没有写过 C/C++,如果代码很多的话,可以把方法拆成多个代码段,让大模型记住上下文,可能可以解决,但是效果会差些。
Import 的改动是直接过滤掉的,版本号的话 Java 一般改动在 pom 文件里面,是和组件运行日志一起做校验的,配置这些改错了,一般环境上运行会抛一些异常,这样组合来使用的
1.假设五个文件都做了修改,会把五个文件中修改部分提取出来,粒度目前为方法级别。一个方法的代码量看各个公司制定的规则吧,一般不能超过 50 行。 这个内容大小大多数 AI 模型都是支持的吧。
2.粒度是方法级别,在一个方法里面修改了一行,也会把整个方法给大模型,修改的部分重点给模型标注,然后 review
插眼
找个测试女朋友
我们公司就用的 RF,入职实在受不了那个臃肿的语法,自己写了个框架,RF 只作为调用层和出报告,作为调用 Python 的框架还是挺好用的
使用 from 导入模块,在执行 python 脚本的时候,要保证工作目录在导出模块的上一层,这样 python 解释器会去搜索这个目录
成都还有无 HC 啊
对于简单常见的功能可以使用大模型评审用例,提示词也很好写,但是在专业领域一个需求背景很多,大模型没有对这些专业知识进行训练,无法理解业务有哪些测试点,那么评审用例的效果其实也就很差了