登录社区云,与社区用户共同成长
邀请您加入社区
字节2026年春招,“测试开发工程师-开发者AI”岗位的硬性要求里出现了一句话:“对AI Agent有深入理解和实践经验”。本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。翻了牛客网最新的offer帖,又问了几个在阿里、字节、美团的朋友,结论很一致:2026届技术岗的薪资两极分化,已经到了离
开源原创具身智能认知架构EM-CoreV2.0发布,纯Python实现不依赖大模型。核心功能包括:主动歧义澄清、五层记忆系统沉淀用户偏好、内置安全闭环机制。具备自主决策能力,环境配置简单,可直接运行体验。代码已完整上传至GitCode仓库,欢迎下载测试和Star支持。
本文系统梳理了Python内存管理机制,重点介绍了引用计数、数据池缓存和垃圾回收三大机制。引用计数通过跟踪对象引用次数进行垃圾回收;小整数池和字符串驻留池通过复用常用对象优化性能;垃圾回收采用"引用计数为主,标记清除和分代回收为辅"的策略,解决循环引用问题。文章还提供了查看引用计数的方法,并解释了不同数据类型的内存缓存机制,帮助开发者理解Python内存管理原理,应对相关面试问
本篇记录一次多文档 RAG 测试中的真实踩坑过程:从 PDF 解析异常(内容未进入 chunks),到多文档污染(scope 依赖 top1),再到显式文档约束解析与跨文档对比边界控制。通过增加 forced_doc 规则、compare gate 以及 scope 回归断言,逐步稳定多文档行为,并以 v0.4 版本打 tag 冻结代码。本篇聚焦问题暴露与修复过程,而非算法优化。
本文分析了RAG系统中检索层的工作原理及常见问题。检索层通过词面匹配(分词+计数排序)从文档中找出与问题最相关的片段,但存在三类核心问题:同义词导致的漏召回、通用词引发的误召回、以及top_k限制造成的召回不完整。文章强调检索层决定了RAG系统的上限,即使生成模型再强,错误的检索结果也必然导致错误回答。测试重点应关注参数设置(top_k/min_score)对召回效果的影响,确保检索层能准确完整地
本文介绍了自动化测试中的数据参数化思想及其实现方法。数据参数化是指测试步骤相同但数据不同的情况下,将测试数据集中管理并批量循环执行,从而提高脚本编写效率。文章通过登录功能案例展示了参数化的优势:减少代码冗余、提高复用性。详细讲解了parameterized工具的使用方法,包括安装、基本语法和不同测试框架下的应用场景。最后以登录测试为例,演示了如何将yaml格式的测试数据转化为parameteriz
接口自动化测试第1课:Python需要掌握到什么程度?
性能测试分层理论,梳理一下L2 状态层的压测。在 Agent 系统里,真正危险的不是慢,而是乱。这一篇只讲 L2:状态层压测,我是如何一步步定位出三个问题的。
本文介绍了使用Python+Appium搭建移动应用自动化测试环境的完整流程。主要包括:1)安装配置JDK和Android SDK;2)安装Python(推荐Anaconda);3)安装Node.js;4)通过npm安装Appium服务端;5)安装Appium-Python-Client库。文中详细说明了各组件安装步骤和环境变量配置方法,并提供了验证安装是否成功的检测命令。最后建议使用PyChar
评测 Voice Agent,不能只听 Demo 里的声音是否自然,也不能只看一次对话是否流畅。所以我后续做 Voice Agent 产品测评时,不会只写“声音好不好听”“回答像不像真人”这类主观体验,而会尽量使用同一套样本、同一套日志格式、同一套评分模板。这篇文章就是后续测评的“母篇”:先把评测维度、实验流程、样本格式、评分方法和 Mermaid 可视化图放出来。
摘要:介绍使用Python和Appium实现抖音同城模块自动评论的方法。通过配置Python环境、安装Appium库、连接手机设备后,编写脚本模拟用户操作:进入同城模块、定位评论框、输入内容并发送。注意事项包括确保环境配置正确、设备连接正常,并提示抖音更新可能导致元素定位变化。文末附有软件测试学习资料获取方式,旨在帮助测试学习者少走弯路。(149字)
本文提出一个可落地的 RAG 六层调试模型:解析 → Chunk → 检索 → Scope → Gate → 生成。将 RAG 问题从“模型玄学”拆解为六个可观测层级,逐层定位问题来源:是 PDF 解析失败?是切分丢信息?是检索误命中?是多文档污染?是规则门控失效?还是模型生成偏移?通过日志化每一层的输入与输出,结合回归测试与 Scope / Gate 规则,可以把 RAG 系统从“偶尔答错”变成
