Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

如何高效的编写软件测试用例

Answer

以下是关于如何高效编写软件测试用例的方法:

  1. 基于规则的测试生成
    • 测试用例生成工具
      • Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。
      • Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。
    • 模式识别
      • Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。
      • Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。
  2. 基于机器学习的测试生成
    • 深度学习模型
      • DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。
      • DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。
    • 强化学习
      • RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。
      • A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。
  3. 基于自然语言处理(NLP)的测试生成
    • 文档驱动测试生成
      • Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。
      • Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。
    • 自动化测试脚本生成
      • Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。
      • Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。
  4. 基于模型的测试生成
    • 状态模型
      • GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。
      • Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。
    • 场景模拟
      • Model-based Testing (MBT):基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。
      • Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。
  5. 实践中的应用示例
    • Web 应用测试:使用 Testim 分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。
    • 移动应用测试:利用 Test.ai 从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。
    • 复杂系统测试:采用 GraphWalker 基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。
  6. 工具和平台
    • Testim:AI 驱动的自动化测试平台,生成和管理测试用例。
    • Test.ai:基于 NLP 技术的测试用例生成工具,适用于移动应用和 Web 应用。
    • DeepTest:利用深度学习生成自动驾驶系统测试用例。
    • GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。
    • Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试。
Content generated by AI large model, please carefully verify (powered by aily)

References

问:AI 做测试用例

AI生成测试用例是一项非常有价值的功能,可以显著提高测试覆盖率、减少人工编写测试用例的时间和成本。以下是一些具体方法和工具,展示AI如何生成测试用例:[heading3]1.基于规则的测试生成[heading4]a.测试用例生成工具[content]Randoop:基于代码路径和规则生成测试用例,适用于Java应用程序。Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET应用。[heading4]b.模式识别[content]Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。Infer:Facebook开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。[heading3]2.基于机器学习的测试生成[heading4]a.深度学习模型[content]DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。[heading4]b.强化学习[content]RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。[heading3]3.基于自然语言处理(NLP)的测试生成[heading4]a.文档驱动测试生成[content]Testim:AI驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。Test.ai:利用NLP技术从需求文档中提取测试用例,确保测试覆盖业务需求。[heading4]b.自动化测试脚本生成[content]Selenium IDE+NLP:结合NLP技术扩展Selenium IDE,从自然语言描述中生成自动化测试脚本。Cucumber:使用Gherkin语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。

问:AI 做测试用例

GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。[heading4]b.场景模拟[content]Model-based Testing(MBT):基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。[heading3]5.实践中的应用示例[content]1.Web应用测试:使用**Testim**分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。2.移动应用测试:利用**Test.ai**从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。3.复杂系统测试:采用**GraphWalker**基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。[heading3]工具和平台[content]Testim:AI驱动的自动化测试平台,生成和管理测试用例。Test.ai:基于NLP技术的测试用例生成工具,适用于移动应用和Web应用。DeepTest:利用深度学习生成自动驾驶系统测试用例。GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试。

Others are asking
那么有什么工具吗可以生成测试用例吗
以下是一些可以生成测试用例的工具: 1. 基于规则的测试生成: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。 Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。 2. 基于机器学习的测试生成: DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。 DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。 RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。 A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理(NLP)的测试生成: Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。 Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。 Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。 Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成: GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。 Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。 Modelbased Testing:基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。 Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。 在实践中的应用示例包括: 1. Web 应用测试:使用 Testim 分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。 2. 移动应用测试:利用 Test.ai 从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 3. 复杂系统测试:采用 GraphWalker 基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 AI 在生成测试用例方面具有显著的优势,可以自动化和智能化生成高覆盖率的测试用例,减少人工编写测试用例的时间和成本。通过合理应用 AI 工具,前端开发工程师可以提高测试效率、增强测试覆盖率和发现潜在问题,从而提升软件质量和用户体验。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-12-09
可以实现测试用例设计、测试脚本、测试执行、测试报告 的AI 有哪些?
