测试思想-测试设计 公共用例设计实践

简介: 测试思想-测试设计 公共用例设计实践

公共用例设计实践


背景介绍(大致如下)

 

 

图一:我的-个人资料-动态                     图二:发现

 

 

 

 

图三:动态转发                                         图四:动态评论

         

 

 

 

图五:动态正文


 

转发、评论、赞咋用的,这个就不用我说了吧,用过新浪微博之类的应该懂的,没用过的话去用用就懂了~~

 

问题:

从上图可看到,转发,评论,赞都有多个入口:

发现页面-列表、我的-个人资料-动态页面-列表、动态详情(正文)界面

转发,评论对话框都有多种情况,怎么设计用例?

 

第一:观察

发现页面,我的-个人资料-动态,页面,这两个页面表面上看,似乎不一样,但是仔细看看,本质是一样的,都是动态列表,而且动态记录显示方式,大同小异;再进一步分析,点击动态,都是进入动态详情(正文)”,而且动态正文也是基本一样。

且动态详情页面的信息和列表页面的信息(转发数,评论数,赞数等是保持一致的)

 

到此:我们可以划分出两个公用模块:动态列表+动态详情

接下来,对公用模块进行用例设计分析

 

第二:分析操作流程

动态列表页

评论按钮操作:

情形1:评论按钮>>评论对话框>>返回动态列表>>评论按钮旁的评论数加1

 

情形2:评论按钮(评论数不为0)>>动态详情页(显示转发标签页或评论标签页)>>评论标签页的评论数加1

 

仔细分析情形1,情形2,我们可以很好的划分出两个测试点:动态评论(情形1),动态评论查看(情形2)

 

转发按钮操作:

转发按钮>>转发对话框>>返回动态列表>>转发按钮旁的转发数加1

 

赞按钮操作:

赞按钮>>赞按钮高亮,赞按钮旁的赞数加1

 

动态详情页

评论按钮操作:

评论按钮->评论对话框->返回动态详情页(显示转发标签页或评论标签页)->评论标签页的评论数加1

 

转发按钮操作:

转发按钮>>转发对话框>>返回动态详情页(显示转发标签页或评论标签页)>>转发标签页的转发数加1

 

赞按钮操作:

赞按钮>>赞按钮高亮,赞标签上的赞数加1

再次点击赞按钮>>赞按钮灰色,赞标签上的赞数减1,为0则不显示

 

对比上述动态列表和动态详情页的操作,我们可以分离出共同点

 

评论按钮操作:

评论按钮>>评论对话框>>返回对话框所在父界面>>评论数加1

 

转发按钮操作:

转发按钮>>转发对话框>>返回对话框所在父界面>>转发数加1

 

赞按钮操作:

赞按钮>>点赞>>赞按钮高亮,赞数加1>>再次点赞>>赞数减1,按钮灰色

 

第三:细分情况

1.评论对话框

评论加转发

评论不转发

还有个特别@功能

注:其中@功能比较特殊,单独出来

 

2.转发对话框

评论加转发

评论不转发

也有个特别@功能

注:其中@功能比较特殊,单独出来

 

第四:用例设计

见截图,框选部分

 

 

说明:思路是这样的:

