一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法及系统

摘要: 本发明涉及软件测试,尤其涉及一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法及系统。背景技术:1、单元测试是软件测试体系中最基础也是最重要的环节,通过验...
一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法及系统

本发明涉及软件测试,尤其涉及一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法及系统。

背景技术:

1、单元测试是软件测试体系中最基础也是最重要的环节,通过验证函数、方法、类或模块在特定输入和状态下的行为是否正确,为代码重构、持续集成和缺陷定位提供安全保障。高质量单元测试需要满足三个条件:代码正确可执行、测试目标和业务逻辑对齐、能够揭示系统内部缺陷。

2、近年来,大语言模型展现出较强的代码理解和生成能力,能从函数签名、注释、已有测试、文档等多源上下文信息中推断测试场景并生成测试代码,为自动化单元测试生成开辟了新的技术路径。在此基础上,相关研究进一步引入项目依赖感知、语言知识、测试意图、执行反馈修复和业务语义等信息,以提高生成测试的可编译性、覆盖率和揭错能力,持续推动自动化单元测试生成方法向更高质量演进。

3、大语言模型虽可批量生成大量测试用例,但现有自动化单元测试生成方法缺少一种统一的数据结构来描述业务需求、项目代码和单元测试三者之间的关系,即测试意图,使得系统难以对生成的测试用例进行价值评估与冗余判定,无法自动识别哪些测试是冗余的、哪些业务场景需要优先补充测试,最终大量自动生成的单元测试仍需开发者逐一审核测试预言是否正确、测试代码与业务场景是否一致,耗费了大量的人力精力。

技术实现思路

1、本发明提供了一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法及系统,解决了现有自动化单元测试生成方法耗费了大量的人力精力的技术问题。

2、本发明第一方面提供的一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法,包括:

3、获取多源项目数据,并采用静态分析工具和预训练大语言模型对所述多源项目数据进行结构化解析与知识提取,输出结构化项目知识集合;

4、采用函数工具包对所述结构化项目知识集合,执行测试意图原子抽取与字段规范化处理,输出标准化测试意图原子;

5、对所述标准化测试意图原子进行关系边构建与图谱组装,输出初始测试意图图谱;

6、根据所述结构化项目知识集合、所述标准化测试意图原子和所述初始测试意图图谱进行结构化提示生成处理,输出多个结构化提示词;

7、将多个所述结构化提示词输入所述预训练大语言模型,执行测试代码生成与迭代修复验证处理,输出目标单元测试代码集合。

8、可选地,所述多源项目数据包括被测项目源代码、已有测试代码、项目文档、代码变更历史和历史执行反馈;所述结构化项目知识集合包括代码结构信息、项目测试规范信息、业务规则知识、变更与缺陷知识和执行反馈知识;所述采用静态分析工具和预训练大语言模型对所述多源项目数据进行结构化解析与知识提取,输出结构化项目知识集合,包括:

9、采用所述静态分析工具对被测项目源代码进行语法解析,得到抽象语法树;

10、基于所述抽象语法树开展控制流与依赖分析,得到代码结构信息;

11、采用所述静态分析工具对所述已有测试代码进行结构解析,得到项目测试规范信息;

12、采用所述预训练大语言模型对项目文档做语义摘要处理,得到业务规则知识;

13、采用所述预训练大语言模型对代码变更历史做语义摘要处理,得到变更与缺陷知识;

14、对历史执行反馈做分类解析,得到执行反馈知识。

15、可选地,所述函数工具包包括命名规范化函数、标签合并函数、状态键值对规范化函数和分类规范化函数;所述采用函数工具包对所述结构化项目知识集合,执行测试意图原子抽取与字段规范化处理,输出标准化测试意图原子,包括:

16、采用命名规范化函数对所述代码结构信息、所述项目测试规范信息做标识统一处理,生成测试对象字段;

17、采用标签合并函数对所述代码结构信息、所述项目测试规范信息、所述业务规则知识、所述变更与缺陷知识做去重合并,生成标准化测试场景字段;

18、采用状态键值对规范化函数对所述代码结构信息、所述项目测试规范信息、所述业务规则知识做格式统一,生成键值对格式的前置条件字段;

19、对所述代码结构信息、所述业务规则知识做动作拆解,生成触发动作字段;

20、采用分类规范化函数对所述项目测试规范信息、所述代码结构信息、所述业务规则知识做分类整理,生成期望行为字段;

21、对所述变更与缺陷知识、所述执行反馈知识做标签提取,生成风险标签字段;