以下是一些可以实现测试用例设计、测试脚本、测试执行和测试报告的 AI 工具和方法: 1. 基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 模式识别: Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。 Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。 2. 基于机器学习的测试生成: 深度学习模型: DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。 DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。 强化学习: RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。 A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理(NLP)的测试生成: 文档驱动测试生成: Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。 Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。 自动化测试脚本生成: Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。 Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成: 状态模型: GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。 Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。 场景模拟: Modelbased Testing:基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。 Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。 5. 实践中的应用示例: Web 应用测试:使用 Testim 分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。 移动应用测试:利用 Test.ai 从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 复杂系统测试:采用 GraphWalker 基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 相关工具和平台: Testim:AI 驱动的自动化测试平台,生成和管理测试用例。 Test.ai:基于 NLP 技术的测试用例生成工具,适用于移动应用和 Web 应用。 DeepTest:利用深度学习生成自动驾驶系统测试用例。 GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试。
2024-10-24
我想基于一个开源模型,训练一个自己的AI模型,用于编写软件测试用例,如何实现呢
要基于开源模型训练一个用于编写软件测试用例的 AI 模型,您可以参考以下步骤: 1. 选择合适的部署方式:包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源:确保有足够的训练数据覆盖软件测试用例的相关场景,同时准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础:可以使用开源的预训练模型如 BERT、GPT 等,也可以自行训练一个基础模型。 4. 针对编写软件测试用例的目标任务进行模型微调训练:根据具体应用场景对预训练模型进行微调训练,优化模型结构和训练过程以提高性能。 5. 部署和调试模型:将训练好的模型部署到生产环境,并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护:模型涉及大量数据和隐私信息,需要重视安全性和合规性。 总的来说,训练这样一个模型需要综合考虑多方面因素,包括部署方式、数据准备、模型训练、部署调试以及安全性等。需要根据具体需求选择合适的方法,并注意优化各个环节以提高模型性能和应用效果。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-09-23
有没有对话形式,生成测试用例的ai
以下是一些关于对话形式生成测试用例的 AI 相关信息: 生成式 AI Studio 中,您可以在聊天框中键入请求,例如“我的电脑速度很慢”,然后按回车键,查看 AI 如何响应,并且可以集成到您的应用程序。 在一泽 Eze 的样例驱动的渐进式引导法中,可以借助擅长扮演专家角色的 AI 如 Claude 3.5 进行对话来改进初始的正向样例,输入初始指令后查看 AI 的回复,以侧面印证其对样例的理解与建议。 在基于自然语言处理(NLP)的测试生成方面,Selenium IDE 结合 NLP 技术可从自然语言描述中生成自动化测试脚本,Cucumber 可通过解析自然语言描述生成测试用例。
2024-08-14
有没有免费好用的,用于生成测试用例的ai
以下是一些免费好用的用于生成测试用例的 AI 工具: Testim:AI 驱动的自动化测试平台,可生成和管理测试用例,适用于 Web 应用测试,能分析用户行为和日志数据,自动生成高覆盖率的测试用例以检测不同浏览器和设备上的兼容性问题。 Test.ai:基于 NLP 技术的测试用例生成工具,适用于移动应用和 Web 应用,可从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 DeepTest:利用深度学习生成自动驾驶系统测试用例。 GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试,如采用其基于系统状态模型生成测试用例,可确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。
2024-08-14
我是一名测试,经常需要写测试用例,有没有相关的助手
