用 ChatGPT 做軟件測試
於涌 田璐 藍葛亮 於躍
買這商品的人也買了...
-
Kent Beck 的實作模式 (Implementation Patterns)$320$250 -
單元測試的藝術, 2/e (The Art of Unit Testing: with examples in C#, 2/e)$650$507 -
Web API 建構與設計 (Designing Web APIs: Building APIs That Developers Love)$480$379 -
$454持續集成與持續部署實踐 -
敏捷大師精選 (Best Agile Articles of 2018)$750$585 -
$301混沌工程實戰 手把手教你實現系統穩定性 -
基礎架構即程式碼｜管理雲端伺服器 (Infrastructure as Code: Managing Servers in the Cloud)$780$616 -
Kent Beck 的測試驅動開發：案例導向的逐步解決之道 (Test-Driven Development: By Example)(TDD)$560$437 -
全棧性能測試修煉寶典 JMeter 實戰, 2/e$659$626 -
$662敏捷測試 : 以持續測試促進持續交付 -
高效使用 Greenplum：入門、進階與數據中台$654$621 -
你就是不寫測試才會沒時間：Kuma 的單元測試實戰 -- Java篇（iThome鐵人賽系列書）$650$507 -
嵌入式軟件自動化測試$414$393 -
Python + OpenCV — 機器學習 + 深度學習 40大電腦視覺案例入門到實戰$1,200$948 -
使用 GitOps 實現 Kubernetes 的持續部署：模式、流程及工具$714$678 -
DevSecOps 原理、核心技術與實戰$654$621 -
$607機器學習項目交付實戰 -
Docker 與 Kubernetes 容器運維實戰$479$455 -
$407AIGC 自動化編程：基於 ChatGPT 和 GitHub Copilot -
最強 AI 投資分析：打造自己的股市顧問機器人，股票趨勢分析×年報解讀×選股推薦×風險管理$750$593 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 3/e (Hands-On Machine Learning with Scikit-Learn, Keras, and Tensorflow: Concepts, Tools, and Techniques to Build Intelligent Systems, 3/e)$1,200$948 -
$458Python服務端測試開發實戰 -
寫程式前的必學工具：命令列、編輯器、Git/GitHub，軟體開發三本柱一次搞定$490$387 -
永磁電機槽極配合及實用設計$888$844 -
加速：高效能軟件交付之道$654$621
相關主題
商品描述
本書以目前流行的大語言模型ChatGPT為基礎，用豐富的案例演示ChatGPT在軟件測試中的賦能作用。本書主要介紹如何用ChatGPT生成需求規格說明書、測試計劃、功能測試用例、自動化測試用例、接口測試用例、測試數據和性能測試用例，以及?ChatGPT?在分析測試結果、輔助?CI（Continuous Integration，持續集成）、生成測試總結報告和職業發展中的應用等。
本書內容通俗易懂，案例豐富，涵蓋軟件測試的功能測試、性能測試、接口測試和自動化測試等。通過閱讀本書，讀者可以借助大語言模型（簡稱大模型）提高測試效率和研發效率，提升測試工作質量。本書適合軟件測試人員、項目管理人員、研發人員及關註軟件效能提升的相關人員閱讀，也適合希望借助大語言模型提升工作效率的技術人員閱讀。
作者簡介
于涌，具有丰富的软件测试理论和实际工作经验，熟悉软件开发全过程。先后在多家互联网企业，担任测试总监职位，从事计算机软件测试工作和测试团队的管理工作。具有丰富的接口测试、移动测试、安全性测试、自动化测试、性能测试和人工智能、ChatGPT等相关理论知识和应用能力，为多家公司提供软件测试的相关指导和培训工作。已出版《精通移动App测试实战：技术、工具和案例》《精通软件性能测试与LoadRunner最佳实战》等多部测试相关书籍。
目錄大綱
目 錄
第1章 ChatGPT生成需求規格說明書 1
1.1 ChatGPT在需求分析中的角色 1
