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

自动化测试怎么做

Answer

自动化测试的实施需要考虑以下几个方面：

  1. 引入时机：适合在模块稳定后引入。当模块变化频繁时，测试代码可能成为累赘。
  2. 工具引入建议：在进度不紧张时先尝试，成熟后再大规模应用。
  3. 推荐策略：压缩范围，定义清晰的 MVP（最小可行产品），先完成一个 1 个月内可交付的版本，再用 1 个月进行优化迭代。

AI 生成测试用例的方法和工具包括：

  1. 基于规则的测试生成：
    • 测试用例生成工具，如 Randoop（适用于 Java 应用程序）、Pex（适用于.NET 应用）。
    • 模式识别，如 Clang Static Analyzer、Infer。
  2. 基于机器学习的测试生成：
    • 深度学习模型，如 DeepTest、DiffTest。
    • 强化学习，如 RLTest、A3C。
  3. 基于自然语言处理（NLP）的测试生成：
    • 文档驱动测试生成，如 Testim、Test.ai。
    • 自动化测试脚本生成，如 Selenium IDE + NLP、Cucumber。

在 Python 中，与自动化测试相关的有 unittest 和 pytest 等框架支持自动化测试。

Content generated by AI large model, please carefully verify (powered by aily)

References

宝玉 日报

总结经验：AI辅助编程：适合原型开发、架构稳定且模块独立的项目；但需求和架构不稳定时，容易积累大量技术债务（“屎山”）。自动化测试：适合模块稳定后引入；模块变化频繁时，测试代码可能成为累赘。工具引入建议：在进度不紧张时先尝试、成熟后再大规模应用。推荐策略：压缩范围，定义清晰的MVP（最小可行产品），先完成一个1个月内可交付的版本，再用1个月进行优化迭代。🔗[https://x.com/dotey/status/1874963832180965652](https://x.com/dotey/status/1874963832180965652)5⃣️📐Text-to-CAD：通过文本Prompt生成CAD模型特点：支持通过文本生成CAD模型，UI开源，但模型需付费。相关链接：官网：[http://zoo.dev](http://zoo.dev)试用地址：[https://text-to-cad.zoo.dev](https://text-to-cad.zoo.dev)UI项目地址：[https://github.com/KittyCAD/text-to-cad-ui](https://github.com/KittyCAD/text-to-cad-ui)🔗[https://x.com/dotey/status/1874900139363663902](https://x.com/dotey/status/1874900139363663902)

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。

什么是python

Python已经成为数据科学、机器学习、Web开发、自动化、科学计算等领域的首选语言之一。[heading2]自动化[content]Python在自动化方面的应用非常广泛，它以其简洁的语法和强大的库支持，成为自动化任务的首选语言之一。[heading3]办公软件自动化[content]work：python-docx用于创建、修改和提取Word文档的库。表格：openpyxl或xlsxwriter用于操作Excel文件，可以读取、修改和创建电子表格。PPT：python-pptx用于创建和修改PowerPoint演示文稿的库。PDF：PyPDF2：这是一个流行的库，可以分割、合并、裁剪和转换PDF文件的页面。它还可以添加自定义数据、查看选项和密码，以及从PDF中检索文本和元数据。[heading3]爬虫[content]requests：这是一个用于发送HTTP请求的库，非常适合进行网络请求的自动化。selenium：用于自动化Web浏览器交互，可以模拟用户行为，如点击、输入文本等。BeautifulSoup和lxml：这些库可以用于解析HTML和XML文档，从网页中提取数据。[heading3]测试自动化[content]unittest和pytest：Python内置的单元测试框架，以及一个第三方测试框架，都支持自动化测试[heading3]容器与虚拟化自动化[content]docker-py：Docker的Python客户端，可以用于自动化Docker容器的创建和管理。

