博客 / 列表

ceshiren2022 - 裁員潮下的測試人：真正聰明的人正在做這三件事

上週和老同事聚會，原本輕鬆的飯局突然安靜了下來。 “我們組裏三個測試，上個月走了一個半。”老王悶了口酒，“半個人”是他帶的實習生，沒轉正就被優化了。 小陳接口：“我們更徹底，整個QA團隊架構調整，外包全撤，只留了幾個核心崗。” 這樣的對話，最近半年幾乎成了測試圈的固定背景音。但有意思的是，同樣在這半年，我認識的兩位測試朋友卻逆勢升職加薪了。一位去了某車聯網公司做測試架構師，另

技術棧 , playwright , 人工智能 , 深度學習 , selenium

ceshiren2022 - 如何在技術面試中自信應對“大模型微調”話題？

從事測試開發同學這兩年跳槽，會越來越頻繁遇到“大模型微調”類問題。很多人第一反應是：我平時寫 UI 自動化、搞接口壓測，怎麼突然和模型訓練扯上關係了？ 現實就是，AI 已經透進測試領域：質量評估、數據生成、智能測試、甚至大模型測試本身，都需要對微調機制、預訓練邏輯、指令數據構造有基本理解。 下面整理了一份涵蓋 35 個經典微調面試問題的技術解讀幫助你在面試裏不被問懵。 1. 全參數微

面試 , 壓測 , 測試開發 , 人工智能 , 深度學習 , 大模型

ceshiren2022 - 告別Selenium時代：用Playwright解決Selenium的三大痛點

去年這個時候，我們還在被 Selenium 的“玄學失敗”折磨得睡不好覺。 每週一晨會，大家聊得最多的不是業務需求，而是：“昨天那幾個腳本又隨機掛了，誰幫忙看看？” 直到一個週五深夜，我第 N 次調試那個經典的 “Element not interactable” 錯誤——明明元素就在頁面上，就是點不了。那一刻我意識到：不是我們寫得不夠好，而是工具已經跟不上時代了。 三個月後

playwright , 人工智能 , 深度學習 , 自動化測試 , selenium

ceshiren2022 - 基於n8n創建自愈式用例庫及質量知識圖譜

三年前，我們的測試團隊遇到了一個典型痛點：隨着產品快速迭代，用例庫日益臃腫卻難以維護，大量用例失效或重複，測試效率不增反降。更麻煩的是，缺陷分析、需求變更和測試執行之間形成了信息孤島。直到我們基於n8n構建了一套自愈型質量管理系統，局面才徹底改變。 今天，我將完整分享如何用這款開源自動化工具，構建一個能夠自我修復、持續優化的智能質量知識體系。 一、架構設計：讓質量數據流動起來 核

智能分析 , 知識圖譜 , 自動化 , 人工智能 , 深度學習

ceshiren2022 - n8n 與 Coze 怎麼選？低代碼集成與AI智能體的自動化路線對比

在現代軟件開發和運維中，“自動化”已經成為提升效率、減少重複工作的利器。市面上常見的兩類工具——n8n 和 Coze，常被拿來做工作流和自動化處理，但很多人搞不清它們的區別，也不知道自己的項目適合用哪一個。今天，我們就來拆解這兩款工具的特性、適用場景，以及實操建議。 1. 為什麼要關注 n8n 和 Coze？ 自動化不僅僅是“省時間”，更是提高數據準確性、降低人為操作風險的關鍵手

coze , n8n , 智能體 , 人工智能 , 深度學習

ceshiren2022 - n8n驅動的全鏈路測試自動化實戰指南

在複雜的軟件系統中，傳統的測試方法往往面臨一個困境：各個模塊單獨測試正常，但集成後問題頻出。全鏈路測試正是為了解決這一問題而生，而尋找合適的工具來實現這種測試自動化，一直是測試工程師們的挑戰。今天，我們探討一種不同尋常但異常強大的解決方案——使用n8n實現全鏈路測試自動化。 為什麼選擇n8n進行測試自動化？ 你可能熟悉n8n作為一款開源的工作流自動化工具，通常用於業務過程自動化。