1.1.1 ChatGPT的自動文本生成能力 2
1.1.2 ChatGPT的信息提取和分析能力 2
1.1.3 ChatGPT的協作和溝通支持 3
1.2 ChatGPT生成需求規格說明書的相關內容與方法 3
1.2.1 ChatGPT生成需求規格說明書的相關內容 3
1.2.2 ChatGPT生成需求規格說明書的方法 4
1.3 提示詞決定生成內容質量 5
1.3.1 什麽是好的提示詞 6
1.3.2 提示工程框架 7
1.4 實際案例：ChatGPT生成需求規格說明書的實踐 9
1.5 編程環境準備 18
1.5.1 安裝Python運行環境 18
1.5.2 Python IDE PyCharm的安裝與配置 20
1.5.3 使用PyCharm完成
第一個Python項目 22
第2章 ChatGPT生成測試計劃 25
2.1 ChatGPT在測試計劃編寫中的作用 25
2.2 ChatGPT自動化生成測試計劃的步驟 26
2.3 ChatGPT與測試團隊的協作 27
2.4 ChatGPT在測試計劃生成方面的成功應用 28
2.4.1 電子商務網站案例 28
2.4.2 移動應用案例 29
2.4.3 自動駕駛系統案例 30
2.4.4 ChatGPT生成測試計劃的最佳實踐 31
第3章 ChatGPT生成功能測試用例 40
3.1 ChatGPT在功能測試用例生成方面的優勢 40
3.2 ChatGPT自動生成功能測試用例的步驟 42
3.3 ChatGPT在測試用例自動生成方面的應用案例 43
3.3.1 電子商務平臺案例 43
3.3.2 社交媒體應用案例 44
3.3.3 醫療信息系統案例 45
3.3.4 ChatGPT生成測試用例的最佳實踐 46
3.4 ChatGPT與領域特定語言的集成 57
3.4.1 DSL的介紹 58
3.4.2 ChatGPT與DSL的集成 58
第4章 ChatGPT生成自動化測試用例 60
4.1 ChatGPT生成自動化測試用例的基本流程和原理 60
4.1.1 ChatGPT生成自動化測試用例的基本流程 60
4.1.2 ChatGPT生成自動化測試用例的原理 61
4.2 ChatGPT與測試框架的整合 62
4.2.1 ChatGPT與主流UI自動化測試框架整合 62
4.2.2 ChatGPT與接口測試工具整合 63
4.2.3 ChatGPT與單元測試框架整合 66
4.3 ChatGPT生成自動化測試用例的效果評估 67
4.4 ChatGPT生成自動化測試用例的實際案例 74
4.4.1 ChatGPT生成自動化測試用例的最佳實踐 74
4.4.2 ChatGPT與DSL集成的最佳實踐 82
第5章 ChatGPT生成接口測試用例 85
5.1 ChatGPT在接口測試中的角色 85
5.1.1 理解系統需求和接口規範 85
5.1.2 生成測試用例模板 85
5.1.3 探索邊界條件 87
5.1.4 自動生成測試數據 88
5.1.5 更新和維護測試用例 90
5.1.6 自動生成接口測試代碼 90
5.1.7 智能對比新舊接口 92
5.2 ChatGPT生成接口測試用例的流程 93
5.3 ChatGPT與接口測試工具的協作 94
5.3.1 ChatGPT與Postman的協作 94
5.3.2 ChatGPT與JMeter的協作 95
5.3.3 ChatGPT與Python Requests庫的協作 96
5.4 接口測試和性能測試案例環境的搭建與啟動 97
5.4.1 文件的下載 97
5.4.2 案例系統的環境搭建 97
5.4.3 系統的啟動 98
5.5 ChatGPT生成接口文檔的方法與實踐 99
5.5.1 接口文檔的重要性 99
5.5.2 ChatGPT生成接口文檔的方法 99
5.5.3 ChatGPT生成接口文檔實踐案例 100
5.6 ChatGPT與接口測試工具協作的最佳實踐 108
5.6.1 ChatGPT與Postman協作完成接口測試 108
5.6.2 ChatGPT與JMeter協作完成接口測試 124
5.6.3 ChatGPT與Python的Requests庫協作完成接口測試 134
5.6.4 ChatGPT與其他測試框架協作完成接口測試 141
第6章 ChatGPT生成測試數據 147
6.1 測試數據生成的問題 147
6.1.1 ChatGPT生成測試數據的優勢 147
6.1.2 ChatGPT生成測試數據的註意事項 148
6.1.3 ChatGPT生成測試數據的案例分析 148