Others are asking
移动端自动化测试框架
很抱歉，目前知识库中没有关于移动端自动化测试框架的相关内容。但一般来说，常见的移动端自动化测试框架有 Appium、Espresso、XCUITest 等。Appium 支持多种移动平台和编程语言；Espresso 是 Android 平台的专用框架，具有高效和稳定的特点；XCUITest 则是用于 iOS 平台的测试框架。您可以根据您的具体需求和项目情况选择适合的框架。
2025-02-15
我想用ai自动化把我的文档内容生成漂亮的ppt
以下是一些可以将文档内容生成漂亮 PPT 的方法和工具： 1. 歌者 PPT（gezhe.com）： 功能： 话题生成：一键生成 PPT 内容。 资料转换：支持多种文件格式转 PPT。 多语言支持：生成多语言 PPT。 模板和案例：海量模板和案例库。 在线编辑和分享：生成结果可自由编辑并在线分享。 增值服务：自定义模板、字体、动效等。 简介：是一款永久免费的智能 PPT 生成工具，能将任何主题或资料转化为 PPT，并提供便捷操作和智能化体验。 产品优势： 免费使用：所有功能永久免费。 智能易用：通过 AI 技术简化制作流程，易于上手。 海量案例：大量精美模板和优秀案例可供选择和下载。 资料转 PPT 很专业：支持多种文件格式，转换过程中尊重原文内容。 AI 翻译：保持 PPT 原始排版不变，多语言在线即时翻译。 推荐理由： 完全免费，对学生和职场人士是福音。 智能化程度高，通过 AI 技术快速将资料转换成精美 PPT，高效准确。 模板和案例库丰富，适合各种场景。 对多语言支持实用，可一键生成目标语言的 PPT 或翻译。 几乎无需学习成本就能上手使用。 2. Process ON： 网址：https://www.processon.com/ 输入大纲和要点： 导入大纲和要点： 手动复制，相对比较耗时间。 导入方式： 复制最终大纲的内容到本地的 txt 文件后，将后缀改为.md。如果看不见后缀，可以自行搜索开启后缀。 打开 Xmind 软件，将 md 文件导入 Xmind 文件中。 Process ON 导入 Xmind 文件。 输入主题自动生成大纲和要求： 新增思维导图。 输入主题，点击 AI 帮我创作。 选择模版并生成 PPT： 点击下载，选择导入格式为 PPT 文件。 选择模版，再点击下载。 3. 增强版 Bot： 场景： 图片理解与生成：在对话框输入诉求，可生成相应图片，也可根据图片提取关键知识内容。 PPT 一键生成：根据上下文在对话框输入诉求，可生成幻灯片内容及相关模板选择。 PDF 智能制作：根据上下文在对话框输入诉求，可生成相应的可选模板。 系统架构论文一键创作。
2025-02-14
如何输入一个话题自动化生成小红书配文
以下是关于输入一个话题自动化生成小红书配文的方法： 首先，有一个名为“小红书文案专家”的工具。 它的功能价值在于：见过多个爆款文案，只需输入一个网页链接或视频链接，就能生成对应的小红书文案，可辅助创作者生成能一键复制发布的初稿，提供创意和内容，能节约 10 倍文字内容创作时间。其应用链接为：https://www.coze.cn/s/ij5C6LWd/ 。 设计思路方面： 痛点是个人时间有限，希望有人帮忙写初稿再进行二创，最好还能生成配图。 实现思路是给自己和团队小伙伴设计工作流，让 AI 按照运营日常工作思路和流程工作。 一期产品功能包括： 可以提取任何链接中的标题和内容。 按照小红书平台文案风格重新整理内容。 加入 emoji 表情包，使文案更有活力。 为文案配图片。 二期计划功能持续优化升级中，包括增加全网搜索热点功能，提炼热点新闻或事件关键信息，结合用户想要生成的内容方向输出文案和配图。
2025-02-14
有没有自动化文档处理的
以下是关于自动化文档处理的相关信息： 在使用 AI 进行数据分析时，可将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，以优化性能并便于发现和修正问题。对于复杂问题，律师可采用逐步深化和细化的提问方式。 为提高 AI 性能，需提供大量数据和示例，以及高质量的参考材料、操作指南、行业最佳实践、案例研究等，并编写详细的流程和知识。在自动化文档处理中，可编写详细指南说明如何处理不同类型文档及使用工具提高效率。 在 Prompt 中使用专业领域术语引导 AI 回答方向，如在法律领域处理合同纠纷时给出特定提示。 大模型的语料存在滞后性，使用 AI 回答后要进行交叉验证，结合自身专业知识筛选和判断，确保符合法律伦理、立法目的和实务。 此外，以下是一些 AI 文章排版工具： Grammarly：不仅是语法和拼写检查工具，还提供排版功能，可改进文档风格和流畅性。 QuillBot：AI 驱动的写作和排版工具，能改进文本清晰度和流畅性。 Latex：常用于学术论文排版，使用标记语言描述格式，有许多 AI 辅助的编辑器和插件。 PandaDoc：文档自动化平台，使用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 Wordtune：AI 写作助手，可重新表述和改进文本。 Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 选择合适的工具取决于具体需求，如文档类型、出版标准和个人偏好。学术论文常用 Latex 和 Overleaf，一般文章和商业文档常用 Grammarly 和 PandaDoc 等。
