AI自动化测试工具Testim使用教程

已于 2025-02-25 19:12:12 修改
阅读量1w 收藏 72
点赞数 26
分类专栏： 自动化测试 文章标签： 自动化
于 2024-09-14 17:37:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_53148541/article/details/142261929
版权

目录

一、Testim 和 Katalon studio 使用对比

二、使用步骤

1、登录

2、功能区简单介绍

3、创建测试组、测试用例

4、录制脚本

5、调试、优化脚本

6、添加断言

6.1  正常操作

6.2  改进方法

7、保存用例

8、邀请同事加入团队

9、疑难解答

9.1  调试时遇到“Error while trying to play test, the test is too long”报错怎么办？

9.2  录制图标显示灰色，不能录制脚本怎么办？

9.3  录制时定位准确，执行时没有定位到导致阻塞怎么破？

修改记录：

2024/10/11          增加“6、添加断言”章节

2024/10/15          补充“3、创建测试组、测试用例”，增加“6.2  改进方法”、“8、疑难解答”

2025/02/25          增加“8、邀请同事加入团队”，补充“1、登录”的注意事项

前言

最近摸索了2个自动化测试工具，个人推荐Testim，这是一个国外的AI自动化测试工具，使用这个工具可在版本迭代时对整个平台系统进行一轮测试，无需人工再测试一遍，当然如果有模块更新了，就要更新脚本。

一、Testim 和 Katalon studio 使用对比

Katalon studio是我2024年用过的最垃圾的自动化工具，避雷！

Testim工具的优点：

①定位精确，能识别鼠标悬浮、鼠标中键上下滑动操作

②可视化界面，支持编辑脚本中的参数

③执行测试速度更快捷

④能设置文本、图片形式的断言

⑤无代码平台，不需要过多学习成本

二、使用步骤

官方使用指南链接：Shared Steps

1、登录

登录官网https://www.testim.io/，点击TRY TESTIM FOR FREE，支持工作邮箱、谷歌账号、GitLab账号登录，一个账号登录支持免费使用15天。注意：①请用公司的公共账号，不要用员工私人账号，公司务必要做好账号管控，不然员工离职时，发现员工的某些产出无法迁移/共享/导出/复制给交接人（员工不可能拿私人的Github账号密码给公司随意使用）；②如果你的Github账号是用QQ邮箱注册的，那么不要用这个Github账号去登Testim去录脚本，因为邀请别人时只允许用企业邮箱，用其他邮箱会报错！

2、功能区简单介绍

3、创建测试组、测试用例

成熟的打工仔都知道，分门别类管理好文件是多么重要！我们在一开始就要创建好文件层级。点击左侧导航栏的Test List，点击，可选择New folder（新建多个文件夹，用于放置不同角色的测试用例，执行时先登录待测角色的账号，再点击run。）或New test，方便起见，我直接新建测试用例，页面跳转到Editor界面，设定待测平台的网址，点击图标可编辑网址。点击图标开始录制脚本，浏览器会自动弹出弹窗。

记住：首次录制脚本要先登录待测平台，输入账号密码；后面测试时打开平台的待测账号就行，无需输入账号密码验证码，这点比另一个自动化测试工具katalon studio要好用得多。

4、录制脚本

在弹窗中执行一遍测试，点击图标停止脚本录制。脚本会按照录制时的顺序一步步依次呈现。

点击图标可从此处开始执行测试。

当遗漏某些步骤时可点击图标进行补充。

支持按住鼠标左键框选、单击鼠标左键单选、按住ctrl多选，点击图标可删除多余、冗余步骤。

5、调试、优化脚本

脚本录制完成后需多调试运行几次，排查定位不准确、测试逻辑不周全等问题。

脚本优化可采取一下技巧：

①执行编辑、删除操作前先查询筛选，防止误删、误操作

②设定自动化测试专用的账号，防止污染、破坏以前的数据

③新增后可以删除，不留痕

④先登录号待测试的账号、准备好数据，数据都没有咋测呢

⑤给每次自动化测试的步骤添加标签，提醒使用者知道哪一步要更新参数，例如给标题添加♥符号

6、添加断言

6.1  正常操作

做过性能测试的同学都知道，每个关键接口必须添加断言，那么自动化测试的目的是解放双手、双眼，让我们把精力分配到更大价值的任务上去，所以怎么在testtim中添加断言呢？常用有2种：文本断言、图片断言，步骤如下：点击图标，弹出预定义步骤列表，点击VALIDATIONS，可选断言方式（AI断言还没有试过，有尝试过的同学可以评论补充），弹出窗口选择符合预期结果的文本或图片，点击1次，断言添加成功！执行时会进行验证，就不用我们看执行情况了。

