测试运用AI定位隐性bug，落地难点在哪
测试把一段报错日志丢给AI，最容易得到的是十个“可能原因”，不是一个能复现的结论。隐性bug偏偏又常和时序、状态、数据组合有关，少一段上下文，模型就只能猜。落地难点其实在证据能不能串起来：一次请求经过哪些服务、当时的配置和版本是什么、前后状态怎么变、相似异常出现过几次。没有统一trace、关键字段和可回放环境，换更强模型也只是把猜测写得更像答案。我会把AI放在“缩小排查范围”这一步：关联日志、比对异常路径、生成验证假设；最终结论必须由可复现用例或监控证据盖章。否则假阳性只是把测试的加班，挪到了验证AI上。你们试过AI排障后，最耗时间的是补上下文、复现，还是验证误报？
发布于 湖北
分享
评论
赞
未登录
友善发言
评论
加载中