文章摘要:生成层评估需关注三大核心问题:1)幻觉控制(避免编造无依据内容),通过构造无答案场景测试;2)表达质量(确保自然流畅),通过多次生成对比表达稳定性;3)格式可用性(符合用户需求),需测试输出长度和结构合规性。测试方法应包含三类用例(正常/无答案/表达),采用简单判断标准,并通过多次运行验证稳定性。
本文介绍了使用Python读取Excel数据并转换为字典格式的方法。主要内容包括:1)通过xlrd模块安装和环境准备;2)Python对Excel的基本操作,包括获取工作表、行列数及单元格数据;3)将Excel数据封装为字典格式,其中首行为key,后续行为value;4)处理数字格式问题,需将单元格设为文本格式避免浮点数显示。文章提供了完整代码示例和运行结果,适合用于自动化测试中的参数化数据管理。
本文介绍了情感陪伴Agent模块的开发与验证,该模块集成DeepSeek大模型,通过SSE流式交互缓解老年人孤独感和就医焦虑。核心工作包括流式架构搭建、提示词设计、异步性能优化和工程化落地。测试验证了接口层和逻辑层的功能完整性,以及两种提示词模式(心理慰藉和陪诊助手)的有效性。自动化测试覆盖多个场景,环境配置与生产环境对接。测试结果表明模块响应速度快、逻辑准确、架构稳定,已达到准生产状态。开发心得
文章摘要:本文介绍如何利用Python的watchdog库自动化前端项目部署流程。通过监控/tmp目录下的压缩文件变化,自动将文件移动到Nginx项目目录并解压。核心步骤包括:1)安装watchdog库;2)创建两个事件处理器分别负责文件移动和解压;3)使用Observer启动监听任务;4)通过nohup命令后台运行监控程序。该方法有效解决了人工部署效率低下的问题,实现从文件上传到项目部署的全自动
适用读者:初级~中级测试工程师;适用系统:Ubuntu 20.04/22.04/24.04;时间:2025-08本文手把手带你在上搭建移动自动化测试环境:JDK、Android SDK、Appium Server、Appium Driver(UiAutomator2)、Appium-Python-Client、Python、PyCharm、定位工具(Appium Inspector),并以为例跑通
页面对象类(Page):封装页面元素和操作方法。测试用例类(Test):只调用 Page 提供的方法,不直接操作元素。优势:✅ 提高可维护性✅ 降低重复代码✅ 测试逻辑与页面操作解耦本文分享了如何在Windows 环境下,从零开始搭建一个基于的自动化测试框架:配置 Python、Selenium、浏览器驱动使用PO 模式封装页面对象编写用例并用 pytest 执行通过本项目,我们可以快速实现 CR
Web登录测试是很常见的测试,手动测试大家再熟悉不过了,那如何进行自动化登录测试呢!本文就基于python+selenium结合unittest单元测试框架来进行一次简单但比较完整的cnblog自动化登录测试,可提供点参考!下面就包括测试代码和每种测试情况的截图。
pytest + YML/Json Schema/logging/allure
偶然在微信里找到一款轻量化翻译工具 Lemon,不用下载安装,小程序打开就能用,这段时间持续实测了单词、俚语、长文本互译、语音识别等多个场景,整理一份客观使用记录给有同类需求的朋友参考。针对完整中文段落、书面文本双向转换做测试,输入一段长句演讲稿内容,完整输出英文译文,语序逻辑连贯,不会出现句子断裂、语义丢失的情况,适合临时摘抄文本、简单书面材料转换。朗读人声语调自然,语速平缓,适合外语跟读练习,
参数关联是接口测试中的重要概念,指接口之间存在参数依赖关系。典型场景如登录获取token后用于后续请求,或下单后获取订单号用于支付。示例展示了电商场景中下单接口返回的订单号,作为支付凭证接口的输入参数。文中提供了两种实现方案:1)按业务顺序直接调用接口;2)使用pytest的fixture函数管理依赖参数。妥善处理参数关联是接口自动化测试的关键,直接影响用例维护性。文章通过具体代码示例,帮助测试人
我本身主要从事。
cpptest 2024.2.1