6.2  改进方法

添加断言确实有用，但每一个操作都得停止录制后再一个个添加就好麻烦，最近琢磨出更好的方法，把断言加入到录制脚本的步骤中去，例如要录制查询学号的功能，一般步骤：点击学号搜索框、输入特定学号、回车、点击停止录制、点击回车步骤添加学号的断言，优化步骤：点击学号搜索框、输入特定学号、回车、点击查询结果里的特定学号、点击停止录制。

7、保存用例

常点击。今天电工师傅修电灯，突然跳闸，电脑断电，我又得录制一遍脚本，以后公司来了电工，就要警惕起来，随时保存数据。

8、邀请同事加入团队

按照图中的顺序执行，第3步输入被邀请人的企业邮箱，人机身份验证通过后点击 INVITE ，会有邀请邮件发送给同事，打开邮件确认加入，同事可以查看、编辑和运行项目中的所有测试、查看测试结果以及邀请其他用户。具体细节点击该链接了解： Project users management

 

9、疑难解答

9.1  调试时遇到“Error while trying to play test, the test is too long”报错怎么办？

录制脚本过长，预估超过900个步骤就会提示这个错误，脚本不能执行，那么我们就在Test List里点击Play，就会完整执行整个脚本。

9.2  录制图标显示灰色，不能录制脚本怎么办？

录制图标显示灰色可能是正在运行脚本、正在录制脚本或你有异常操作，这时点击顶部动作栏的Start recording，再点击停止录制，回到Testim点击某步骤就能录制脚本了

