探索 AI 在自动化软件测试中的角色

Victor Ionascu 表示，QA 专业人员越来越多地转向使用 AI 来解决软件测试领域中日益复杂的许多问题。AI 驱动的自动化能力可以提高测试覆盖率、缩短测试周期并提高结果的准确性，从而让开发人员更快地发布更高质量的软件。

Victor Ionascu 在 QA Challenge Accepted 上谈到了 AI 在软件测试中的作用。

Ionascu 表示，当今测试领域面临的主要挑战之一是确保全面的测试覆盖率。在处理复杂系统时，尤其是在银行或物流等需要处理安全、多步骤数据交易的行业，测试人员几乎不可能手动覆盖所有边缘情况。随着复杂性的增加，遗漏重要工作流程中边缘情况的风险也会增加。正如 Ionascu 所解释的那样，难点在于确保覆盖率的同时不影响任务时间表：

随着应用程序变得越来越复杂，识别边缘情况并将其转换为可行的测试用例变得越来越困难。这会导致测试覆盖率出现潜在的不足，从而导致一些问题被忽视的后果。

Ionascu 表示，自动化测试虽然很有价值，但往往存在开发稳健测试所需的时间过多，以及适应现实世界动态场景的能力有限等问题。自动化测试的挑战不仅在于设置自动化框架或创建脚本，还在于随着系统的发展而维护和改进它们的过程。

Ionascu 提到，开发能够处理现实世界动态场景的稳健测试所需的时间，对测试来说是一个重大问题。他补充说，许多自动化测试都很脆弱，它们在稳定的环境中运行得很好，但在面临意外变化或极端情况时就会崩溃。

在日常工作中，Ionascu 使用人工智能来增强手动和自动测试。他举了一个例子：

我使用人工智能驱动的测试生成工具（如 Amazon CodeWhisperer 和 ChatGPT）来协助创建自动化测试用例，从而减少了编写复杂脚本所需的时间。这些工具可以帮助我生成动态数据、创建极端情况场景，甚至找出我可能错过的安全漏洞。

Ionascu 说，人工智能工具可以增强手动和自动测试的工作流程。他补充说，这些工具有助于自动执行重复性任务，例如测试用例生成和错误分类，从而使 QA 团队能够专注于更高价值的活动，例如探索性测试和质量策略。

Ionascu 表示，虽然自动化操作可以加快重复性任务的速度，但它通常需要大量的人工监督和维护才能处理复杂的工作流程，尤其是当它们遇到了一些在测试脚本的初始开发期间人们尚难以预测的可变条件时更是如此：

尽管测试自动化很有价值，但它并不是动态和复杂系统的灵丹妙药。

InfoQ 采访了 Victor Ionascu，讨论自动化测试和在软件测试中使用 AI 的话题。

InfoQ：你在自动化软件测试中面临哪些挑战？

Victor Ionascu：在我们的一个项目中，我们必须测试一个处理多个实体（包括银行和政府机构）之间安全文件传输的应用程序。这一流程涉及多层加密（AES 和 RSA），我们需要验证整个加密/解密过程。最初，我们开发的自动化测试用例在标准场景中运行良好。我们编写了以下流程脚本：

1. 使用特定算法加密文件

2. 将它们传输到中央系统

3. 在接收端验证解密

但当一些实际场景出现时，例如意外的网络延迟或不同的文件格式，自动化就会失败。测试无法适应这些动态变化，需要我们频繁手动干预、重写或调整脚本。即使是很小的系统变化，例如引入新的加密算法或数据量意外激增，也会破坏自动化测试。这表明当前的自动化工具在适应更复杂、不断发展的环境方面存在局限性。

InfoQ：作为一名软件测试员，你在日常工作中如何使用人工智能？

Ionascu：在一个性能测试案例中，我们必须模拟一个安全文件传输系统的负载测试，该系统最多可处理 10,000 个并发用户。最初，我们使用手动流程，包括编写带有硬编码数据的用户请求静态测试脚本，但随着系统扩展，这种方式变得效率低下。

通过使用 CodeWhisperer 等人工智能工具，我能够动态生成用户负载。AI 还建议实现一个扩展机制，而不是使用固定用户负载进行测试。这样系统就可以根据服务器的性能动态调整用户负载，确保我们更有效地捕获峰值负载处理和响应时间。

原文链接：

Exploring AI's Role in Automating Software Testing