人工智能技术在UI自动化测试中应用.ppt

人工智能技术在UI自动化测试中的应用 资深质量保证工程师 CA, Technology 摘要 起源/设计思路 技术 未来 实践 1.1 视频演示工具的工作过程,大约5分钟,在演示过程中讲解具体的工作内容,听众对于工作过程有直观的认识 起源 语音识别: Siri, Google Voice 体感交互: Kinect, Leap Motion, MYO 穿戴式设备: Google Glass, Jawbone 一个全新的交互时代即将到来 设计思路 VS. 设计思路 执行 思考 设计思路 实践 – 总图 感知哈希算法 界面元素截断检测 脚本翻译器 字符串Hard Code检测 数据/日期格式验证 Etc., 自然语言- 分析器-解释器- 编码 实践 –核心模块工作流程 质量保证应该做哪些工作?怎样更高效的组织测试工作?具体的测试步骤是什么? Input “test_user” in input field “Name” Parser: //[text()=‘Name ’]/../..//input 实践 – 解释器 Input ‘admin’ in Username Input ‘admin’ in Password Click ‘Log In’ Click ‘Admin’ Click ‘Users’ Verify “user” exists. 实践 –核心模块的测试用例组织 Page Vector: [530, 12, 11, 31, 8, 10, 27, 21, 34, 36, 27, 39, 42, 55, 48, 26, 26, 24, 10, 14, 3, 5, 5, 4, 12] is NOT equal to page #[1]: [54, 2, 3, 8, 7, 7, 11, 9, 7] node_id 感知哈希算法 实践 – 部分核心模块算法 实践 – 核心功能的可延展性 界面元素截断检测 脚本翻译器 字符串Hard Code检测 数据/日期格式验证 Etc., 未来 添加声控模块控制测试执行: 例如调用Google Voice 和缺陷跟踪系统进行交互: 自然语言提交缺陷报告 自动跟踪缺陷状态 自动重现/验证缺陷 案例ROI分析 投入: 90%的脚本开发维护工作由机器人程序代替,在测试自动化上的时间投入大幅度减少. 产出: 平均每个项目发现100+的国际化和本地化问题 回归测试由机器自动执行, 无需人工干预 案例启示 突破思维定势: 想要测试自动化,代码不是必须的工作,用自然语言就可以完成! 契合人机交互的发展趋势: 更加自然流畅的测试开发过程,人和机器人程序合理的分工合作可以让工作效率大幅提升 便于测试的维护与升级 免去代码的维护调试工作. 只需维护自然语言测试用例: 便于理解,修改. 降低测试人员的技术门槛 – 测试人员将所有精力集中于改进产品质量/深入挖掘用户体验,提高测试设计的技巧,无需过多的钻研代码 谢谢！