以下是一些可用于生成测试用例的 AI 工具和平台: 1. Testim:这是一个 AI 驱动的自动化测试平台,能够生成和管理测试用例。它可以通过分析文档和用户故事自动生成测试用例,减少人工编写时间。在 Web 应用测试中,它能分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。 2. Test.ai:基于 NLP 技术的测试用例生成工具,适用于移动应用和 Web 应用。它可以利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。在移动应用测试中,能从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 3. DeepTest:利用深度学习生成自动驾驶系统测试用例。 4. GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。在复杂系统测试中,能基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 5. Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试。
2024-08-14
我是一个AI小白,我使用AI的主要目的是使用这些工具,简化我工作中费时费力的事情,比如:表格的制作,筛选数据;图片的抠图,渲染,产品的口播介绍;日常工厂管理文件的编写及执行步骤;工作手册及岗位绩效的编写;作业指导书的编写
以下是为您整合的相关内容: 对于 AI 小白来说,使用 AI 工具简化工作中的费时费力之事是可行的。 在接触 AI 工具时,对于超出自己理解范围的事情,最简单有效的方法就是尝试。学习新事物,实践比听闻更重要。 比如在 AI 视频制作方面,人物设定与剧本是关键部分,包括主体、动作、场景等要素;分镜处理也较为重要,要考虑用几个镜头表述内容;生成环节如同抽卡,可多尝试,最后进行粗检和后期处理,如 AI 配音剪辑、加过渡滤镜等。小白制作 AI 视频要做好脚本即提示词,有耐心抽卡,并不断提升撰写提示词的能力。撰写提示词时要了解主体、动作、场景,避免使用专有名词和网络名词,给 AI 清晰描述。工具选用方面,没有绝对好的工具,只有适合的,如小白可使用剪映,主力机是 MacBook Pro 可使用 final cut。还可向 ChatGPT 询问获取灵感。 另外,在“AI 布道”活动中发现,AI 工具虽强大能做很多事,但也在其与普通人之间形成了一道墙。AI 是未来必然的方向,其科普还有很长的路要走,但尽可能简单地试用它,能让普通人更快受益。无论是什么身份、什么年龄段的人,都可以尝试使用 AI 工具。 如果您想要跟相关作者交朋友、一起在 AI 路上探寻,欢迎戳这里:
2025-01-30
提示词编写
编写提示词(prompt)是一个关键步骤,以下是一些建议: 1. 明确任务:清晰定义任务,如写故事时包含背景、角色和主要情节。 2. 提供上下文:若任务需特定背景知识,提供足够信息。 3. 使用清晰语言:用简单、清晰的语言描述,避免模糊或歧义词汇。 4. 给出具体要求:如有特定格式或风格,在提示词中指明。 5. 使用示例:如有期望结果,提供示例帮助理解需求。 6. 保持简洁:简洁明了,避免过多信息导致模型困惑。 7. 使用关键词和标签:有助于模型理解任务主题和类型。 8. 测试和调整:生成文本后检查结果,根据需要调整提示词,可能需多次迭代。 在 SD 绘画中,编写提示词时: 根据想画的内容写,多个提示词用英文半角符号隔开。 一般概念性、大范围、风格化的关键词写在前,叙述画面内容的其次,最后是描述细节的。 每个词语在模型中的自带权重可能不同,越靠后的权重越低。 可用括号人工修改提示词权重。 关键词应具特异性,措辞避免抽象和有解释空间。 在利用 Claude 制作 Crossword 小游戏时,提示词编写也很重要,复杂点在于代码,需根据需求分析逐步实现,包括单词和解释、卡片制作、难度设定等环节。
2025-01-28
现在AI编程始终不能编写一些比较大的项目
目前 AI 编程在处理较大项目时存在一些限制,主要原因包括: 1. 上下文窗口限制:复杂项目需要全局理解,AI 难以设计架构和模块化。 2. 自然语言描述不精确:项目需求常需反复讨论才能明确,AI 难以完全掌握。 3. 无法感知环境和直接执行:编译、部署、调试等复杂任务 AI 难以独立完成。 4. 幻觉问题:AI 可能编造不存在的 API 或错误代码,需人工严格审查。 在实际应用中,对于一些简单需求,我们可以给 AI 下达明确命令来完成一次性任务,如制作简单的 Chrome 插件、编写脚本或创建 Python 爬虫。但当期待提高,希望从繁琐日常任务中解脱时,需要了解 AI 编程的边界和限制。 在选择解决方案时,应遵循一定的准则: 1. 优先找线上工具,例如制作白底图等功能,若线上有现成工具最好。 2. 其次找插件,基于现有系统找合适的插件。 3. 最后是本地应用,当线上工具和插件都不满足需求时,再考虑本地应用。 对于 API 功能,先找现成的开源工具,GitHub 上有很多。然后考虑付费服务。只有在都找不到现成方案时,才考虑自己编程,且编程时要以终为始,抛开技术障碍,聚焦于目标。
2025-01-25
新手使用,如何编写提示词
对于新手编写提示词,以下是一些要点和方法: 1. 基本语法:根据自己想画的内容写出提示词,多个提示词之间使用英文半角符号。 2. 词语顺序:一般而言,概念性的、大范围的、风格化的关键词写在前面,叙述画面内容的关键词其次,最后是描述细节的关键词。大致顺序为。 3. 权重调整:可以使用括号人工修改提示词的权重,如:字符。 4. 关键词选择:关键词最好具有特异性,措辞越不抽象越好,尽可能避免留下解释空间的措辞。 5. 描述逻辑:通常的描述逻辑包括人物及主体特征(服饰、发型发色、五官、表情、动作),场景特征(室内室外、大场景、小细节),环境光照(白天黑夜、特定时段、光、天空),画幅视角(距离、人物比例、观察视角、镜头类型),画质(高画质、高分辨率),画风(插画、二次元、写实)。 6. 辅助工具和方法: 利用功能型辅助网站,如 http://www.atoolbox.net/ ,它可以通过选项卡的方式快速地填写关键词信息;https://ai.dawnmark.cn/ ,其每种参数都有缩略图可以参考,方便更加直观地选择提示词。 去 C 站(https://civitai.com/)里面抄作业,每一张图都有详细的参数,可点击下面的复制数据按钮,然后直接粘贴到正向提示词栏里。 对于星流一站式 AI 设计工具: 输入语言方面,星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言(一个长头发的金发女孩),基础模型 1.5 使用单个词组(女孩、金发、长头发),支持中英文输入。 写好提示词的方法包括使用预设词组、保证提示词内容准确(包含人物主体、风格、场景特点、环境光照、画面构图、画质)、调整负面提示词、利用“加权重”功能让 AI 明白重点内容,还可使用辅助功能,如翻译功能、删除所有提示词、会员加速等。
2025-01-23
怎么在coze的智能体总加入一个使用MARKDOWN编写的代码的prompt?