22、汇总所述测试对象字段、所述标准化测试场景字段、所述键值对格式的前置条件字段、所述触发动作字段、所述期望行为字段和所述风险标签字段对应的数据来源信息,生成证据集合字段;

23、匹配所述执行反馈知识与所述项目测试规范信息中对应意图的已有测试实现与执行记录,生成历史记录字段;

24、将所述测试对象字段、所述标准化测试场景字段、所述键值对格式的前置条件字段、所述触发动作字段、所述期望行为字段、所述风险标签字段、所述证据集合字段和所述历史记录字段,按统一格式组装为标准化测试意图原子。

25、可选地,所述对所述标准化测试意图原子进行关系边构建与图谱组装,输出初始测试意图图谱,包括:

26、按所述测试对象字段对所述标准化测试意图原子集合中的多个标准化测试意图原子做分组处理,得到多个同对象候选意图集合;

27、针对每个所述同对象候选意图集合,将同对象候选意图集合内每个同对象候选意图的前置条件字段与期望行为字段做合并,得到每个同对象候选意图对应的状态集合,对同对象候选意图集合内的各个同对象候选意图两两比对各自的状态集合,统计两个状态集合中冲突状态的占比,得到两个同对象候选意图之间的互斥权重,将每对同对象候选意图的互斥权重与预设互斥阈值做比较,若互斥权重大于预设互斥阈值,则在两个同对象候选意图对应的节点之间建立同对象互斥关系边;

28、针对每个所述同对象候选意图集合,将同对象候选意图集合内每个同对象候选意图的触发动作字段与期望行为字段做合并,得到每个同对象候选意图对应的可产生状态集合,将每个同对象候选意图的可产生状态集合与对应同对象候选意图集合内其他同对象候选意图的前置条件字段做匹配,计算可产生状态对前置条件的覆盖占比,得到两个同对象候选意图之间的依赖权重,判断每对同对象候选意图的覆盖占比是否满足部分或全部覆盖条件,若满足则在两个同对象候选意图对应的节点之间建立对应方向的依赖关系边;

29、针对每个所述同对象候选意图集合,对同对象候选意图集合内的每对同对象候选意图分别计算多维相似度,对多维相似度取均值,得到两个同对象候选意图之间的冗余权重,基于冗余权重在两个同对象候选意图对应的节点之间建立同对象冗余关系边;

30、针对不同测试对象的标准化测试意图原子,匹配通用测试模式,得到匹配结果,基于匹配结果计算基础相似度,得到两个标准化测试意图原子之间的跨对象相似权重,基于跨对象相似权重在两个标准化测试意图原子对应的节点之间建立跨对象相似关系边;

31、根据标准化测试意图原子对应的节点、同对象候选意图对应的节点以及对应的同对象互斥关系边、依赖关系边、同对象冗余关系边、跨对象相似关系边,构建初始测试意图图谱。

32、可选地,所述根据所述结构化项目知识集合、所述标准化测试意图原子和所述初始测试意图图谱进行结构化提示生成处理,输出多个结构化提示词,包括:

33、基于所述初始测试意图图谱中的同对象冗余关系边与各个测试意图原子节点的历史记录字段,计算每个所述测试意图原子节点的未覆盖度指标;

34、采用各所述测试意图原子节点的风险标签字段数量、证据集合字段元素数量、期望行为字段元素数量与已实现互斥意图数,经归一化处理得到每个所述测试意图原子节点的缺陷风险指标;

35、统计每个所述测试意图原子节点的前置条件字段状态项数、触发动作字段步骤数、未实现依赖意图数与已实现相似意图数,经归一化处理得到每个所述测试意图原子节点的生成成本指标;

36、采用每个所述测试意图原子节点的未覆盖度指标、缺陷风险指标生成成本指标,计算每个所述测试意图原子节点的综合价值评分;

37、按所述综合价值评分从高到低对各所述测试意图原子节点做排序,并选取前预置数量个测试意图原子节点作为高价值测试意图原子;

38、对于每个所述高价值测试意图原子,提取每个所述高价值测试意图原子的测试对象字段作为目标对象信息;

39、提取每个所述高价值测试意图原子的测试场景字段、前置条件字段、触发动作字段、期望行为字段作为意图核心要求;

40、从所述初始测试意图图谱中调取每个所述高价值测试意图原子对应的依赖意图已实现代码、跨对象相似意图参考代码作为参考实现代码;

