测试运用AI定位隐性bug，落地难点在哪
最近我们小组有3个人在尝试把AI用到缺陷定位上：把报错日志、接口请求、数据库变更和用户操作路径一起丢给它，让它先筛可能的关联点。效果不是没有。对于空指针、字段缺失、状态流转异常这类问题，AI能很快帮我从大量日志里找出可疑时间点，省掉不少人工检索时间。但真正难的是“上下文不完整”。线上一个看似普通的下单失败，可能和三天前的配置变更、某个灰度开关、老用户数据迁移有关。AI看得到日志，不一定知道业务历史；它能给出十个可能原因，却不一定能判断哪个最值得先查。还有一个现实问题：日志、订单数据、用户信息能不能直接交给模型处理？很多公司在数据脱敏、权限隔离和本地部署上还没准备好。所以AI定位隐性Bug，更像是帮测试缩小排查范围，而不是替我们给出最终结论。
发布于 未知
分享
3
1
未登录
友善发言
评论
加载中
