便携式洒弹器
未来已来，⼈⼯智能测试势不可挡：介绍9款AI测试⼯具昨天，杭州传来⼤消息：这座创新之都要拿出真实弹的道路，进⾏⽆⼈⾃动驾驶测试。太
棒！这是继深圳、上海之后，⼜⼀个城市进⾏⽆⼈驾驶汽车测试。居然，有媒体⼈说“快得让⼈
胆颤⼼惊！”
今天，我打电信10000号时，体验和以往完全不同，不再按“1、2、3、…”这样的数字键，⽽是
和机器⼈对话，直接说“宽带报修”，那边机器⼈说；“您刚才保修过⼀次，还要继续吗？”，我 说“确认”…。
之前，我们也被许多事件感到震惊，甚⾄恐惧：
AlphaGo、AlphaZero完胜世界顶尖围棋⼿
微软的语⾳识别技术⾸次达到了⼈类同等⽔平
翻译机器⼈已经超过具有专业翻译⽔准
医院、⼯⼚开始引进更多的机器⼈
智能家电更是如⾬后春笋、层出不穷
刷脸解锁、刷脸⽀付
……
⼈类开始⾛⼊⼈⼯智能（AI）的时代。
AI的本质是通过软件来实现特定的算法，各⾏各业的AI如⽕如荼，但感觉软件⼯程⾃⾝的AI反⽽
落后，是这样吗？也不是，⽽是暗流涌动，在未来某⼀天会爆发开来。这⾥，通过给⼤家介绍
多款引⼊AI的测试⼯具，让⼤家体会到AI已近在眼前，不管你见还是不见。当我们使⽤这些新⼀
代的测试⼯具，会体会到⼀场新的测试⾰命正在发⽣，测试机器⼈也会不断涌现出来。
1.Applitools
Applitool采⽤⼀种⾃适应的算法来进⾏可视化测试（或者说视觉验证），⽽且不需要事先进⾏
各种设置，不需要明确地调⽤所有元素，但能够发现应⽤程序中的潜在错误。 利⽤基于机器学习（ML） / AI进⾏⾃动维护（能够将来⾃不同页⾯/浏览器/设备的类似变化组合油烟机油杯
在⼀起）；
修改⽐较算法，以便能够辨别哪些更改是有意义的、显著的；
能够⾃动理解哪些更改更可能是⼀种缺陷还是⼀种期望，就这种差异进⾏排序；
很多这些事情在⾏动中看起来还为时过早，但看着路线图会让你了解现在有多少AI被纳⼊测试
⼯具公司的路线图。
记得两年前，我还给某企业做⾃动化时，介绍过这个⼯具，那时AI还没有那么突出，只是作为 视觉验证技术来介绍的，有图为证。
2.Appvance IQ光化学衍生器
根据应⽤程序的映射和实际⽤户活动分析，使⽤机器学习和认知⾃动⽣成⾃动化测试脚本。脚
本⽣成分为两步⾛：
1. ⽣成应⽤程序蓝图：由机器学习引擎创建的应⽤程序蓝图封装了对被测应⽤程序的来龙去
脉的深⼊理解。蓝图随后能够集成真实⽤户如何浏览应⽤程序的⼤数据分析。
2. 脚本⽣成是认知处理的结果，可以准确地表⽰⽤户做了什么或试图做什么。它使⽤应⽤程
序蓝图作为被测应⽤程序中可能的指导，以及服务器⽇志作为实际⽤户活动的⼤数据源。
AI驱动的脚本⽣产是软件测试的⼀项重⼤突破。它将极⼤降低脚本开发的巨⼤⼯作量——接近为零的⼯作量。AI创建的脚本组合既是⽤户驱动的，⼜⽐⼿动创建的脚本更全⾯。
3.Eggplant AI⾃动化
Eggplant Digital Automation Intelligence整套⼯具使⽤AI和深度学习来从界⾯上寻缺陷，能够⾃动⽣成测试⽤例，⼤幅度提⾼测试效率和覆盖率。
1. 通过⽤户的眼睛测试。分析实际屏幕 - ⽽不是代码，使⽤智能图像和⽂本识别来测试应⽤
程序逻辑、动态的⽤户界⾯，并进⾏真正的端到端测试。，这样可以测试任何设备上的、各种不同技
术开发的软件，并可以像⽤户⼀样与应⽤进⾏交互。
2. 能够测试功能、性能和可⽤性 - 所有与⽤户体验相关的关键产品属性。通过⽤户的眼睛验
加热搅拌反应釜证这种体验，可以更简单、更直观地进⾏测试。这意味着，⾮技术⼈员 - 从⼿动测试⼈员到业务分析⼈员、产品和⽤户专家 - 都可以成为有效的测试⼈员。
3. 使⽤⼈⼯智能和机器学习⾃动⽣成测试⽤例，并优化测试执⾏以发现Bug并覆盖各种⽤户
