AI测试｜利用OpenAI的文本生成模型，自动生成测试用例的几个场景示例_ai测试自动生成用例(1)
2401_84562810 2024-07-24 15:31:01 阅读 55
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以戳这里获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
2.安装 OpenAI 包：
<code>!pip install openai -q
第2步：导入库
在你的笔记本中，导入必要的库：
从openai导入 OpenAI
第3步：OpenAI认证
获取你的 OpenAI API 密钥并进行身份验证，如下所示：
openai.api_key = 'your-api-key' client = OpenAI(api_key=openai.api_key)
第4步：定义测试用例生成函数
定义一个函数来根据软件需求生成测试用例。
def generate_test_cases(requirement): response = client.chat.completions.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant capable of generating software test cases."}, {"role": "user", "content": requirement} ] ) return response.choices[0].message.contentcode>
第5步：测试功能
使用示例需求测试该功能：
requirement = "The system shall allow users to securely login with a username and password."test_cases = generate_test_cases(requirement)print(test_cases)
第6步：输出分析和细化
评估输出的相关性和完整性，根据需要完善提示或参数。
第7步：与测试管理工具集成
（可选）将输出与测试管理工具或存储库集成，以自动将新测试用例添加到套件中。
结论
你现在已经创建了一个工具，可以使用 OpenAI 的文本生成模型生成测试用例。该工具不仅节省时间，还能确保人工难以达到的一致性和彻底性。
未来的增强功能
集成GPT-4-vision-preview 以进行 GUI 测试。实施可重复的输出以保持一致性。使用 JSON 模式进行与测试管理工具兼容的结构化输出。
在软件测试中的人工智能动态领域，保持适应性和探索性至关重要，从而释放其全部潜力。
示例2：为购物车（Shopping Cart ）功能生成回归测试场景
目标：自动生成电子商务应用程序中购物车功能的回归测试场景，确保新的更改不会破坏现有功能。
代码演练：
设置身份验证：
使用你的 OpenAI API 密钥向 OpenAI 客户端进行身份验证。
<code>从 openai导入 OpenAI客户端 = OpenAI(api_key= 'your-api-key' )
定义测试用例生成器函数：
该函数将获取功能描述并返回回归测试场景。
def generate_regression_tests(feature_description): response = client.chat.completions.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant capable of generating regression test scenarios for a shopping cart feature."}, {"role": "user", "content": feature_description} ] ) return response.choices[0].message.contentcode>
调用具有功能描述的函数：
提供购物车功能的描述以生成测试场景。
feature_description = "Ensure that the shopping cart allows users to add items, remove items, and proceed to checkout."regression_tests = generate_regression_tests(feature_description)print(regression_tests)
评估和完善：
分析生成的测试场景，并根据需要迭代提示以确保全面覆盖。
示例3：验证天气预报服务的API响应
目标：生成测试用例来验证天气预报服务的JSON API响应，确保数据结构和值符合预期。
代码演练：
设置身份验证：
使用你提供的 API 密钥通过 OpenAI API 进行身份验证。
<code>from openai import OpenAIclient = OpenAI(api_key='your-api-key')code>
定义测试用例生成器函数：
此函数将获取 API 端点描述并返回测试用例以验证API的JSON响应。
def generate_api_validation_tests(api_description): response = client.chat.completions.create( model="gpt-3.5-turbo", messages=[ {"role": "system", "content": "You are a helpful assistant that generates test cases to validate JSON responses from an API."}, {"role": "user", "content": api_description} ] ) return response.choices[0].message.contentcode>
使用API描述调用函数：
提供 API 端点的描述以生成验证测试用例。
api_description = "The weather API should return a JSON response with fields for temperature, humidity, and precipitation forecast for the next 5 days."api_validation_tests = generate_api_validation_tests(api_description)print(api_validation_tests)
评估和完善：
检查生成的测试用例的准确性和完整性。确保测试用例检查每个字段是否存在以及数据格式的正确性。
用户说明：
确保替换’your-api-key’为实际的 OpenAI API 密钥。在 Jupyter Notebook 环境（例如 Google Colab）中运行每个代码块。运行测试用例生成器函数后，查看建议的测试用例。如果输出不令人满意，请细化功能或 API 描述以使其更加具体，或调整系统消息以更好地指导模型。迭代输入和系统消息，直到生成的测试用例满足您对覆盖范围和细节的要求。
通过遵循这些示例，你可以扩展 AI 驱动的测试生成的功能，以涵盖软件测试的各个方面，从而使测试过程更加稳健和高效。
让我们为此创建一个Web应用程序
第1步：创建 GitHub 帐户
1.访问GitHub 的网站。（https://github.com/）
2.单击右上角的“注册”按钮。
3.在必填字段中填写新 GitHub 帐户的用户名、电子邮件地址和密码。
4.通过 GitHub 发送给你的电子邮件验证你的帐户。
5.按照屏幕上的说明完成设置。
第2步：创建新存储库
1.登录后，单击右上角的“+”图标并选择“新存储库（New repository）”。
2.为你的存储库命名，例如“streamlit-test-case-generator”。
3.选择你希望存储库是公共的还是私有的。
4.使用 README 文件初始化存储库。
5.单击“创建存储库”。
第3步：将文件添加到你的存储库
1.在你的存储库中，单击“添加文件”并选择“创建新文件”。
2.创建一个名为app.py—这将是 Streamlit 应用程序的主 Python 文件。
3.将你的 Streamlit 代码写入app.py. 确保您的代码包含 API 密钥的错误处理，以避免暴露它。
4.创建另一个名为requirements.txt. 此文件应列出你的应用程序依赖的所有 Python 库，包括streamlit和openai.
5.单击“提交新文件”来提交新文件。
这是app.py：
<code>import streamlit as stimport openaiimport os
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618631832)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
)]
[外链图片转存中...(img-vxXAcMjj-1715721638098)]
**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**
**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618631832)**
**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
上一篇： 这9个WordPress AI插件，可能比ChatGPT更适合你
本文标签
声明
本文内容仅代表作者观点，或转载于其他网站，本站不以此文作为商业用途
如有涉及侵权，请联系本站进行删除
转载本站原创文章，请注明来源及作者。