随着软件系统的复杂性不断增加，软件测试的重要性越来越高，测试活动将影响开发人员的工作效率，产品的可靠性、稳定性和合规性，以及最终产品的运营效率。
将大模型用于软件测试领域可以提供更高的测试覆盖率，减少不稳定的测试并加快缺陷修复过程。这有助于提高测试人员的测试质量和效率，加快缺陷修复，并确保遵守企业内外部的软件开发标准。
大模型在测试领域有两个明确值得探索的方向：
方向一：文本生成类场景。由于大模型的优势在于文本生成，因此对这类场景有较好的辅助作用，典型的场景包括生成用例描述、需求转测试用例、测试用例数据生成、Debug等，主要应用的是大模型的推理和生成文本的能力；
方向二：行为生成类场景。目前大模型还不太具备，但未来有可能会产生颠覆。典型的场景包括用例执行、结果分析、自动程序修复析等。例如在最理想的情况下，如果想要颠覆GUI测试，不仅仅是让大模型做预测，而是大模型预测后完成执行动作。
当前，大模型在软件测试领域的应用还处在非常早期的阶段，一些头部银行和互联网大厂在探索这一方向，开发垂域测试大模型（例如中信银行“第二脑”、邮储银行“研发测试大模型”等）以及智能测试工具（百度智能测试助理TestMate、蚂蚁集团TestAgent等）。
沙丘智库长期跟踪调研大模型技术的发展，旨在帮助企业快速了解大模型最新、最全面的落地情况。沙丘智库通过研究中信银行、邮储银行、百度等企业在软件测试领域的大模型实践，旨在为其他企业提供参考。
面对银行的复杂流程，为了突破测试人员的个人能力和智力限制，提高测试人员效能，中信银行基于大模型技术和高质量数据资产，在软件测试领域打造了测试大模型“第二大脑”，探索大模型在软件测试生命周期各个环节的应用，辅助测试人员提升测试质量和效率。
短期来看（2023+），大模型将辅助测试；中期来看（未来1-3年），大模型将担任主笔测试，长期来看（未来3-10年），大模型将转变成主导测试的角色。
完整内容：中信银行测试大模型建设实践
邮储银行开发“研发测试大模型” ，打造端到端智能研发方案“智能研发测试助手”，并将智能研发测试能力融入DevOps平台、测试平台，实现测试流程的自动化和智能化，提升研发效能。
智能测试服务覆盖测试全链路的典型场景，例如：
• 测试分析：根据业务需求、需求文档内容自动生成测试要点、测试流程图，辅助测试人员提供测试设计思路；• 测试用例设计：通过业务规则、交易链路、测试资产（专项知识、高质量用例等）生成测试需求用例，包括用例步骤、预期结果，部分替代了传统的手工编写方式；• 测试数据生成：通过规则文档、计算公式文件等内容，也可以通过输入业务逻辑、数据生成规则、计算公式、条件约束等，结合后台已定制化的Prompt模板，生成相应的测试数据；• 测试智能问答：实现测试相关知识的智能问答，减少文档查询时间。完整内容：邮储银行智能测试场景大模型实践
▎案例3：百度智能测试助理testmate建设实践百度开发了智能测试助理TestMate，服务于百度内部的智能测试工作。TestMate除了具备大模型的基础能力（意图识别、记忆管理、多轮交互）外，还内置了通用的测试领域知识和原子测试能力，并允许用户进一步通过能力中心自定义 Prompt、自动化用例模板、业务私域知识，自定义上下游能力组合并进行串联等，以打造业务专属的智能测试助理。
当前，大模型虽然是提效过程中的重要一环，但还需要辅以更多的工程化实践以及产品化、可视化形态。因此，在产品形态方面，智能测试助理TestMate为Prompt的输入/响应提供了丰富的可视化交互组件，通过Web UI嵌入的方式与需求管理平台用例管理平台、接口管理平台等基础设施进行联动，支持对话、智能体、智能体 Flow 等多种在线/离线生成。
粤ICP备14082021号
免费POC，
零成本试错
