我们用的 BurpSuite，然后二次开发加了 url 配置，只汇总配置中的接口调用信息给 AI

是这个原理，目前我们用的 BurpSuite

接口自动化 Agent：代理服务 +AI 模型 自动抓取测试过程中的测试数据，AI 同步生成自动化代码，手动测试完全，同步自动化代码就写完了，然后在人工整合修改就好

搞硬件的大佬都这么困难吗

确实使用 top 和 jstack 会更简单。但实际工作环境可能会遇到开发连续多天提交了很多次这部分代码，测试的代码不一定和开发代码保持同步了，或者环境上有其他人替换 jar 包之类的骚操作，很多时候发现问题了还要反编译确定下现在 jar 包代码情况，顺便也截图给开发当证据。 用 arthas 提供的功能会更多

问题定位出来了在马后炮肯定能找到更简单的方法

确实有很多信息是不重要的，但还不知道如何提取关键信息

想了解下修改字节码的目的是啥呢，最近在学习 arthas,想看看大佬们都怎么玩儿字节码的

最近也在学习字节码修改，码住

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

成都前三游戏公司了，感觉这个社区都没有游戏测试，学习不到游戏该怎么测

公司的混子，天天摸鱼刷论坛

阅读量不够丫

插眼