeepSeek的火爆,作者所在公司开始要求全员拥抱AI。目前主要使用Gemini-2.5pro模型,在测试工作中实现了三大核心应用场景:一是测试需求分解,通过上传文档或图片快速获取需求要点;二是用例设计,基于需求自动生成测试用例;三是用例评审,利用AI自动评审用例并补充完善。这些应用有效提升了测试效率和质量。文章还邀请同行分享更多AI测试应用场景,共同探讨AI在软件测试领域的潜力与挑战。对于关注AI在测试领域应用的读者,本文提供了实用的参考和启发。
原文链接:Linux.do






AI周刊:大模型、智能体与产业动态追踪
程序员数学扫盲课
冲浪推荐:AI工具与技术精选导航
Claude Code 全体系指南:AI 编程智能体实战
最新评论
朝鲜的互联网基础设施一直是黑箱,这次调查很有价值。光纤网络的物理布局确实能反映很多信息,比如重点区域和网络拓扑。
RSS+AI的组合确实很有价值,信息过载时代确实需要智能筛选。建议增加一下跨来源的内容去重功能,避免重复推送同一话题。
侧边栏调用Gemini的思路很实用,不需要切换标签页就能使用AI。不过想了解一下是否支持自定义API Key,使用官方API可能会有限制。
登录重定向问题确实很烦人,特别是对于刚上线的项目。这个解决方案的思路很清晰,不过不同框架的实现可能需要调整。
注册流程的漏洞分析很有价值,小号入侵是很多平台都面临的问题。建议补充一下防御机制的实现细节,比如设备指纹和行为分析。
ClaudeCode在复杂项目上的表现确实不错,特别是对上下文的理解能力。不过想了解一下生成代码的可维护性如何,是否需要大量人工调整?
小团队确实需要更精简的技术栈,AI优先的思路很有前瞻性。不过团队成员的技术栈可能会比较分散,维护成本如何控制?
云服务的credits使用策略确实容易踩坑,特别是对于第三方模型的限制。建议用户在使用前仔细阅读服务条款,避免浪费额度。