在 Coze 的智能体中加入使用 Markdown 编写的代码的 prompt 可以参考以下方法: 首先,了解相关的任务和目标,比如像实现输入任意文章链接后,AI 自动生成适合微信分享的文章推荐卡片。为达到这一效果,大模型对话产品通常需要完成网页爬取、内容总结、二维码生成、卡片样式生成等关键步骤。 在编写 prompt 时,可以发现新的词生卡 Prompt 组织方法,把设计要求拆分为“设计规范”和“内容结构”,再细分为“布局与尺寸”“字体规范”“颜色规范”的独立模块,并结合“内容结构”进行要求提示。这种提示词组织方式具有模型通用性、提示简易性和生成稳定性等显著优势。 对于刚入门的朋友,首推 LangGPT 结构化提示词,直观易懂,可以快速上手。对于想要进阶的用户,一方面可以继续选择 LangGPT,另一方面如有额外精力和好奇心,不妨尝试刚哥推崇的 Lisp 伪代码格式,有助于精炼提示词和提升对措辞理解、概念认知的能力。但需要注意的是,真正重要的不是提示词的外在形式,而是内容是否与 AI 的“理解机制”相契合。同时,在实际应用中,还需要经过多次调试,并根据测试 bug 微调提示词,直至稳定运行。
2025-01-19
可以读取excel数据,编写程序的ai工具
以下是一些可以读取 Excel 数据并编写程序的 AI 工具相关内容: 1. 自制微博指数爬虫工具:通过分析微博话题页面,找到真实数据地址,明确规则后让 AI 帮忙写代码。需求是抓取微博话题 30 天的分日数据,在执行代码时 topic_name 由用户手动输入,在 colab 上运行并将数据存储到 Excel 自动下载到本地。 2. 用 AI 撰写专业区域经济报告:信息收集时利用 AI 搜索与权威网站结合获取关键数据,AI 可辅助提取结构化表格数据或编写抓取程序。内容拆分时针对报告需求将内容拆分,数据处理借助传统工具如 Excel 结合 AI 指导高效操作数据筛选与图表生成,分析与撰写时通过整理数据利用 AI 辅助分析后撰写报告初稿,最终内容需人工主导校验。 3. 金融服务业中生成式 AI 的应用:生成式 AI 可以帮助金融服务团队改进内部流程,如在预测方面帮助编写 Excel、SQL 和 BI 工具中的公式和查询,发现模式并为预测建议输入;在报告方面帮助自动创建文本、图表、图形等内容,并根据不同示例调整报告;在会计和税务方面帮助综合、总结并提出可能答案;在采购和应付账款方面帮助自动生成和调整合同、采购订单和发票以及提醒。
2025-01-16
与deepseek高效对话的五个黄金法则
以下是与 Deepseek 高效对话的五个黄金法则: 1. 像教实习生:别指望它读心术,要给明确“操作手册”。 亮身份(就像相亲自我介绍):说清角色(新人/专家)、处境(紧急任务/长期规划)、特殊需求(老板的喜好/公司制度)。例如,错误示范是“帮我写个方案”,正确示范是“我是刚入职的行政专员,要给 50 人团队策划元旦团建,预算人均 200 元”。 派任务(像教小朋友做家务):明确要做什么、范围多大、重点在哪、要几个结果。例如,错误示范是“分析下市场”,正确示范是“请对比蜜雪冰城和茶百道最近 3 个月的新品策略,找出年轻人最爱的 3 个创新点”。 立规矩(像点菜提要求):包括时间限制、资源条件、雷区预警、特殊偏好。例如,请 AI 当健身教练,正确示范是“我是 996 上班族,每天最多锻炼 30 分钟,家里只有瑜伽垫,帮我制定减脂计划,不要深蹲伤膝盖”。 定格式(像下单选规格):根据需求选择文档类(PPT 页数、报告部分)、数据类(表格或图表)、创意类(小红书风格或知乎体)等格式。例如,做会议纪要,正确示范是“用表格呈现,左边列讨论主题,右边分决策事项/负责人/截止时间三栏,最后用红色标出待确认事项”。 2. 像拼乐高:复杂任务拆成小模块,逐个击破。 3. 像打乒乓球:有来有往多回合,好答案都是改出来的。 