体验，可以增强⾃动化测试的执⾏⼒度。基于测试结果、根本原因和⽤户影响的⾃动化分析，可以帮助团队提⾼⽣产⼒并缩短上市时间，并与DevOps保持同步。
4. 完全量化的质量管理，实现了跨职能协作，弥合了产品所有者与质量保证部门之间的差
距。可以完全根据指标合格率和缺陷密度来报告质量状态，⽽不是以⽤户术语来揭⽰应⽤质量的细节，如应⽤评分、页⾯加载时间、消费者转换率等。
4.MABL
Mabl由⼀前Google雇员研发的AI测试平台，侧重对应⽤或⽹站进⾏功能测试。在Mabl平台上，我们通过与应⽤程序进⾏交互来 “训练”测试。录制完成后，经训练⽽⽣成测试将在预定时间进⾃动执⾏。主轴编码器
1. 没有脚本的⾃动化测试（Scriptless tests），并能和CI集成
2. 消除不稳定的测试（flaky tests） - 就像其他基于AI的测试⾃动化⼯具⼀样，Mabl可以⾃动
检测应⽤程序的元素是否已更改，并动态更新测试以补偿这些更改。
3. 可以不断⽐较测试结果和测试历史，以快速检测变化和回归，从⽽产⽣更稳定的版本。pcb柔性连接器
4. 可以帮助快速识别和修正缺陷，在⽤户受到影响之前就能提醒我们可能产⽣的影响。
5.ReTest
ReTest 是⼀家德国公司的产品，源于⼈⼯智能研究项⽬，使⽤⼈⼯智能猴⼦来⾃动测试应⽤程序（Intelligent monkey testing）。与其他测试⾃动化⼯具不同，在创建脚本时不需要选择被测对象的ID、会⾃动处理等待时间，脚本执⾏⾮常稳定。如果属性或元素是不稳定的，那么可以在执⾏测试后简单地标记它们。本⼯具号称是专门为测试⼈员设计的，能有效地消除了⽤户拥有任何编程技能的需求，测试⼈员只需要领域知识、待测试软件的⼯作原理以及认定缺陷的能⼒。
6.Sauce Labs
Sauce Labs，测试⼈员⽐较熟悉，移动app⾃动化测试框架Appium出⾃他们⼿⾥。Sauce Labs 是最早开始基于云的⾃动化测试的公司，每天运⾏超过⼀百五⼗次的测试，通过多年测试数据的积累⽽拥有⼀个虚拟宝库，能够利⽤机器学习来针对这些数据进⾏分析，更好地理解测试⾏为，主动帮助客户改进测试⾃动化。他们相信，在测试中使⽤已知的模式匹配和不同的AI技术是⾮常有⽤的。
7.Sealights
Sealights类似Sauce Labs，也是⼀个基于云的测试平台，能够利⽤机器学习技术分析SUT的代
码以及与之对应的测试，不局限于单元测试，还包括系统级的业务测试和性能测试。它还有⼀个显著特点，基于机器学习以呈现完整的质量Dashboard，帮助我们进⾏“质量风险”的评估，能够关注⽤户所关⼼的东西，包括哪些代码未经某种类型或特定的测试，这样很容易地确保未经测试的代码不会上线，⾄少要得到尽可能的必要的验证。
Sealights可以轻松创建每个⼈都能看到的⾼质量仪表盘。因此，对于每个构建，您都可以了解测试的内容、状态和覆盖范围，以及是否正在改进，减少或存在质量问题。
8.Test.AI
Test.AI (前⾝为Appdiff ) 被视为⼀种将AI⼤脑添加到Selenium和Appium的⼯具，以⼀种类似于Cucum
ber的BDD语法的简单格式定义测试。Test.AI在任何应⽤程序中动态识别屏幕和元素，并⾃动驱动应⽤程序执⾏测试⽤例。它由Justin Liu和Jason Arbon创建。
9.Testim
Testim专注于减少不稳定的测试（flaky tests）和测试维护，试图利⽤机器学习来加快开发、执⾏和维护⾃动化测试，让我们开始信任⾃⼰的测试。
除了上述⼯具/平台之外，像Functionize 、Panaya Test Center 2.0、Kobiton、Katalon Studio 和 Tricentis Tosca等⼯具也具有智能特性。