n8n , 全鏈路測試 , 人工智能 , 深度學習 , 測試自動化

ceshiren2022 - 測試框架躍遷：從 Selenium 到 Playwright 的實戰指南

如果你已經在使用 Selenium 進行 Web 自動化測試，可能會注意到近年來 Playwright 的崛起。這不是簡單的替代關係，而是一次測試能力的全面升級。我在去年帶領團隊完成從 Selenium 到 Playwright 的遷移後，測試執行速度提升了40%，代碼維護成本降低了30%。更重要的是，那些曾經令人頭疼的等待問題、不穩定性問題，都得到了顯著改善。 核心差異：不僅僅是語

playwright , 人工智能 , 深度學習 , selenium

ceshiren2022 - n8n高級測試指南：Function節點的自定義斷言與複雜數據驗證

在構建自動化工作流時，許多人能熟練地串聯節點，卻常常在數據驗證環節遭遇瓶頸。你可能遇到過這些情況：上游API返回的結構時而變化，基礎字段驗證無法滿足複雜的業務規則，或是測試用例需要對多種邊界條件進行檢查。當n8n自帶的“IF”節點和基礎驗證顯得力不從心時，是時候深入瞭解一個強大工具——Function節點了。 為什麼需要自定義驗證？ 上週，一位同事在處理電商訂單數據時遇到了麻煩。

n8n , 數據 , 自動化 , 人工智能 , 深度學習

ceshiren2022 - 無代碼開啓AI測試：字節Coze助力測試效率倍增實戰指南

關注 霍格沃茲測試學院公眾號，回覆「資料」, 領取人工智能測試開發技術合集 最近團隊裏的測試任務越來越繁重，特別是那些重複性的功能驗證和測試數據準備，幾乎佔用了我們大部分時間。直到上個月，我偶然接觸到了字節跳動的Coze平台，這個零代碼的AI工具徹底改變了我們的測試工作流程。 從手動到自動的轉變 還記得那天下午，我面對着一個需要測試的登錄功能，不僅要驗證正常登錄場景，還要測試數十

coze , AI , 人工智能 , 深度學習 , 自動化測試

ceshiren2022 - AI測試開發工程師面試指南：20個核心技術問題及思路解析

我是霍格沃茲測試開發學社，我們學員在面試AI測試開發崗位時發現，技術面試不僅考算法能力，更看重你在模型落地、工程實踐、性能優化、MLOps和數據監控方面的經驗和解決問題的思路。 為了幫助大家系統覆盤，我們整理了一套AI測試開發崗位精選面試題，每題附答題思路框架，方便大家快速整理面試經驗，並結合真實項目案例量化指標提升説服力。 Tip：建議你結合真實項目經驗，每道題儘量給出具體

性能優化 , 面試題 , 測試開發 , 人工智能 , 深度學習

ceshiren2022 - 2025年測試工程師的核心能力：掌握Dify工作流編排AI測試智能體

測試工程師的角色正從“腳本執行者”向“質量策略架構師”躍遷。掌握用Dify這樣的AI工作流平台來編排“AI測試智能體”，將成為你的新護城河。 在傳統的自動化測試中，我們編寫腳本（如Selenium, Playwright）來模擬用户操作，驗證預設結果。這套模式在過去二十年裏非常有效。然而，隨着AI應用的爆炸式增長，尤其是大語言模型（LLM）和Agent（智能體）的普及，軟件界面、交互邏輯

智能體 , AI , 人工智能 , 深度學習 , dify , 測試報告

ceshiren2022 - MCP與Function Calling有何不同？它們與AI Agent的關聯解析

最近，關於 MCP（Model-Conditioned Prompting）、Function Calling 的討論越來越多，但很多開發者還是一頭霧水：它們到底有什麼區別？又和 AI Agent 關係幾何？ 1. MCP 是什麼？ MCP，全稱 Model-Conditioned Prompting，可以理解為“大模型條件化提示”，核心思想是： • 在 pro

