霍格沃兹测试开发学社
二、探索性测试的本质变化——从“人的直觉”到“模型的世界模型”要理解这件事的严重性，得先搞清楚探索性测试到底是什么。传统的探索性测试，核心是“边学边测”。测试人员没有预设脚本，一边探索应用一边发现缺陷。这依赖两样东西：测试人员的经验和直觉，以及“人”对这个世界的基本理解——比如一个登录框，正常人会怎么用？会输什么？会怎么绕过去？AI现在能做到同样的事，但路径完全不同。它不靠“经验”，靠的是大语言模型对“世界”的理解。一个训练充分的模型，看过几亿个网页、几千万个应用界面、无数种用户交互模式。它知道一个表单应该怎么填、一个按钮点了之后应该发生什么、一个流程走不通的时候用户会怎么反应。本质是：它不是在“执行测试用例”，它是在“模拟一个合理的人会怎么用这个软件”。2026年ACL Findings上发表的GUITester论文把这个逻辑拆得很清楚。多模态大模型在导航上已经很强了，但之前一直卡在两个问题上：一是“目标导向掩蔽”——模型太专注于完成任务，反而忽略了中途发现的异常；二是“执行偏差归因”——系统出了bug，模型会误以为是自己的操作错了。GUITester的解法是把“导航”和“验证”解耦。一个模块负责探索和操作，另一个模块专门负责判断“刚才发生的事情是不是问题”。F1-score达到了48.90%，远超基线模型的33.35%。核心洞察：AI做探索性测试，不是一个模型干所有事，是多角色分工。三、AI怎么“探索”一个应用——三层架构拆解工程上，目前主流的AI探索性测试工具基本遵循同一个架构模式。拿explorbot举例，它的工作流是这样的：第一层：Research（研究）。给AI一个URL和一个目标，它先把页面切成不同的功能区域，索引每一个可交互元素。不需要源代码，不需要文档，纯靠视觉和DOM理解。第二层：Plan（规划）。基于对页面的理解，AI自己起草测试场景——正常的、好奇的、边缘的，三种风格同时进行。第三层：Execute（执行）+ Verify（验证）。驱动真实浏览器一步步操作，过程中实时适应应用的变化。每发现一个问题，就做根因聚类、截图、录屏，然后把通过的流程保存成可执行的测试脚本。本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
发布于 辽宁
1
评论
赞
未登录
友善发言
评论
加载中