9.3  录制时定位准确，执行时没有定位到导致阻塞怎么破？

方案1：删除该步骤，重新录制，例如：点击查询没有定位到就删除原步骤，重新录一下点击查询这个操作

方案2：点击该步骤的设置图标，点击Targetelement里的Reassign，重新定位一下

a_Aitest自动化测试工具-------学习笔记01
人人为我，我为人人
07-10 1494
看了一下官方的文档，大概是类似Sikuli的一个工具，主要用来做游戏自动化的，通过截图的方式用来解决游戏自动化测试的难题。最近，移动端测试的同事尝试用它的poco库来做自动化，看样子还不错，所以，这里推荐给各位同学。 官方网站http://airtest.netease.com/ 你可以使用账号登录或直接点击左下角“skip”按钮跳过。 启动Android模拟器或者用PC连接一台手机。通过adb命令检查移动设备。 > adb devices List of devices attached
【软件测试】智能自动化测试工具
weixin_46453070的博客
02-20 1547
这些工具通过利用AI和机器学习技术，帮助自动化测试过程中的多个环节，包括测试用例的生成、执行、维护和分析，从而提高了测试的效率和准确性。：虽然Sauce Labs是一个云端的自动化测试平台，它提供了一系列的智能测试解决方案，如实时测试、视觉回归测试和移动设备测试，其中一些功能利用了AI技术来提高测试的效率和效果。随着人工智能技术的发展，智能自动化测试工具也在逐渐兴起，这些工具利用AI和机器学习算法来优化测试过程、提高测试效率和准确性。它可以帮助团队识别未经测试的代码区域，优化测试策略，从而提高软件质量。
TestIM-开源
04-24
TestIM是使用行业标准管理技术（例如CIM，WBEM，SMI-S，CDM和SMASH / DASH）的计算机产品的高效测试/开发工具。 有关详细信息，请联系www.Olocity.com。
Testim - AI 加持的自动化测试平台
公众号【伤心的辣条】资料领取~
06-17 2145
Testim.io 提供了一个基于AI的自动化测试平台，专注于Web和移动应用的端到端测试。这个平台包括一系列的工具和服务，旨在简化测试过程，提高测试的效率和可靠性。下面是Testim.io平台提供的具体功能和工具：
TOP15 AI测试工具（更新至2025年）
fzxwl的博客
03-26 261
AI测试工具是利用人工智能（AI）和机器学习（ML）自动化和优化软件应用程序测试过程的软件解决方案。这些工具通过使用AI算法来识别模式、检测错误，甚至预测应用程序中的潜在故障，从而增强了传统的测试自动化。与传统的测试方法不同，AI测试工具能够适应代码的变化，使它们对动态和复杂的应用程序更加高效。例如，AI测试工具中的自我修复功能可以在应用程序的用户界面发生变化时自动更新测试脚本，从而减少了对人工干预的需求。
告别自动化测试维护难题！推荐一款端到端测试的AI测试工具！
人生不怕起点低，就怕没追求
03-28 818
随着人工智能技术的快速发展，AI 测试工具正在成为提升软件研发效能的关键。每款AI的特性各有差异，今天，我们就给大家介绍一款专注于Web和移动应用的端到端的AI测试工具--Testim。
独家推荐！这款端到端AI测试工具 Testim，让效率飙升！（支持移动端、Web端）
最新发布
测试开发技术
04-03 464
Testim是一款专为现代软件开发团队打造的端到端测试平台，它深度融合了人工智能技术，旨在简化测试流程，提高测试效率与可靠性。与传统测试工具不同，Testim 能够理解应用程序的结构和用户行为，自动生成、维护和执行测试脚本，极大地减少了测试过程中的人力成本与时间消耗。而在众多的AI测试工具中，Testim凭借其出色的性能和易用性脱颖而出，成为众多开发者和测试工程师的首选。Testim不仅支持移动端和Web应用的测试，还通过其智能算法，极大地降低了测试创建和维护的复杂度，让测试工作变得更加高效和轻松。
可以写自动化测试工具的AI工具
2301_78843735的博客
09-25 759
随着自动化越来越普遍被大家使用，各种AI工具也层出不穷。今天就为大家列举一些自动化测试脚本书写方面的AI工具。感兴趣的同学可以去研究一下。
Mac系统Testim使用初体验
路飞
04-14 3221
如题
Testim试用
weixin_56051569的博客
09-11 2078
它提供了直观的界面，允许用户创建、维护和运行自动化测试，而无需编写复杂的脚本代码。Testim.io支持多种浏览器，并且可以轻松地与CI/CD管道集成，从而加速测试过程。通过以上步骤，您应该能够顺利地开始使用Testim.io来进行Web应用程序的自动化测试。- 登录Testim.io后，点击“Create New Project”，输入项目名称及相关信息。- 访问Testim.io官网，点击“Sign Up”按钮注册一个新的账户。- 如果问题无法自行解决，可以联系Testim.io的支持团队。
使用Testim进行Javascript端到端测试：示例介绍
culiu9261的博客
07-21 3136
This post is an introductory guide to JavaScript end-to-end testing, using a tool called Testim. End-to-end testing (or E2E Testing, for short) is one of the many types of automated tests that current...
Mac系统Testim使用说明
yinshuilan的专栏
06-24 1038
Testim是一款基于AI的自动化测试工具，可以快速编写稳定的测试和 TestOps 工具，以帮助团队有效地扩展测试。
人工智能 自动化测试_测试中的AI：第三波自动化
danpu0978的博客
05-28 2130
人工智能 自动化测试 敏捷方法论的发展迫使企业进行创新并以闪电般的速度交付。 在交付周期时间减少的同时，提供积极的用户体验并保持竞争优势所需的技术复杂性也在增加，而我们引入引人注目的创新的速度也在增加。 为了满足持续集成和交付的需求，我们转向了以自动化为后盾的连续测试，但是当这些趋势持续并且差距扩大时，我们如何进行测试？ 由于这是数字转型的时代，我们需要数字测试来满足由AI，IoT，机器人...
【Python】AI赋能自动化测试—Applitools Eyes让视觉检查自动化测试更智能、更高效
墩墩分墩
07-16 2379