人工智能 , 深度學習

ceshiren2022 - 藉助Playwright MCP實現UI自動化測試：全面指南與實戰案例

想象一下，只需用自然語言告訴AI：“測試網站的登錄功能”，它就能自動操作瀏覽器，完成整個測試流程並生成報告——這就是Playwright MCP帶來的變革。 在快速迭代的現代軟件開發中，UI自動化測試已成為保障產品質量的關鍵環節。然而，傳統自動化測試方法高度依賴測試工程師手動編寫和維護腳本，不僅耗時巨大，且腳本脆弱性高——頁面結構的細微變化就可能導致測試失敗。 隨着大語

自然語言 , 人工智能 , 深度學習 , 自動化測試 , ui

ceshiren2022 - AI引領天貓測試流程變革：從人工操作到智能化的實踐經驗與落地案例

在AI時代，天貓技術質量團隊不斷探索如何在測試全流程中引入AI，提升效率、保障質量，並實現可管理化、可溯化的測試流程。本文將結合實踐經驗，分享AI在測試鏈路中的落地方案和技術架構思路。 1️⃣ 測試體系變革：從人工到AI自動化 傳統測試工作鏈條主要包括五大核心階段： 需求解析 → 用例生成 → 測試數據構造 → 執行驗證 → 對比校驗 AI的引入目標：通過自然語言理解和大模型驅動

AI , 測試數據 , 人工智能 , 深度學習 , 自動化測試

ceshiren2022 - 從失業到逆襲：我如何拿下3份大廠Offer（附面試真題）

01 起點：一場猝不及防的裁員 我的第一段實習生涯，僅僅持續了4個月。公司的一紙裁員通知，讓我的計劃全盤打亂。還沒正式起飛，就被迫降落，那種迷茫和自我懷疑，懂的都懂。 02 覺醒：為什麼我必須報班學習？ 這段短暫的“失業空窗期”，反而成了我最清醒的時刻。我徹底認清了一個現實：沒有硬核技能護體，在職場風雨裏，我永遠是最先被拍倒的那一個。改變，迫在眉睫。 03 選擇：在眾多機

人工智能 , 深度學習 , 自動化測試 , 面試經驗

ceshiren2022 - 實測見證！利用Dify工作流與AI智能體，我們的測試效率提升300%

如果你也厭倦了在無盡的測試用例、重複的迴歸測試和脆弱的UI腳本中掙扎，那麼這篇文章正是為你準備的。我將分享我們團隊如何利用Dify工作流編排AI測試智能體，實現測試效率的指數級提升，讓測試工作變得前所未有的智能和高效。 一、 困局：我們曾在測試泥潭中寸步難行 在引入新方法之前，我們團隊面臨典型的測試瓶頸： 迴歸測試耗時漫長： 每次發版前，全量回歸測試需要2個測試人員投入整整3個工

迴歸測試 , AI , 人工智能 , 深度學習 , dify

ceshiren2022 - 【乾貨】如何從軟件測試轉型為AI測試開發？這份面試題指南值得你一看！

你是軟件測試從業者，但想轉向人工智能測試開發崗位嗎？ AI 測試崗位不僅考察傳統測試技能，還要求你理解 AI/ML 模型特性、設計測試流程、編寫自動化腳本。 今天，我們整理了一份面試題，從基礎概念到實戰場景，幫你快速掌握 AI 測試面試要點。 一、基礎認知題：AI 面試入門必備 AI、ML、DL 的區別？ • ML 是 AI 的子集，通過數據學習規律； • DL 是 ML

面試題 , 數據 , 人工智能 , 深度學習 , 灰度 , ML

ceshiren2022 - 避免人為漏測：Dify工作流成為你的“測試策略大腦”，全天候在線排查

關注 霍格沃茲測試學院公眾號，回覆「資料」, 領取人工智能測試開發技術合集 在軟件開發中，我們是否經常面臨這樣的困境？儘管測試團隊傾盡全力，但線上漏測問題依然像幽靈一樣不時出現。人為的測試總有極限：測試用例設計可能覆蓋不全、迴歸測試因時間緊張而被壓縮、疲勞可能導致誤判…… 這些“人性化”的漏點，單靠增加人力或延長工時往往收效甚微。 那麼，有沒有一種方法，能將我們的測試策