4. 下次和 AI 对话前,先花 30 秒填这个 checklist: 我说清自己身份了吗? 任务目标够具体吗? 特殊要求列全了吗? 要什么格式交代了吗? 留好修改的余地了吗? 5. 一个提示词,让 DeepSeek 的能力更上一层楼: 效果对比:用 Coze 做了个小测试,大家可以对比看看。 如何使用: 搜索 www.deepseek.com,点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后,正式开始对话。 设计思路: 将 Agent 封装成 Prompt,将 Prompt 储存在文件,保证最低成本的人人可用的同时,减轻自己的调试负担。 通过提示词文件,让 DeepSeek 实现同时使用联网功能和深度思考功能。 在模型默认能力的基础上优化输出质量,并通过思考减轻 AI 味,增加可读性。 照猫画虎参考大模型的 temperature 设计了阈值系统,但是可能形式大于实质,之后根据反馈可能会修改。 用 XML 来进行更为规范的设定,而不是用 Lisp(对我来说有难度)和 Markdown(运行下来似乎不是很稳定)。 完整提示词。 特别鸣谢:李继刚的【思考的七把武器】在前期为提供了很多思考方向;Thinking Claude 是项目最喜欢使用的 Claude 提示词,也是设计 HiDeepSeek 的灵感来源;Claude 3.5 Sonnet 是最得力的助手。 掌握这套方法,您会突然发现:原来 AI 这么听话!从此刻开始,告别无效对话,让您的每个问题都换来实实在在的干货。
2025-02-13
我几乎是一个AI小白,只能日常跟AI对话,让AI回答我的问题,我希望能系统的了解AI,认识AI,学会正确使用AI,让AI帮助我提高效率,希望你能给出学习建议
以下是为您提供的系统学习 AI 的建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,包括其主要分支(如机器学习、深度学习、自然语言处理等)以及它们之间的联系。 浏览入门文章,了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅: 在「」中,找到为初学者设计的课程,特别推荐李宏毅老师的课程。 通过在线教育平台(如 Coursera、edX、Udacity)上的课程,按照自己的节奏学习,并有机会获得证书。 3. 选择感兴趣的模块深入学习: AI 领域广泛,如图像、音乐、视频等,您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧,它上手容易且很有用。 4. 实践和尝试: 理论学习之后,实践是巩固知识的关键,尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 5. 体验 AI 产品: 与现有的 AI 产品进行互动,如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人,了解它们的工作原理和交互方式。 6. 与大语言模型交流的技巧: 对话尽量具体、丰富、少歧义,多说有用的。 假想特定场景,明确希望获得的内容。 把大模型当作大学生,指明方向,拆解任务,教其一步一步操作。 7. AI 教育方面: 以 Khanmigo AI 为例,AI 教师应具有友善和支持的性格,语言简明,不直接给答案,而是通过适当提问帮助学生独立思考,根据学生知识水平调整问题,检查学生是否理解,警惕学生滥用帮助等。
2025-02-10
