AI在测试领域主要应用场景
话不多说，直接给结论：
- 接口测试脚本的自动生成和校验（依赖研发ai工具）
- 测试用例的自动生成
- UI自动化测试脚本的自动生成和校验
- 测试文档的自动生成
- 快速了解初涉的业务领域
关于ai对研发和测试的整体影响，可以看文章后面的总结！
测试ai工具调研
测试相关的ai相关工具目前都需要收费，几个主流的高大尚的工具都是国外的产品，不差钱的企业可以研究研究，推荐如下：
aqua ALM
它是为满足所有 QA 要求而定制的人工智能缺陷和错误跟踪工具。该软件旨在增强数据保留、简化操作并通过集中测试中心提供更大的可见性，确保快速有效地解决缺陷和错误。它的AI助手可自动创建测试步骤、确定测试优先级并删除重复项！随着人工智能测试生成、自定义工作流和无缝集成的出现，该解决方案成为测试人员及其管理人员的游戏规则颠覆者，使他们能够节省宝贵的时间。
核心特点：
- 该错误跟踪工具使所有用户类型受益，包括项目经理、开发人员和测试人员。
- 它配备了各种功能，包括可扩展的测试覆盖范围，使 QA 专家、测试人员和开发人员能够有效地测试任何规模或规模的产品。
- 用户友好的错误报告功能只需点击几下即可轻松报告测试过程中遇到的错误
- 用户甚至可以在错误报告中附加屏幕截图和详细的重现步骤
- 该软件提供了自动化测试选项，如果正确实施，可以实现更强大的自动化 OA 流程
- 该错误跟踪工具还包括强大的报告功能，允许用户生成有关正在进行的测试活动的详细报告
- 这些报告提供低级和高级概述以及可视化。
- 此外，该软件包支持与Jira、Powershell、SoapUl 等其他应用程序的十多种集成
Testim
Testim它是一个以人工智能为基础的测试自动化解决方案，提供了一个坚持或维护现有自动化框架的选择，它可以帮助 QA 团队快速、简单地创建和执行自动化测试。Testim 凭借其用户友好的拖放界面和人工智能驱动的测试功能，使测试人员无需编程知识即可轻松构建和维护自动化测试用例。
核心特点：
- 通过自动创建测试用例和定位缺陷，其人工智能驱动的测试能力有助于加速测试过程
- 用于测试API、Web应用程序和移动应用程序，保证软件的每个组件都经过充分的测试。
- 高度可重复性和可靠性，降低人为错误的可能性，保证软件产品经过广泛的测试。
- 无需任何编程经验，测试人员就可以使用 Testim 的拖放界面轻松设计和管理测试用例。
ACCELQ
它简单易用，是功能强大的AI驱动的测试自动化平台。ACCELQ是唯一基于云的连续测试平台，可以无缝地自动执行API和Web测试，而无需编写任何代码。各种规模的IT团队都使用accelQ通过自动化生命周期的关键方面（例如测试设计，计划，测试生成和执行）来加速测试。accelQ客户通常可以节省测试变更和维护工作所涉及成本的70％以上，从而解决了行业的主要难题之一。accelQ通过AI驱动的内核使这一点成为可能，从而在其他独特功能中带来了自愈自动化。专注于设计和用户体验是accelQ持续创新方法的核心，它不懈地努力加快测试速度并提高其客户的交付质量。
核心特点：
- 用于设计和生命周期自动化的可视化应用程序建模。
- 无代码API和UI自动化在同一流程中。
- 自动化的测试用例生成和数据计划。
- 具有多个抽象层的insprint自动化。
- 内置的测试管理和计划功能。
- 无缝的CI / CD和Jira /ALM集成，具有自然可追溯性。
- 具有运行时分析引擎的自我修复功能，可实现强大的自动化。
Applitools
它是一个基于云的视觉测试平台，开发人员和 QA 团队可以简单地自动化视觉 UI 测试并发现跨各种设备、浏览器和屏幕尺寸的视觉问题。用户可以使用 Applitools 轻松检测布局和视觉变化，例如未对齐的项目、不正确的字体大小等，从而保证所有设备上的用户界面 (UI) 一致。
核心特点：