本文介绍了接口自动化测试的核心知识和实践方法。主要内容包括:1)接口自动化测试相比UI自动化的优势(复用性强、维护成本低、速度快)和局限性;2)HTTP请求方法(GET/POST/PUT/DELETE)的区别与使用场景;3)使用Python requests框架实现接口测试,包括环境搭建、请求发送、响应处理和断言验证;4)cookie管理和参数化测试技巧;5)如何结合unittest框架构建自动化
HttpRunner是一款基于Python的接口自动化测试框架,支持HTTP/HTTPS协议,具备录制生成用例、动态变量提取、JSON响应验证等功能。它通过YAML/JSON定义测试用例,集成pytest、allure等工具生成测试报告,并支持性能测试。使用流程包括:抓包保存为HAR文件,通过har2case转换为测试用例,利用hrun命令运行并生成报告。框架还提供脚手架快速创建项目,内置debu
最后揭开谜底,本人选择的是Java语言作为自动化测试入门,过程很艰难,而且天没有随人愿,公司项目使用的是python语言,又开始Python语言自动化测试的学习,大家一起加油吧~
关于其中的每一个工具的使用,更加详细的可以参照官方文档,这里列出的是我认为在写一个项目时必要的使用方法,基本能够让项目的覆盖率达到 70%以上。
本文介绍了构建接口自动化测试框架的核心要点和实施流程。框架设计包含六大模块:action包(关键字函数)、config包(配置文件)、TestData(Excel测试数据)、Log包(日志文件)、utils包(公共类)和主程序。重点阐述了数据规范设计,包括接口用例模板(注册/登录)、数据依赖处理(RelyData字典存储)和结果校验机制,并提供了Excel操作封装类ParseExcel.py和HT
如果iframe里面还有一个iframe,这时你不想回到主文档,想操作上一层iframe就可以使用这个方法。
得益于Selenium能够直接访问实际页面,动态加载数据爬虫也有的重要作用。它可以弥补传统爬虫工具的不足,抓取由JavaScript渲染的内容。但要注意的是,它的性能相对较低,不适合大规模数据抓取。
在接口自动化测试过程中,你是否经常遇到这些问题?每次测试前都要手动在后台创建用户、订单、商品等数据接口依赖前置数据,但数据缺失导致用例无法执行
在接口自动化测试中,你是否遇到过这样的问题?测试用例第一次运行通过,第二次却失败多人并行执行时,彼此的数据相互干扰
记录一次查询业务流水的相关附件调用失败,提示信息:【java.lang.NullPointerException】
以上就是本次的全部内容,如果对你有帮助,麻烦点赞+分享,你的支持就是作者更新最大的动力!
本文主要介绍了使用playwright实现自动化的文件下载,相比于selenium,playwright文件下载的功能更加强大,不需要借助其他工具就能够实现。宏哥这里就讲解和分享了Chrome浏览器的下载文件,其他浏览器类似,有兴趣的小伙伴或者童鞋们可以自己尝试一下。好了,时
Python中isinstance()和type()函数的区别与使用场景: isinstance()检查对象是否为指定类或其子类的实例,支持多态性,返回布尔值。 type()获取对象的确切类型,不考虑继承关系,返回类型本身。 关键区别: isinstance()适合检查对象是否符合基类或接口 type()适合获取对象的具体类型 实际建议: 多态检查优先用isinstance() 精确类型判断用ty
请注意,最后一个例子中的indirect=True通常用于参数化fixture,这里是为了演示而简化了实际用法。实际上,直接在参数组合上附加mark更常见于直接参数列表中,而不是像示例所示那样。
这些示例涵盖了接口自动化测试中提高效率和可维护性的多种策略,包括代码复用、参数化、异常处理、并发测试、数据驱动等。在实际应用中,还需要结合具体的测试框架和工具进行调整和完善。
测试标记装饰器为测试用例添加特定的标签,便于分类和过滤。
Cloudflare验证码作为其安全服务的核心组件,通过智能检测机制区分人类与机器人访问。文章详细解析了Cloudflare的多层检测技术,包括设备指纹识别、IP代理检测、JavaScript挑战及TLS指纹识别等。针对这些防护措施,提供了多种绕过方案:使用CapSolver等专业验证码解决服务、利用Puppeteer等自动化工具模拟真实用户行为,以及通过undetected_chromedriv
为什么Token管理是接口自动化的痛点?在进行Python接口自动化测试时,相信大家都遇到过这样的困扰:❌ 每次跑用例前手动更新 Token