2025-02-13
文档自动化的技术方案： OCR+NLP pipeline指的是什么，个人具体怎么实施
OCR（Optical Character Recognition，光学字符识别）+NLP（Natural Language Processing，自然语言处理）pipeline 是一种将 OCR 技术和 NLP 技术相结合的文档自动化处理流程。 OCR 用于将文档中的图像或扫描的文字转换为可编辑的文本。 NLP 则对转换后的文本进行分析、理解和处理，例如提取关键信息、分类、情感分析等。 对于个人实施 OCR + NLP pipeline，大致可以按照以下步骤进行： 1. 选择合适的 OCR 工具和服务：有许多开源和商业的 OCR 工具可供选择，根据您的需求和技术能力进行评估和选用。 2. 准备数据：收集和整理需要处理的文档，并确保其质量适合 OCR 处理。 3. 进行 OCR 处理：使用选定的 OCR 工具对文档进行转换。 4. 选择 NLP 框架和模型：根据具体的任务和需求，选择适合的 NLP 框架和预训练模型。 5. 数据预处理：对 OCR 输出的文本进行清洗、预处理，以便 NLP 模型能够更好地处理。 6. 训练和优化 NLP 模型（如果需要）：如果通用模型不能满足需求，可以使用标注数据进行训练和优化。 7. 集成和部署：将 OCR 和 NLP 部分集成在一起，并部署到实际应用环境中。 需要注意的是，实施过程中可能会遇到一些技术挑战，例如文档格式的复杂性、OCR 识别的准确性、NLP 模型的适应性等，需要不断调试和优化。
2025-02-08
Coze + 飞书 + 飞书多维表格：通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出。由 Coze 调用大模型、插件完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据，无需开发任何插件、APP，能实现跨平台的稍后读收集与智能阅读计划的推荐。其设计思路包括简化“收集”，实现跨平台收集和通过输入 URL 完成收集；自动化“整理入库”，自动整理关键信息并支持跨平台查看；智能“选择”推荐，根据收藏记录和用户兴趣生成阅读计划——这个方法具体如何操作？
以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。
2025-01-27
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？
以下是一些您可以从以下角度开发产品来赋能兼职督学岗位的工作效率，并锻炼您的 AI 能力，以争取上司或老板为产品支付报酬： 1. 利用 Coze 的多语言模型支持，为解答高中生学习方法等疑问提供更准确和全面的回答。 2. 借助插件系统，集成与学习相关的插件，如学习资料查询、学习工具推荐等，丰富服务内容。 3. 运用知识库功能，上传各类学科知识点、优秀学习案例等，方便在服务中快速调用和推送。 4. 利用数据库和记忆能力，记住每个高中生的学习情况和需求，提供个性化服务。 5. 设计工作流，例如自动发送测试卷、自动通知后端制作学习计划、自动推送学习计划链接等流程，提高工作效率。 6. 采用多代理模式，针对不同学科或学习阶段设置专门的代理，提供更精准的服务。 7. 利用 Coze 易于发布和分享的特点，将服务产品推广给更多需要的高中生和督学人员。
2025-02-18
兼职督学岗位，通过飞书平台为高中生服务，包括：1）解答学习方法等疑问；2）发送测试卷；3）提交测试卷后通知后端制作学习计划；4）发送学习计划链接；5）定期推送知识点和打卡提醒；6）查看打卡并反馈。所有文档通过飞书云文档链接发送。现在我想通过利用coze将deepseek等ai接入飞书的形式，制作出产品赋能督学在这一岗位的工作效率，并希望在这一过程中，锻炼我的ai能力，再想办法让上司或者老板为我这个产品支付报酬，请问我可以从哪些角度开发产品？又该如何将它推销给上司？