測試策略 , API , 測試類 , 人工智能 , 深度學習 , dify

ceshiren2022 - 大廠熱門測試基礎設施揭秘：Dify工作流引擎的設計哲學與最佳實踐分析

當今軟件開發領域，測試基礎設施的效率和可靠性直接關係到產品的交付質量與速度。隨着AI技術的普及，如何將智能能力深度融入測試流程成為各大廠面臨的共同挑戰。 Dify作為一款開源的大模型應用開發平台，通過其強大的工作流引擎，正被越來越多的大廠選為核心測試基礎設施，將AI應用系統整合週期從平均12周縮短至3-4周，整合效率提升高達70%。 本文將深入解析Dify工作流引擎的設計哲學，並分享在大

人工智能 , 基礎設施 , 深度學習 , dify , 工作流引擎

ceshiren2022 - 測試腳本已過時？AI+Playwright正在重新定義自動化測試

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

人工智能 , 深度學習 , 自動化測試 , ui

ceshiren2022 - 手把手搭建自動化質量門禁：讓你的每次部署都“無憂”

“代碼終於合併完了，可以上線了嗎？” “測試用例都跑通了吧？性能測試做了沒？” “這次改動不大，應該不會有問題吧……” 上線前的會議室裏，是否常常瀰漫着這種不確定性的焦慮？依賴人工檢查發佈清單，不僅效率低下，還極易遺漏關鍵項。一個未經核對的性能迴歸、一處未達標的測試覆蓋率，都可能為線上事故埋下伏筆。 是時候為你的研發流程安裝一個自動化的 “質量門禁” 了！本文將手把手教你如何利用 Dif

性能測試 , API , 自動化 , 人工智能 , 深度學習 , 質量門禁

ceshiren2022 - 解密高效測試系統：利用Dify工作流與Jira API的自優化實踐

將測試智能體與Jira集成，可以構建一個能夠自動識別問題、執行測試並反饋結果的智能化質量保障體系。這種集成不僅能將測試活動直接嵌入開發流程，還能實現閉環的持續質量改進。 以下是四種不同集成深度的方法，您可以根據團隊的技術成熟度進行選擇。 一、核心集成模式 二、基礎API集成：實現自動反饋 這是最基本的集成方式，主要目標是將測試執行結果自動反饋至Jira工單。

API , 人工智能 , 深度學習 , 自動化測試

ceshiren2022 - 揭開帷幕：如何實現UI迴歸測試的全面自主化

在自動化測試領域，Playwright已成為端到端測試的優選方案，以其跨瀏覽器支持和高可靠性著稱。 然而，傳統測試腳本的編寫和維護依然是一項昂貴且對專業知識要求很高的工作。隨着大語言模型和AI智能體技術的發展，一個全新的範式正在興起：讓AI驅動Playwright完成測試任務。 Model Context Protocol在這一變革中扮演了關鍵橋樑的角色，它使得LangChain等AI應

服務器 , 人工智能 , 深度學習 , 自動化測試 , ui

ceshiren2022 - 小白必備：輕鬆上手自動化測試的強大工具

傳統自動化測試工具如Selenium，其複雜的代碼編寫和維護成本居高不下，讓許多測試工程師望而生畏，已成為行業痛點。而Playwright MCP的出現，重新定義了"測試自動化"的邊界——不僅能理解你的自然語言描述，還能自動生成專業級的測試代碼，實現了從"寫代碼"到"説需求"的質的飛躍。 Playwright MCP的技術架構解析 Playwright MCP的創新絕非偶然，它是

選擇器 , 測試用例 , 人工智能 , 深度學習 , 測試自動化