一、学习内容 1. AI工具的操作:了解并掌握至少一种AI工具的基本操作,如智能代码、流程管理、智能报表、数据分析、图像识别、文字生成等。 2. AI工具在本职工作的应用:思考并提出AI工具如何帮助你更高效地完成本职工作,包括但不限于提高工作效率、优化工作流程、节约成本、提升交付质量等。 3. AI工具在非本职工作的潜力推演:探索AI工具如何在你的非本职工作领域发挥作用,比如在公司管理、团队领导、跨部门合作、团队发展以及市场研究等方面。提出这些工具如何被有效利用,以及它们可能带来的改
以下是关于学习 AI 的相关内容: 一、AI 工具的操作 要了解并掌握至少一种 AI 工具的基本操作,如智能代码、流程管理、智能报表、数据分析、图像识别、文字生成等。 二、AI 工具在本职工作的应用 思考并提出 AI 工具如何帮助更高效地完成本职工作,包括但不限于提高工作效率、优化工作流程、节约成本、提升交付质量等。 三、AI 工具在非本职工作的潜力推演 探索 AI 工具在非本职工作领域,如公司管理、团队领导、跨部门合作、团队发展以及市场研究等方面的作用,思考如何有效利用这些工具以及它们可能带来的改变。 四、学习路径 1. 对于不会代码的学习者: 20 分钟上手 Python+AI,在 AI 的帮助下可以完成很多基础的编程工作。若想深入,需体系化了解编程及 AI,至少熟悉 Python 基础,包括基本语法(如变量命名、缩进等)、数据类型(如字符串、整数、浮点数、列表、元组、字典等)、控制流(如条件语句、循环语句)、函数(定义和调用函数、参数和返回值、作用域和命名空间)、模块和包(导入模块、使用包)、面向对象编程(类和对象、属性和方法、继承和多态)、异常处理(理解异常、异常处理)、文件操作(文件读写、文件与路径操作)。 2. 新手学习 AI: 了解 AI 基本概念,建议阅读「」部分,熟悉术语和基础概念,浏览入门文章。 开始 AI 学习之旅,在「」中找到为初学者设计的课程,推荐李宏毅老师的课程,也可通过在线教育平台(如 Coursera、edX、Udacity)按自己节奏学习并获证书。 选择感兴趣的模块深入学习,掌握提示词技巧。 实践和尝试,理论学习后通过实践巩固知识,在知识库分享实践作品和文章。 体验 AI 产品,如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人,了解其工作原理和交互方式。 五、工具推荐 1. Kimi 智能助手:ChatGPT 的国产平替,上手体验好,适合新手入门学习和体验 AI。不用科学网、不用付费、支持实时联网,是国内最早支持 20 万字无损上下文的 AI,对长文理解做得好,能一次搜索几十个数据来源,无广告,能定向指定搜索源(如小红书、学术搜索)。 PC 端: 移动端(Android/ios): 2. 飞书:汇集各类 AI 优质知识库、AI 工具使用实践的效率工具,助力人人成为效率高手。
2025-02-07
代码小白想要学习上手aiagent 请给我制定高效学习流程
以下是为代码小白制定的学习 AI Agent 的高效流程: 1. 基础了解 度过第一阶段,了解 AI 的基本原理和发展阶段。 2. 选择方向 鉴于您是代码小白,建议从不需要代码基础的 Coze 工作流学起。它适用所有人,只要能发现智能体的需求,就可以用工作流来实现。 3. 学习资源 可以参考《雪梅 May 的 AI 学习日记》,了解在业务运营领域如何通过 Coze 接触大量应用场景和进行 prompt 练习。 阅读安仔的文章,学习如何使用极简未来平台、腾讯云轻量应用服务器、宝塔面板和 Docker 搭建一个 AI 微信聊天机器人,了解相关技术组件的选用、配置步骤、费用和运维问题。 查看元子的分享,如“小白的 Coze 之旅”,深入了解 Coze 平台。 4. 加入社群 可以加入免费的 AI Agent 共学群,基于 WaytoAGI 社区等高质量信息源,分享时下 AI Agent 相关的玩法、经验和前沿资讯。通过微信号 Andywuwu07 或扫描二维码加微信,备注 AI 共学即可加入。 希望以上流程对您有所帮助,祝您学习顺利!