- 借助 Applitools，用户可以简单地自动化可视化测试，而无需使用可视化测试编辑器编写任何代码。用户可以通过编辑器快速选择需要测试的UI组件并定义测试标准。该平台还提供了一系列预先编写的测试脚本，用户可以轻松修改这些脚本以满足其测试要求。
- 用户可以使用 Applitools 测试他们的应用程序，以确保在各种平台、浏览器和屏幕尺寸上获得一致的用户界面和体验。此外，该平台还提供各种具有众所周知的测试框架和工具的连接器，例如Selenium和Appium，使得将可视化测试集成到当前测试工作流程中变得简单。
- Applitools 的人工智能视觉测试引擎可快速识别任何布局和视觉变化，包括未对齐的元素、不正确的字体大小等，使团队可以在问题影响最终用户之前轻松识别和解决问题。该平台还提供直观的仪表板，显示应用程序的可视化历史记录，从而可以轻松跟踪随时间的变化并识别任何趋势或模式。
总结
- 目前ai解决方案对研发效率的提升是大于测试的，个人感觉初级研发人员面临被AI淘汰的危机更高，目前很多公司已经开始使用Github Copilot来提升编码效率了，Github Copilot 可以理解为结伴编程的研发伴侣；
- AI的引入会提升单元测试 和接口测试的工作效率进而提升代码质量，bug也会随之减少，那么需要的测试人员数量也会随之降低；
- 目前好的ai工具都是收费的，国内对GPT4的使用也有各种限制；
- 大厂都会跟据自身的业务训练自己的ai测试大模型，但是投入极高，普通小厂承担不起；
- 普通小厂可以通过国内百度的文心一言来提升一定的基础工作的工作效率！（效率提升多少，暂时不能确认）例如对于未知领域进行快速了解，但是要想深入理解业务还需人工介入不断实践。
- .测试同学使用AI对于未知领域业务的学习，可以大幅提升工作效率；
下面是我在文心一言中的个人提问
问：请问如何对自动驾驶系统进行测试
回答：
对自动驾驶系统进行测试是确保其安全性和性能的关键步骤。以下是一些建议，以对自动驾驶系统进行有效的测试：
- 制定详细的测试计划：在开始测试之前，制定一个详细的测试计划，包括测试目标、测试范围、测试方法、测试数据收集和分析等。这有助于确保测试的全面性和系统性。
- 模拟真实场景：使用模拟器或实际场景进行测试，以评估自动驾驶系统在各种道路条件、交通流量和环境条件下的性能。这有助于模拟实际驾驶中的各种情况，并确保系统的稳定性和可靠性。
- 考虑不同的驾驶风格：测试自动驾驶系统时，需要考虑不同的驾驶风格和行为。例如，对于保守或激进驾驶风格的测试，以评估系统在不同驾驶风格下的表现。
- 测试各种交通场景：测试自动驾驶系统在各种交通场景下的表现，如拥堵、畅通、交叉口、行人横道等。这有助于确保系统在不同交通场景下的适应性。
- 验证传感器性能：自动驾驶系统依赖于各种传感器（如雷达、激光雷达、摄像头等）来感知周围环境。测试时应验证传感器的性能，包括其精度、范围和可靠性。
- 考虑极端情况：除了常规的驾驶场景外，还应考虑一些极端情况，如恶劣天气、夜间驾驶、复杂道路结构等。这些情况可能对自动驾驶系统的性能产生挑战，因此需要进行相应的测试。
- 数据分析与评估：对测试数据进行收集和分析，以评估自动驾驶系统的性能。通过对比不同场景下的数据表现，可以发现潜在的问题和改进点。
- 持续改进与优化：根据测试结果和数据分析，对自动驾驶系统进行持续改进和优化。这包括算法调整、传感器升级、软件更新等，以确保系统的性能和安全性不断提高。
总之，对自动驾驶系统进行测试需要综合考虑多个方面，包括模拟真实场景、考虑不同驾驶风格、测试各种交通场景、验证传感器性能、考虑极端情况以及持续改进与优化等。通过全面的测试和分析，可以确保自动驾驶系统的安全性和性能，为未来的自动驾驶应用奠定基础。
看了这个回答，初涉自动驾驶系统测试的同学是不是就有了一个大概学习方向了呢？这点确实提升了工作效率，但是想要设计出更为专业的测试方案，还是需要我们自身不断学习的。
我的每一篇文章都希望帮助读者解决实际工作中遇到的问题！如果文章帮到了您，劳烦点赞、收藏、转发！您的鼓励是我不断更新文章最大的动力！