以下是关于您利用 Coze 和 DeepSeek 等 AI 接入飞书来赋能兼职督学岗位工作效率的一些建议： 开发产品的角度： 1. 智能答疑系统：利用 AI 技术，对高中生常见的学习方法疑问进行自动分析和回答，提高答疑效率和准确性。 2. 个性化测试卷生成：根据学生的学习情况和需求，通过 AI 生成个性化的测试卷。 3. 学习计划优化：基于学生提交的测试卷结果，利用 AI 更精准地制定学习计划。 4. 知识点精准推送：运用 AI 分析学生的学习进度和薄弱环节，定期推送更具针对性的知识点。 5. 打卡提醒优化：通过 AI 实现更灵活、个性化的打卡提醒方式。 推销给上司的方法： 1. 展示效率提升：详细说明产品如何大幅提高兼职督学的工作效率，节省人力和时间成本。 2. 个性化服务优势：强调产品能够为高中生提供更个性化、精准的服务，提升学习效果。 3. 数据支持：提供相关的数据和案例，证明 AI 赋能后的积极效果。 4. 成本效益分析：说明开发和使用该产品的成本相对较低，而带来的收益显著。 5. 未来发展潜力：阐述产品在不断优化和拓展功能方面的潜力，适应更多的教育需求。 另外，Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，专为开发下一代 AI 聊天机器人而设计。它具有多语言模型支持、插件系统、知识库功能、数据库和记忆能力、工作流设计、多代理模式、免费使用、易于发布和分享等特点。这些特点可以为您的产品开发提供有力支持。
2025-02-18
AI 在生成单元测试代码方面有什么新的进展与方向？
AI 在生成单元测试代码方面有以下新的进展与方向： 1. 基于规则的测试生成： 测试用例生成工具：如 Randoop 可基于代码路径和规则为 Java 应用程序生成测试用例，Pex 是微软开发的能为.NET 应用自动生成高覆盖率单元测试的工具。 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来生成测试用例，Infer 是 Facebook 开发的能自动生成测试用例以帮助发现和修复潜在错误的工具。 2. 基于机器学习的测试生成： 深度学习模型：DeepTest 利用深度学习模型为自动驾驶系统生成测试用例以模拟不同驾驶场景并评估系统性能，DiffTest 基于对抗生成网络（GAN）生成测试用例来检测系统的脆弱性。 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以提高测试效率和覆盖率，A3C 是基于强化学习通过策略梯度方法生成高质量测试用例的工具。 3. 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成：Testim 是 AI 驱动的测试平台，能通过分析文档和用户故事自动生成测试用例以减少人工编写时间，Test.ai 利用 NLP 技术从需求文档中提取测试用例以确保测试覆盖业务需求。 自动化测试脚本生成：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 使用 Gherkin 语言编写的行为驱动开发（BDD）框架能通过解析自然语言描述生成测试用例。 此外，峰瑞资本投资的 AI Coding 创业公司 Babel 专注于 AI Agent 的研发，其核心产品 Test Gru 已在美国上线，能为客户自动生成单元测试，客户侧 PR 接受率约为 70%。还有如 Cursor 等工具，可借助其生成测试代码提升代码可靠性，但使用时也需注意方法，如使用 Git 管理代码版本、对 AI 代码进行 Review 等。
2025-02-14
AI 测试
以下是关于 AI 测试的相关内容： 如何让 AI 写出想要的代码： 把项目中影响 AI 输出方向的“规矩”写下来，按照项目需求优化内容和结构。关键部分包括：先说清楚自己是谁，告诉 AI 要干什么，定好项目的“规矩”，明确文件放哪，指定用什么“工具”，告诉 AI 怎么做测试，推荐参考资料，若项目涉及画页面补充 UI 要求。 AI 生成测试用例的方法和工具： 基于规则的测试生成： 测试用例生成工具：Randoop 适用于 Java 应用程序，Pex 适用于.NET 应用。 模式识别：Clang Static Analyzer 利用静态分析技术，Infer 帮助发现和修复潜在错误。 基于机器学习的测试生成： 深度学习模型：DeepTest 模拟驾驶场景，DiffTest 检测系统脆弱性。 强化学习：RLTest 提高测试效率和覆盖率，A3C 生成高质量测试用例。 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成：Testim 减少人工编写时间，Test.ai 确保测试覆盖业务需求。 自动化测试脚本生成：Selenium IDE+NLP 从自然语言描述生成自动化测试脚本，Cucumber 通过解析自然语言描述生成测试用例。 图灵测试游戏：游戏参与者有人类和 AI，通过互相提问和答题协助裁判判断身份，初始人类和 AI 各有 3 点生命值，被认为更像 AI 的一方扣 1 点生命值，生命值为 0 时游戏结束。加入辩论环节，可反驳裁判初步判断。游戏已在 coze 上开发，国内版和国外版的链接分别为： ，国外平台昨天开始收费，已从 32k 降级为 8k 。
2025-02-10
如何高效的编写软件测试用例
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 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。 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。
2025-01-22