软件测试/测试开发丨基于人工智能的代码分析与 Bug 检测实战

点此获取更多相关资料

简介

在人工智能还未盛行的时候，检测 Bug 通常是通过以下几种方式完成：1.研发编写单元测试。2.代码扫描工具，SonarQube、Findbugs。3.测试人员进行集成测试。

而现在其中的一部分工作，都可以通过人工智能提升效率，辅助开发与测试发现更多的问题，降低成本和提高软件质量。

在本章节，可以先了解一下在代码层面，基于人工智能工具，可以帮助我们提升哪些效率。

实践演练

人工智能可以帮助我们发现各种类型的 Bug，包含：1.代码执行报错。2.没有实现需求。3.变量命名不规范。

代码执行报错

以下代码的逻辑非常简单，给定一段列表 a，列表 a 中有四个元素，要从列表 a 中找到索引为 5 的元素，很容易就会发现，这段代码一定是跑不通的。这种会执行报错的代码，Copilot 可以很容易帮我们定位到其中的问题。

1.输入错误代码:

a = [1, 2, 3, 4]print(a[5])

2.给到提示词：

请找出以上代码的Bug，先说明错误在哪并修复。

3.根据 Copilot 的智能提示展示后面的代码内容。以下为 Copilot 返回的信息，精准的定位到了问题。

# 请找出以