我家小花儿

这个屌丝很懒，什么也没留下！

热门标签

AI测试｜利用OpenAI的文本生成模型，自动生成测试用例的几个场景示例_ai测试自动生成用例_支持用例设计的ai模型

作者：我家小花儿 | 2024-06-01 18:52:00

踩

支持用例设计的ai模型

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2024软件测试面试刷题，这个小程序（永久刷题），靠它快速找到工作了！（刷题APP的天花板）_软件测试刷题小程序-CSDN博客文章浏览阅读2.7k次，点赞85次，收藏12次。你知不知道有这么一个软件测试面试的刷题小程序。里面包含了面试常问的软件测试基础题，web自动化测试、app自动化测试、接口测试、性能测试、自动化测试、安全测试及一些常问到的人力资源题目。最主要的是他还收集了像阿里、华为这样的大厂面试真题，还有互动交流板块……_软件测试刷题小程序外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传 https://blog.csdn.net/AI_Green/article/details/134931243?spm=1001.2014.3001.5502将人工智能 (AI) 融入软件测试将彻底改变游戏规则，可以显著提高效率和有效性。本文利用 OpenAI 的文本生成模型（text generation model），特别是 GPT-3.5-turbo 和 GPT-4-turbo-preview，在 Google Colab 中构建文本生成模型，重点关注测试自动化用例。

示例1：自动生成测试用例

我们的用例围绕软件应用程序测试用例的自动生成展开。通过采用文本生成模型（Text Generation Model）从用户故事（User Story）或需求中自动生成测试方案，可以大大简化传统的人工劳动密集型流程。

构建模型的步骤

第1步：环境设置

首先在 Google Colab 中设置环境，这是 Google 提供的免费 Jupyter 笔记本（ Jupyter notebook）环境。

1.打开 Google Colab 并创建一个新笔记本（notebook）。

2.安装 OpenAI 包：

!pip install openai -q
1

第2步：导入库

在你的笔记本中，导入必要的库：

从openai导入 OpenAI
1

第3步：OpenAI认证

获取你的 OpenAI API 密钥并进行身份验证，如下所示：

openai.api_key = 'your-api-key' client = OpenAI(api_key=openai.api_key)
1

第4步：定义测试用例生成函数

定义一个函数来根据软件需求生成测试用例。

def generate_test_cases(requirement):    response = client.chat.completions.create(      model="gpt-3.5-turbo",      messages=[        {"role": "system", "content": "You are a helpful assistant capable of generating software test cases."},        {"role": "user", "content": requirement}      ]    )    return response.choices[0].message.content
1

第5步：测试功能

使用示例需求测试该功能：

requirement = "The system shall allow users to securely login with a username and password."test_cases = generate_test_cases(requirement)print(test_cases)
1

第6步：输出分析和细化

评估输出的相关性和完整性，根据需要完善提示或参数。

第7步：与测试管理工具集成

（可选）将输出与测试管理工具或存储库集成，以自动将新测试用例添加到套件中。

结论

你现在已经创建了一个工具，可以使用 OpenAI 的文本生成模型生成测试用例。该工具不仅节省时间，还能确保人工难以达到的一致性和彻底性。

未来的增强功能

集成GPT-4-vision-preview 以进行 GUI 测试。
实施可重复的输出以保持一致性。
使用 JSON 模式进行与测试管理工具兼容的结构化输出。

在软件测试中的人工智能动态领域，保持适应性和探索性至关重要，从而释放其全部潜力。

示例2：为购物车（Shopping Cart ）功能生成回归测试场景

目标：自动生成电子商务应用程序中购物车功能的回归测试场景，确保新的更改不会破坏现有功能。

代码演练：

设置身份验证：

使用你的 OpenAI API 密钥向 OpenAI 客户端进行身份验证。

从 openai导入 OpenAI客户端 = OpenAI(api_key= 'your-api-key' )
1

定义测试用例生成器函数：

该函数将获取功能描述并返回回归测试场景。

def generate_regression_tests(feature_description):    response = client.chat.completions.create(        model="gpt-3.5-turbo",        messages=[            {"role": "system", "content": "You are a helpful assistant capable of generating regression test scenarios for a shopping cart feature."},            {"role": "user", "content": feature_description}        ]    )    return response.choices[0].message.content
1

调用具有功能描述的函数：

提供购物车功能的描述以生成测试场景。

feature_description = "Ensure that the shopping cart allows users to add items, remove items, and proceed to checkout."regression_tests = generate_regression_tests(feature_description)print(regression_tests)
1

评估和完善：

分析生成的测试场景，并根据需要迭代提示以确保全面覆盖。

示例3：验证天气预报服务的API响应

目标：生成测试用例来验证天气预报服务的JSON API响应，确保数据结构和值符合预期。

代码演练：

设置身份验证：

使用你提供的 API 密钥通过 OpenAI API 进行身份验证。

from openai import OpenAIclient = OpenAI(api_key='your-api-key')
1

定义测试用例生成器函数：

此函数将获取 API 端点描述并返回测试用例以验证API的JSON响应。

def generate_api_validation_tests(api_description):    response = client.chat.completions.create(        model="gpt-3.5-turbo",        messages=[            {"role": "system", "content": "You are a helpful assistant that generates test cases to validate JSON responses from an API."},            {"role": "user", "content": api_description}        ]    )    return response.choices[0].message.content
1

使用API描述调用函数：

提供 API 端点的描述以生成验证测试用例。

api_description = "The weather API should return a JSON response with fields for temperature, humidity, and precipitation forecast for the next 5 days."api_validation_tests = generate_api_validation_tests(api_description)print(api_validation_tests)
1