41、将所述目标对象信息、所述意图核心要求、所述参考实现代码以及所述结构化项目知识集合中的项目测试规范信息中的项目风格规范按固定格式组装为结构化提示词。

42、可选地,所述将多个所述结构化提示词输入所述预训练大语言模型,执行测试代码生成与迭代修复验证处理,输出目标单元测试代码集合,包括:

43、将各所述结构化提示词分别输入所述预训练大语言模型做代码生成处理,得到多个候选单元测试代码;

44、将各所述候选单元测试代码分别放入项目编译环境执行编译与运行,测试通过则同步采集代码覆盖率数据,测试失败则提取报错栈信息;

45、若测试未通过且未达到预设最大迭代次数,则将报错栈信息补充至对应的结构化提示词中,并调用所述预训练大语言模型执行迭代修复,直至达到预设最大迭代次数;

46、将达到预设最大迭代次数时确定的多个候选单元测试代码和对应的代码覆盖率数据、报错栈信息进行汇总,得到目标单元测试代码集合。

47、可选地,还包括:

48、从所述目标单元测试代码集合中提取每个目标单元测试代码对应的执行反馈信息;

49、根据每个目标单元测试代码对应的执行反馈信息,对所述初始测试意图图谱执行节点字段更新与关系边权重调整处理,得到更新后的测试意图图谱;

50、根据每个目标单元测试代码对应的执行反馈信息进行自进化测试记忆演化操作处理,得到更新后的自进化测试记忆。

51、本发明第二方面提供的一种基于测试意图图谱与自进化记忆智能体的单元测试生成系统,包括:

52、获取模块,用于获取多源项目数据,并采用静态分析工具和预训练大语言模型对所述多源项目数据进行结构化解析与知识提取,输出结构化项目知识集合;

53、采用模块,用于采用函数工具包对所述结构化项目知识集合,执行测试意图原子抽取与字段规范化处理,输出标准化测试意图原子;

54、组装模块,用于对所述标准化测试意图原子进行关系边构建与图谱组装,输出初始测试意图图谱;

55、输出模块,用于根据所述结构化项目知识集合、所述标准化测试意图原子和所述初始测试意图图谱进行结构化提示生成处理,输出多个结构化提示词;

56、迭代模块,用于将多个所述结构化提示词输入所述预训练大语言模型,执行测试代码生成与迭代修复验证处理,输出目标单元测试代码集合。

57、本发明第三方面提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上述所述的基于测试意图图谱与自进化记忆智能体的单元测试生成方法的步骤。

58、本发明第四方面提供的一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时实现如上述所述的基于测试意图图谱与自进化记忆智能体的单元测试生成方法。

59、从以上技术方案可以看出,本发明具有以下优点:

60、本发明上述方案提供了一种基于测试意图图谱与自进化记忆智能体的单元测试生成方法,获取多源项目数据,并采用静态分析工具和预训练大语言模型对多源项目数据进行结构化解析与知识提取,输出结构化项目知识集合;采用函数工具包对结构化项目知识集合,执行测试意图原子抽取与字段规范化处理,输出标准化测试意图原子;对标准化测试意图原子进行关系边构建与图谱组装,输出初始测试意图图谱;根据结构化项目知识集合、标准化测试意图原子和初始测试意图图谱进行结构化提示生成处理,输出多个结构化提示词;将多个结构化提示词输入预训练大语言模型,执行测试代码生成与迭代修复验证处理,输出目标单元测试代码集合;基于上述方案,本发明通过对多源项目数据进行结构化解析与知识提取,形成统一的结构化项目知识集合,在此基础上执行测试意图原子抽取与字段规范化处理,将分散的测试需求统一转化为格式规范的标准化测试意图原子,进一步对标准化测试意图原子进行关系边构建与图谱组装,形成初始测试意图图谱,能够通过图谱结构自动识别冗余测试意图、评估测试价值与优先级,随后基于结构化项目知识集合、标准化测试意图原子和初始测试意图图谱进行结构化提示生成处理,按照价值评分筛选高价值测试意图并按固定格式输出多个结构化提示词,从生成源头控制测试用例的价值密度,最终将多个结构化提示词输入预训练大语言模型,并通过测试代码生成与迭代修复验证处理输出目标单元测试代码集合,借助编译运行反馈与迭代修复机制自动校正生成结果,提升测试代码的可执行性与正确性,从而减少人工审核冗余测试用例的工作量,降低单元测试生成过程中的人力精力消耗。