2025-02-05
如何利用AI高效读书
以下是关于如何利用 AI 高效读书的一些方法和建议: 1. 对于读书时遇到的有触动但需批判性思考和怀疑的文本,可将其整理归纳、标记重点、打上标签并放入笔记系统,准备展开深度思考和实践。 2. 以深度思考的问题为例,践行 AI 对人的赋能模式,如通过 AI 信息杠杆,利用 AI 搜索引擎和大模型,迅速掌握相关知识并完成相关思考。 3. 基于上述实践,生成自己的观点和决策,并将其打造成体系化的内容产品,实现价值。 4. 通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转,把“别人说的话”变成“自己的智慧”。 此外,利用 AI 进行英语学习和数学学习的方法如下: 英语学习: 1. 利用智能辅助工具(如 Grammarly)进行英语写作和语法纠错,改进英语表达和写作能力。 2. 使用语音识别应用(如 Call Annie)进行口语练习和发音纠正,获取实时反馈和建议。 3. 借助自适应学习平台(如 Duolingo),利用 AI 技术获得量身定制的学习计划和个性化学习内容。 4. 运用智能对话机器人(如 ChatGPT)进行英语会话练习和对话模拟,提高交流能力和语感。 数学学习: 1. 使用自适应学习系统(如 Khan Academy),结合 AI 技术获取个性化的数学学习路径和练习题。 2. 利用智能题库和作业辅助工具(如 Photomath),通过图像识别和数学推理技术获取数学问题的解答和解题步骤。 3. 借助虚拟教学助手(如 Socratic),利用 AI 技术解答数学问题、获取教学视频和答疑服务。 4. 参与交互式学习平台(如 Wolfram Alpha)的数学学习课程和实践项目,利用 AI 技术进行数学建模和问题求解。 还可以通过 Coze 和飞书多维表格打造专属 AI 智能体来提高知识管理效率,其核心看点包括一键无感收藏、自动整理稍后读清单、智能匹配兴趣并推荐相关内容、定制阅读计划、自动标注内容看点等,适合对 AI 智能体和知识管理感兴趣但可能没有技术背景的读者。如果只是想使用该工具,也有搭建好的开箱即用的 Coze Bot 可供直接上手,获取方式为 https://www.coze.cn/s/irQFQbwA/ 。
2025-02-03
分析一下目前国内的ai浏览器有哪些,给我推荐一款简洁、高效、实用的ai浏览器
目前国内的 AI 浏览器有以下几种: 1. AI Share Card 插件: 安装方式: 在 Chrome、Edge 等浏览器中安装插件,下载地址:https://aicard.eze.is 。 Chrome 应用商店安装,也可以在 Chrome 应用商店直接搜索 AI Share Card(需要正确网络环境访问,安装后支持自动更新)。 下载最新安装包,访问官网下载最新安装包,适用于无法访问应用商店的用户,本地安装指南详见《AI Share Card 插件本地安装指南》。 2. Dia:Arc 浏览器抓住了最近两年 AI 爆发提供的机会,增加了多项 AI 功能。但 The Browser Company 公司宣布重新做一款 AI 浏览器 Dia,团队决定将其打造成更前瞻、更强大、更 AI 的浏览器,把浏览器变成每个人的应用程序平台。 如果您想要一款简洁、高效、实用的 AI 浏览器,Arc 浏览器可能是一个不错的选择,它增加了网页摘要、问答、搜索、自动管理等多项 AI 功能。
2025-02-03
AI炒股需要怎么操作?用什么软件比较好
以下是一些与 AI 炒股相关的信息和软件推荐: Stocked AI(https://www.stockedai.com/):这是一个投资服务平台,提供每日股票推荐。其推荐由机器学习模型生成,利用人工智能预测下一天的股票收盘价。 需要注意的是,AI 炒股虽然具有一定的辅助作用,但并不能完全保证投资的成功和盈利,投资决策仍需综合多方面因素谨慎考虑。
2025-02-13
我是一个UI界面设计师,现在我需要找一个UI界面设计的AI软件,能根据我的文字方案生成高大上的可视化界面UI图,或者能根据我设计的基本的UI界面图能进行优化
以下为您推荐几款可用于 UI 界面设计的 AI 软件: 1. Midjourney: 能生成数据图标、B 端图标设计、音乐软件 UI 设计等。 生成的图片在某些方面质感不错,但 UI 设计可能不规范、文字较乱,目前只能作为风格参考。 对于完全不懂 AI 绘图的新手来说容易上手。 设计指令:如果没想好输入哪些指令,可以先用指令模板「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」,把里面的“类型”替换成想设计的产品的关键词描述(英文),就能生成想要的 UI 设计图。 2. 星流一站式 AI 设计工具: 具有无限画布区域,包括浏览视图、操作快捷键查询、图像快捷修改。 浏览视图包括视图百分比调节、聚焦、画布清理等功能。 图像快捷操作有细节微调、整体微调、增强模型、提示词、用作图生图、用作图片参考等。 支持图像分享与信息查看,包括图像信息查看、生成分享链接与发送到 LiblibAI 等。
2025-02-13
哪个AI软件适合学生上课辅导用的