视觉回归测试（Visual Regression Testing）是一种软件测试技术，通过捕获网页的屏幕截图或图像，并将其与基准图像进行比较，以检测变化。用来识别由代码更改或升级引起的视觉回归Test results 测试结果Tests requiring attention 需要关注的测试Apps & tests 应用程序与测试Branch baselines 分支基线Environments 环境Compare & merge branches 比较与合并分支Insights 洞察。
AI 驱动的自动化测试框架：提升开发效率与质量
桂月二二博客
02-07 1031
通过自动生成测试用例、智能分析结果和动态优化测试策略，AI 不仅提升了开发周期中的测试质量，也为软件开发团队节省了大量的时间和资源。例如，如何覆盖各种场景，如何提高测试的准确性和可靠性，如何在快速迭代的开发周期中保持高效的测试覆盖率。针对这些问题，AI 驱动的自动化测试框架应运而生，通过智能化的测试策略提升开发质量，缩短开发周期。在这篇更新后的文章中，我加入了多个与 AI 驱动的自动化测试框架相关的代码示例，展示了如何在不同情况下利用 AI 技术生成测试用例、分析结果以及进行回归测试。
人工智能AI在软件测试和质量效能中的实际应用
lindafang72的博客
10-27 9065
人工智能在软件测试中应用，介绍chatGPT在测试中的应用，还有多个AI驱动的测试工具。
2023 年 31 大功能测试工具
卓码测评
05-10 3444
一些自动化测试工具有助于功能测试，使您能够通过在视觉级别与 UI 交互来模拟真实的用户行为。因此，选择正确的功能测试工具对于自动化和显着影响您的软件测试过程至关重要。
自动化测试智能化，告别测试盲区
AI分享官
09-12 644
在自动化测试的波涛汹涌中，最让我头疼的就是那些复杂如迷宫的业务逻辑了。维护成本高，一开始就把我搞得晕头转向；模拟真实用户行为，更是让人百思不得其解；那些繁琐的测试数据，简直是孙悟空身上的妖风，捉摸不透；覆盖率咋看咋不理想，每次都让人心烦。但是，万万没想到，我在ai123.cn发现了一批神器🕵️‍♂️🔍。
9个用于测试自动化的最佳AI测试工具（2024）
自动化测试技术栈
12-25 2027
选择一款优质的基于生成式AI人工智能的测试工具能够确保测试过程的准确性和效率，从而加速整个软件测试周期。相反，设计不佳的测试工具可能无法发现错误，并可能存在安全问题。它们可能产生误报或漏报，误导开发与测试团队，导致潜在的软件故障。
deepseek的微调和RAG
02-18
### 微调 DeepSeek 并实现 RAG #### 定义微调目标和数据准备 为了使 DeepSeek 获得特定领域的知识或新知识，可以通过细调来达成这一目的[^3]。这不仅能够提升模型在特定领域内的表现，还能优化其处理复杂查询的能力。 ```python from datasets import load_dataset, DatasetDict # 加载自定义的数据集并将其分割成训练集和测试集 data_files = {"train": "path_to_train_data", "test": "path_to_test_data"} dataset = load_dataset('csv', data_files=data_files) # 如果需要的话，可以对数据集进行预处理操作 def preprocess_function(examples): return tokenizer(examples['text'], truncation=True) tokenized_datasets = dataset.map(preprocess_function, batched=True) ``` #### 执行微调过程 完成数据准备工作之后，下一步就是设置微调参数，并启动实际的微调流程。此阶段涉及到选择合适的硬件资源、配置超参数以及监控训练进度等方面的工作。 ```python import transformers from transformers import AutoModelForSequenceClassification, TrainingArguments, Trainer model_name = 'deepseek-model-name' model = AutoModelForSequenceClassification.from_pretrained(model_name, num_labels=2) training_args = TrainingArguments( output_dir='./results', evaluation_strategy='epoch', learning_rate=2e-5, per_device_train_batch_size=8, per_device_eval_batch_size=8, num_train_epochs=3, weight_decay=0.01, ) trainer = Trainer( model=model, args=training_args, train_dataset=tokenized_datasets["train"], eval_dataset=tokenized_datasets["test"] ) trainer.train() ``` #### 整合 RAG 技术 当完成了上述微调工作后，接下来要做的便是引入检索增强生成技术(Retrieval-Augmented Generation)，即RAG。该方法允许模型利用外部文档库中的信息作为补充材料，在生成回复时提供更加精准的内容支持[^1]。 ```python from langchain.chains.hybrid_search_chain import HybridSearchChain from langchain.vectorstores import FAISS from langchain.embeddings.openai import OpenAIEmbeddings embeddings = OpenAIEmbeddings() vectorstore = FAISS.load_local("faiss_index_directory", embeddings) rag_model = HybridSearchChain.from_llm_and_vectorstore(llm=model, vectorstore=vectorstore) ``` 通过这种方式，不仅可以保持原有优势——如无需频繁更新内部参数即可适应新的知识点；同时也克服了一些局限性，比如减少了对外部数据库依赖所带来的额外开销等问题[^2]。
评论 30
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值