AI-TestOps —— 软件测试工程师的一把利剑

写在前面

最近偶然间看到一句话：“软件测试是整个 IT 行业中最差的岗位”。这顿时激起了我对软件测试领域的兴趣，虽然之前未涉及过软件测试，但对软件测试还是很看好的，每当提到它我第一个想到的词就是“自动化”。当看到这句话后很是不解，软件测试究竟有多么“不堪”？怀着这样的疑问我对该领域进行了一些了解。

同时还发现了一款很不错的自动化测试工具 AI-TestOps，它在人工智能爆火的当下完美的与 Ai 进行了结合，初步体验后属实惊艳到了我。

软件测试的前世今生

软件测试（Software Testing）顾名思义就是对软件进行相关的测试，它是伴随着软件的产生而产生的。在早期的软件开发中，测试就是对软件进行相关调试，来纠正软件中的一些故障。调试通常是在代码开发完成、产品基本成型之后才会介入，也没有专业的人员来进行这项工作，基本上是由开发者在开发完成后自己来完成的。这个时期软件测试几乎被同等于代码调试。

这个格局被打破是在 1957 年，1957 年之后软件测试与调试被明确区分开来，它是一种专门发现软件缺陷的活动，由于“为了让我们看到产品在工作，就得将测试工作往后推一点”的思想，测试仍处于开发活动之后，目的就是用来确定自己的产品是否能正常工作。“先产品，后测试”。

直到二十世纪七十年代。1972 年美国北卡罗来纳大学举行了首届软件测试正式会议；1975 年 John Good Enough 和 Susan Gerhart 在 IEEE 上发表了《测试数据选择的原理》的文章，软件测试至此被确定为一种研究方向；1979 年 Glenford Myers 的《软件测试艺术》，正式对测试做出了定义：测试是为发现错误而执行的一个程序或者系统的过程。

二十世纪八十年代早期，“质量”的号角开始吹响。软件测试定义发生改变，测试不单纯是一个发现错误的过程，而且包含软件质量评价的内容，还有着各类标准。1983 年 Bill Hetzel 在《软件测试完全指南》中指出：测试是以评价一个程序或者系统属性为目标的任何一种活动，测试是对软件质量的度量。该定义至今仍被引用。

测试工具开始盛行

二十世纪九十年代，测试工具 开始盛行，人民普遍意识到工具不仅仅是有用的，而且要对今天的软件系统进行充分的测试，工具必不可少。近 20 年来，随着计算机软件技术的飞速发展，软件测试领域的研究取得重大突破，在单元测试、自动化测试、负载压力测试以及测试管理等方面涌现了大量优秀的软件测试工具。

虽然软件测试技术的发展很快，但是其发展速度仍落后于软件开发技术的发展速度，这使得软件测试在今天面临着很大的挑战：

• 软件在社会信息化和国民经济信息化中的作用越来越重要，产生的测试任务也越来越繁重；
• 软件规模越来越大，功能愈加复杂，如何进行充分而有效的测试成为难题；
• 面向对象的开发技术越来越普及，但是面向对象的测试技术却刚刚起步；
• 对于分布式系统整体性能还不能进行很好的测试；
• 对于实时系统缺乏有效的测试手段；
• 随着安全问题的日益突出，如何对信息系统的安全性进行有效测试与评估，成为难题。

AI-TestOps 云平台

有挑战自然就伴随着突破，人类文明本身就是在突破挑战的过程当中实现进步的！针对软件测试发展的一系列挑战，一站式自动化测试工具 AI-TestOps 云平台应运而生。

正如龙测科技创始人师江帆博士所提出的理念：“我们相信机器代替人类来做软件测试是大势所趋！” 一样，AI-TestOps 云平台利用现代 AI 技术及先进测试算法，彻底改变了目前手工及自动化软件测试形态。对于 UI 自动化测试，创造性提出 AI+机器人+模型(ARM) 技术来构建稳定快速的测试工具，即：AI 学习生成业务流程图，测试用户通过组合流程图成为积木图，机器人通过视觉和机械化方式稳定执行（下文有自动化测试流程演示）。因此 AI-TestOps 能快速、高效、低成本地完成 .EXE 应用、Web 应用、iOS、Android、小程序、混合应用的 UI 自动化测试。这种越来越 智能 的测试方式轻松化解了测试任务繁重、功能复杂等诸多测试难题。

AI-TestOps 体验链接

在 AI-TestOps 中，包含着 APP 自动化测试、Web 自动化测试、Windows 自动化测试，基于页面元素的识别和定位来模拟用户行为，凭借精细化的 Al 图像学习能力，通过 OCR、OpenCV 等技术进行 UI 元素定位——自动执行任务——生成可视化测试报告。还有 龙测机器人系统 帮助用户实现利用机械臂模拟人工进行测试，以及龙测 NLP 实现“书写”即“操作”，测试更加智能与高效。

● AI-TestOps 功能模块

AI-TestOps 工作台界面如下，整体上呈简约风格；

点击右上角的“帮助”可进入龙测操作手册，AI-TestOps 的各项属性功能与操作方法一目了然，新手快速入门。

在工作区，第一个菜单为“项目”，可支持 Web、Windows、Linux、MacOS、Android、iOS 类型创建。

进入某一项目，可看到该项目的各项指标，以及对其进行用例、测试、数据等配置。

工作区的第二个菜单为“应用”，可查看已有应用和上传应用；管理已创建的的 Android、Windows、Linux、MacOS、IOS 应用，同一软件可上传多个版本。

工作区的第三个菜单为“设备”，有公有设备和私有设备，私有设备需自己上传。

● AI-TestOps 自动化测试流程

这里以 Web 端测试我的 CSDN 主页为例，整个流程分为四步：创建 web 项目→录制流程图→创建测试任务→查看测试报告。

首先创建项目，填写项目的名称、类型以及待测试的 URL；

接下来进入项目，创建新的测试用例。在这里我们便会使用到 AI-TestOps AI学习生成业务流程图 功能；

选择一个空闲设备开始录制；

如下动态 GIF 图展示了整个录制过程。先点击“录制”，然后在被测试的网站中进行相关测试操作；

完成录制后点击暂停，随后选择“保存”；

保存之后回到主页就可以看到 AI-TestOps 为我们自动生成的流程图，流程图可以生成多个，最后搭建为积木图；

接下来选择“任务”，新建任务，列表备选的就是我们刚刚生成的流程图，选择；

任务创建成功如下，可以看到任务还在执行中，等待即可；

待任务状态变为“已完成”，点击“详细”可以查看该任务的各项参数。如果不成功，AI-TestOps 会自动分析失败原因；

以下是最终报告。

至此，自动化测试完成。

为什么要单将 AI-TestOps 云平台拿出来介绍，其实在实际上手使用之后可以明显感受到它的优势所在。就拿 AI 学习生成业务流程图这一个功能来说，我们要做的仅是在被测网站上进行测试操作和录制即可，至于流程图 AI-TestOps 则会自动帮我们实现，保证准确度的同时极大的节省了人力和时间。而且在测试完成之后，各项指标清晰明了，包括失败原因都为我们分析的很明确，直接省去了艰难又让人头大的找 bug 环节。正实现了所谓的“机器代替人类来做软件测试”，在我看来 AI-TestOps 堪称软件测试工程师的一把“利剑”。