业务方向及应用场景

方向	技术	应用
大语言模型	私有化大模型： llama2 privateGPT	业务分析 测试数据生成
机器学习、深度学习应用	视觉自动化： Fastbot Applitools	视觉自动化 缺陷预测与挖掘
知识图谱	neo4j	测试用例生成 精准测试

大语言模型：

本地搭建一套开源的私有化大模型，将代码丢给它进行业务分析和测试数据生成。

业务分析：

利用大模型对代码进行codeReview，纠正语法错误和提升代码质量

测试数据生成：

将源代码丢给大模型，返回测试数据。接口自动化用例，UI自动化用例，功能用例

缺点：

• 硬件成本较高，需要64G内存 4090显卡
• 代码安全性问题

机器学习、深度学习

视觉自动化

基于 model-based testing 结合机器学习、强化学习的 APP 稳定性测试工具；

Fastbot 是字节跳动公司研发的智能化测试服务，其利用机器学习和强化学习进行遍历测试，其提供了基础的稳定性测试服务能力，在代码覆盖率和稳定性测试方面，都有着比传统 Monkey更好的效果，问题发现数及代码覆盖率都有一倍以上的提升，在代码覆盖率方面与人工回归有着相当的表现。

知识图谱

测试用例生成

目前国内没有成熟的产品

使用技术：爬虫+大模型+知识图谱

1. 首先利用爬虫爬取指定网站或者指定APP的所有页面，包括页面间的跳转关系、页面包含哪些按钮、元素、输入框等，把拿到的数据生成一个大json
2. 将爬到的大json给大模型，让他生成一个noe4j格式的数据。（大模型生成80%，另外20%需要人工补充）
3. 图谱（图谱上能拿到调用接口）生成接口测试用例
4. 开发每次修改代码，更新相关的图谱
5. 回归测试时：计算两个节点之间的最短路径、所有路径进行回归测试

参考：【软件测试/人工智能】人工智能与测试开发自动化沙龙_哔哩哔哩_bilibili