6.2 ChatGPT在功能和性能測試數據生成中的應用 152
6.2.1 功能測試數據生成 152
6.2.2 性能測試數據生成 155
6.2.3 ChatGPT生成測試數據的挑戰與應對策略 160
第7章 ChatGPT生成性能測試用例 162
7.1 ChatGPT在性能測試規劃中的角色 162
7.2 ChatGPT生成性能測試用例的流程 163
7.2.1 確定性能測試目標 163
7.2.2 收集系統信息 163
7.2.3 確定性能測試場景 165
7.2.4 生成性能測試用例 165
7.2.5 評審和分析測試用例 166
7.2.6 迭代和持續改進 166
7.3 ChatGPT與性能測試工具的協作 167
7.3.1 ChatGPT輔助JMeter進行性能測試 167
7.3.2 ChatGPT輔助LoadRunner進行性能測試 177
7.3.3 ChatGPT助力性能測試的優勢 185
7.4 ChatGPT在性能測試過程中的最佳實踐 186
7.4.1 確定性能測試目標 186
7.4.2 收集系統信息 188
7.4.3 確定性能測試場景 190
7.4.4 生成性能測試用例 192
7.4.5 生成性能測試腳本 198
7.4.6 性能測試場景設計與監控 205
7.4.7 性能測試場景執行 206
7.4.8 性能測試結果分析 207
第8章 ChatGPT分析測試結果 210
8.1 ChatGPT在測試結果分析中的作用 210
8.2 ChatGPT助力數據可視化與數據分析效率的提升 211
8.2.1 ChatGPT在數據可視化中的作用 211
8.2.2 優化數據可視化流程 213
8.2.3 ChatGPT在數據可視化領域的挑戰與應對策略 216
8.2.4 ChatGPT在數據可視化領域的未來發展 216
8.3 ChatGPT在問題識別和修復中的作用 217
8.3.1 ChatGPT輔助問題識別 217
8.3.2 ChatGPT指導問題修復 219
8.3.3 改進意見 220
第9章 ChatGPT輔助CI 221
9.1 CI的重要性 221
9.2 ChatGPT在CI/CD流程中的角色 222
9.2.1 ChatGPT輔助編寫、測試、調試測試代碼 222
9.2.2 ChatGPT輔助減少調試工作量 223
9.2.3 ChatGPT輔助測試覆蓋率提升 223
9.2.4 ChatGPT輔助測試環境配置 224
9.2.5 ChatGPT協助管理
和優化CI/CD流程 225
9.3 基於AI的CI之接口測試 226
9.3.1 ChatGPT自動生成接口文檔和測試腳本 226
9.3.2 準備Postman測試用例集 227
9.3.3 Newman安裝與配置 231
9.3.4 ChatGPT實現核心腳本 232
9.3.5 運行測試集和展示測試報告 236
9.4 基於AI的CI之自動化測試 239
9.4.1 CI的核心價值 239
9.4.2 ChatGPT自動生成自動化測試腳本 239
9.4.3 Git配置過程 246
9.4.4 Jenkins配置過程 246
9.4.5 運行測試和展示測試報告 251
9.5 基於AI的CI之性能測試 253
9.5.1 ChatGPT自動生成性能測試腳本 253
9.5.2 Git配置過程 260
9.5.3 JMeter配置過程 260
9.5.4 Jenkins配置過程 260
9.5.5 運行測試和展示測試報告 263
9.5.6 ChatGPT幫您分析測試報告 264
第10章 ChatGPT生成測試總結報告 266
10.1 ChatGPT賦能敏捷測試總結報告智能生成 266
10.2 ChatGPT自動生成測試總結報告的流程 267
10.2.1 數據收集與整合 267
10.2.2 設計測試報告模板 268
10.2.3 定製化ChatGPT 268
10.2.4 自動化生成測試報告 269
10.2.5 人工審查與調整 269
10.2.6 持續反饋與優化 270
10.3 ChatGPT與自動化工具的集成 270
10.3.1 集成的價值 271
10.3.2 ChatGPT集成到CI/CD的實踐案例 271
10.3.3 ChatGPT在多項目管理的環境中的實踐案例 275
第11章 ChatGPT在職業發展中的應用 276
11.1 ChatGPT在技能進階方面的應用案例 276
11.2 ChatGPT在職業規劃方面的應用案例 280
11.3 ChatGPT在求職方面的應用案例 282