1. 动态评论,转发动态,赞动态为动态列表、动态详情页面的公共用例

2. 动态列表、动态详情模块的用例作为发现、我的-个人资-动态模块的公共用例

目录
相关文章
|
10月前
|
数据采集 监控 机器人
浅谈网页端IM技术及相关测试方法实践(包括WebSocket性能测试)
最开始转转的客服系统体系如IM、工单以及机器人等都是使用第三方的产品。但第三方产品对于转转的业务,以及客服的效率等都产生了诸多限制,所以我们决定自研替换第三方系统。下面主要分享一下网页端IM技术及相关测试方法,我们先从了解IM系统和WebSocket开始。
210 4
|
2月前
|
机器学习/深度学习 自然语言处理 API
query改写:大模型应用测试离不开的实践
queryrewrite 是一个用于大模型应用测试的 Python 库,专注于查询(query)的改写与验证。它支持多种改写方法,包括大型语言模型(LLM)、词汇表替换和同义词替换,同时提供多种验证方法如 ROUGE-L、BLEU、帕累托最优和LLM语义相似度,以确保改写后的查询在语义上保持一致。该项目特别优化了对中文文本的处理,涵盖分词和相似度计算。用户可通过 pip 安装,并支持扩展不同的 LLM 模型,如 OpenAI、Ollama 等。
484 87
query改写:大模型应用测试离不开的实践
|
2月前
|
JSON 自然语言处理 算法
大模型应用测试必备技能:问题对生成实践
本文介绍了利用LangChain的QAGenerationChain从文本生成问题-答案对(QA pairs)的方法,旨在解决LLM应用开发中测试数据生成的格式不统一、库版本过时、模型输出异常及代码可维护性差等问题。文中提供了完整的代码实现,并对生成结果进行了有效性评估,包括语义相似度检查、关键词匹配和重复性检测,确保生成的QA对质量可靠,适用于知识库测试与评估。
290 86
|
20天前
|
Java 测试技术 API
自动化测试工具集成及实践
自动化测试用例的覆盖度及关键点最佳实践、自动化测试工具、集成方法、自动化脚本编写等(兼容多语言(Java、Python、Go、C++、C#等)、多框架(Spring、React、Vue等))
65 6
|
19天前
|
人工智能 边缘计算 搜索推荐
AI产品测试学习路径全解析:从业务场景到代码实践
本文深入解析AI测试的核心技能与学习路径,涵盖业务理解、模型指标计算与性能测试三大阶段,助力掌握分类、推荐系统、计算机视觉等多场景测试方法,提升AI产品质量保障能力。
|
28天前
|
人工智能 自然语言处理 测试技术
AI测试平台的用例管理实践:写得清晰,管得高效,执行更智能
在测试过程中,用例分散、步骤模糊、回归测试效率低等问题常困扰团队。霍格沃兹测试开发学社推出的AI测试平台,打通“用例编写—集中管理—智能执行”全流程,提升测试效率与覆盖率。平台支持标准化用例编写、统一管理操作及智能执行,助力测试团队高效协作,释放更多精力优化测试策略。目前平台已开放内测,欢迎试用体验!
|
2月前
|
人工智能 资源调度 jenkins
精准化回归测试:大厂实践与技术落地解析
在高频迭代时代,全量回归测试成本高、效率低,常导致关键 bug 漏测。精准化测试通过代码变更影响分析,智能筛选高价值用例,显著提升测试效率与缺陷捕获率,实现降本增效。已被阿里、京东、腾讯等大厂成功落地,成为质量保障的新趋势。
|
2月前
|
搜索推荐 Devops 测试技术
避免无效回归!基于MCP协议的精准测试影响分析实践
本文揭示传统测试的"孤岛困境",提出MCP(Model Context Protocol)测试新范式,通过模型抽象业务、上下文感知环境和协议规范协作,实现从机械执行到智能测试的转变。剖析MCP如何颠覆测试流程,展示典型应用场景,并提供团队落地实践路径,助力测试工程师把握质量效率革命的新机遇。
|
2月前
|
人工智能 缓存 自然语言处理
大模型性能测试完全指南:从原理到实践
本文介绍了大模型性能测试的核心价值与方法,涵盖流式响应机制、PD分离架构、五大关键指标(如首Token延迟、吐字率等),并通过实战演示如何使用Locust进行压力测试。同时探讨了多模态测试的挑战与优化方向,帮助测试工程师成长为AI系统性能的“诊断专家”。
|
4月前
|
人工智能 Java 测试技术
SpringBoot 测试实践:单元测试与集成测试
在 Spring Boot 测试中,@MockBean 用于创建完全模拟的 Bean,替代真实对象行为;而 @SpyBean 则用于部分模拟,保留未指定方法的真实实现。两者结合 Mockito 可灵活控制依赖行为,提升测试覆盖率。合理使用 @ContextConfiguration 和避免滥用 @SpringBootTest 可优化测试上下文加载速度,提高测试效率。
259 6