以下是一些适合学生上课辅导用的 AI 软件: 1. Character.ai:其愿景是让每个人都能获得深度个性化超级智能。在教育培训方面,可让历史人物作为数字教师进行授课,实现一对一辅导,还能提供个性化学习计划和资源,也能作为数字陪伴促进儿童成长。 2. 可汗学院出品的 Khanmigo:接入 4.0 的 API,采用苏格拉底式教学法,引导学生思考,所有模块都不直接给答案。可做到全科目随问随答,能为用户总结视频内容、启发完成题目,且费用相对较低。 3. 北京市新英才学校在探索中使用的 AIGC:跨学科项目老师带着学生用其做学校地图桌游,英语老师借助其备课和授课,生物和信息科技老师合作带着学生用训练 AI 模型用以识别植物。
2025-02-13
我想用deepseek 写微信公众号文章,我将要写的主题告诉他,让它为我生成个人角度的文章,我要写的主题一般围绕着软件分享,技术分享等。请你根据我的要求为我写一份适用的提示词
以下是为您生成的适用于使用 DeepSeek 写微信公众号文章的提示词: 我要写一篇关于软件分享或技术分享的微信公众号文章,文章标题要足够吸引人,以便能广泛传播。文章内容要详细且有条理,先介绍分享的软件或技术的基本情况,包括其功能、特点和优势;然后结合实际案例或个人使用体验,阐述其在实际应用中的效果和价值;最后总结并展望其未来的发展前景。请为我生成这样一篇完整的文章。
2025-02-12
AI录音软件
以下是一些 AI 录音相关的软件: 11labs(官网:https://elevenlabs.io/):英文效果较好,但无法使用语速、情绪调节等控件,只能通过标点符号改变语音效果,生成合适声音有一定难度。 出门问问的魔音工坊:国内软件,可使用情绪调节控件。 Podcastle(https://podcastle.ai/):录音室级别的录音,AI 驱动的编辑和无缝导出,易于使用且免费。 cleanvoice(https://cleanvoice.ai/):可移除播客或音频录音中的填充音、口吃和口腔声音。 此外,还有一些与音频相关的工具和应用: faidr(https://www.faidr.com/):让您无干扰地收听最喜爱的广播。 fathom(https://hello.fathom.fm/):播客搜索引擎。 Nomono(https://nomono.co/):用于实地采访的独立录音设备。 Descript(https://www.descript.com/):一体化音频和视频编辑,像文档一样简单。 auphonic(https://auphonic.com/):为播客、广播节目、电影、屏幕录制等提供自动音频后期制作的网络服务。 SimonSays(https://www.simonsaysai.com/):为团队打造的视频编辑工具,速度提升 5 倍。 Super HiFi(https://www.superhifi.com/):人工智能驱动的音乐体验。 在听力方面的相关应用有: Whisper.ai(https://whisper.ai/):比普通助听器更智能。 Eargo(https://www.eargo.com/):革命性的新型助听器。 Concha Labs(https://conchalabs.com/):帮助您更清晰地听见声音。
2025-02-12
如何基于你的模型对一台工业设备(钢板划线印字装备)进行故障诊断和预测性维护,从以下几个方面进行分析 1.技术栈:数据采集与通讯,数据库,算法,前端,微服务、应用等,并进行软件选型 2.硬件选型:工业设备、边缘计算设备,软件部署硬件,分别列出性能最优和国产化替代方案 3.算法创新性:要求可发表高水平论文和申请发明专利 4.算法通用性:考虑如何通过一个通用模型经过简单配置适应不同船舶建造工业设备的故障诊断和预测性维护 5.考虑前后合理性,若以此进行招标,如何描述招标内容
以下是为您整合的相关内容: Transformer 模型和 BERT 模型: 模型训练与评估:定义模型后,传递训练数据集和验证数据集及训练时期数,训练完成后评估性能,如达到 85%准确率。 模型性能可视化:绘制准确性和随时间的损失图。 保存与加载模型:使用 model.save 方法导出并保存模型到本地路径,保存后可加载进行预测。 预测示例:对不同情感的评论句子进行预测。 部署模型到 Vertex AI:检查模型签名,上传本地保存的模型到 Google Cloud 存储桶,在 Vertex 上部署模型并获得在线预测。 提示工程: 策略:将复杂任务分解为更简单的子任务。 技巧:使用意图分类识别用户查询中最相关的指令。例如在故障排除场景中,根据客户查询分类提供具体指令,如检查路由器连接线、询问路由器型号、根据型号提供重启建议等。模型会在对话状态变化时输出特定字符串,使系统成为状态机,更好控制用户体验。 OpenAI 官方指南: 战术:将复杂任务拆分为更简单的子任务。 策略:使用意图分类来识别与用户查询最相关的指令。例如在故障排除场景中,基于客户查询分类向 GPT 模型提供具体指令。已指示模型在对话状态变化时输出特殊字符串,将系统变成状态机,通过跟踪状态等为用户体验设置护栏。
2025-02-12