目录

一、AI测试工具分类

1.1   智能测试生成工具

1.2  智能测试执行与优化工具

1.3 专项领域AI测试工具

二、AI测试工具展望

---

一、AI测试工具分类

AI测试工具，可以按功能、应用场景、技术实现等等进行分类。

1.1   智能测试生成工具

 (1)  什么是智能测试生成工具？

        AI根据需求、API文档、源代码等等自动化生成可执行的测试用例、并根据代码变化实时更新测试用例。

比如： 

• 根据需求文档自动生成测试用例；

• 根据代码逻辑自动推演边界值、等价类用例；

• 根据自然语言生成代码，将测试人员从脚本编写中解放出来。

比如： 智能断言

• 动态断言生成：根据业务逻辑自动识别预期输出；

• 异常行为识别：通过学习用户行为模式，判断是否存在“非预期偏移”；

• 图像/文本识别断言：AI判断页面UI是否符合设计（用于视觉测试、OCR测试等）

(2) 目的

        提高测试用例新建和维护成本

(3) 工具从哪里来

第一类， 现成公开的智能测试生成工具：如LambdaTest KaneAI、Testim和Functionize等。 缺点是无法针对业务进行定制。

第二类， 自行开发智能测试生成工具。缺点是投入人力开发，优点是可以针对业务定制。

1.2  智能测试执行与优化工具

（1）什么是智能测试执行与优化工具？

通过智能调度、并行执行和故障预测等功能，显著优化了测试执行过程

比如： 缺陷检测与定位

• 故障自动聚类，识别相同根因下的重复缺陷；

• 异常行为追踪，从监控/日志中自动分析路径与异常点；

• 代码级缺陷预测，识别高风险模块，辅助测试资源分配。

（2）目的

        最大化测试基础架构的利用率，从而缩短测试反馈周期

(3) 工具从哪里来

        自行开发

1.3 专项领域AI测试工具

     (1) 什么是专项领域AI测试工具

        针对特定测试领域的专业工具，为用户提供高度专业化的测试解决方案，特别能应对各自领域内的独特挑战。比如，车载系统测试和物联网设备测试，自动驾驶测试等等

     (2) 目的

          针对专业领域提供对应领域的测试工具

     (3) 工具从哪里来

        自行开发

注： AI测试工具的落地路径：

 在特定场景下验证AI测试工具的有效性--》在团队推广--》流水线集成实现AI测试工具与组织完整开发流程的深度融合(这类似传统测试工具、测试框架的实施过程)

二、AI测试工具展望

AI 测试工具: 让 整个软件开发流程更加智能化

1、 AI测试工具使用范围

        AI辅助现有测试(测试场景中引入AI工具)----》将AI工具集成到流水线中----》智能驱动测试(AI不仅用于预测潜在的高风险区域，还支持自适应测试策略的制定，帮助组织实现从测试资源分配到方法调整的全面智能化)

2、AI 驱动测试 & AI驱动开发

• 测试与开发一体化
• 全链路质量感知，测试从“检测”变为“预测 + 预防”
• 多智能体协作测试系统，AI Agent 协作完成测试设计、执行、反馈、优化

参考

https://baijiahao.baidu.com/s?id=1849790237899081493&wfr=spider&for=pc

https://blog.csdn.net/tony2yy/article/details/147019047