当前位置:首页|资讯|人工智能|编程

基于人工智能的代码分析与 Bug 检测实战

作者:测吧测试开发发布时间:2024-08-06

简介

在人工智能还未盛行的时候,检测 Bug 通常是通过以下几种方式完成:

  1. 研发编写单元测试。

  2. 代码扫描工具,SonarQube、findbugs

  3. 测试人员进行集成测试。


而现在其中的一部分工作,都可以通过人工智能提升效率,辅助开发与测试发现更多的问题,降低成本和提高软件质量。


人工智能可以帮助我们发现各种类型的 bug,包含:

  1. 代码执行报错。

  2. 没有实现需求。

  3. 变量命名不规范。


代码执行报错

以下代码的逻辑非常简单,给定一段列表 a,列表 a 中有四个元素,要从列表 a 中找到索引为 5 的元素,很容易就会发现,这段代码一定是跑不通的。这种会执行报错的代码,copilot 可以很容易帮我们定位到其中的问题。

  1. 输入错误代码:

  1. 给到提示词:请找出以上代码的bug,先说明错误在哪并修复。

  2. 根据 copilot 的智能提示展示后面的代码内容。以下为 copilot 返回的信息,精准的定位到了问题。

没有实现需求

以下代码原本是一段冒泡排序的代码,但是冒泡排序通常要求:从小到大排序,但是这段代码是从大到小排序。接下来,可以通过 copilot 发现其中的 Bug 所在。

  1. 输入错误代码:

  1. 给到提示词:# bubble_sort()是一段实现了冒泡排序算法的函数请找出缺陷,先提示在问题是什么,然后再给出修改后的代码

  2. 根据 copilot 的智能提示展示后面的代码内容。以下为 copilot 返回的信息,精准的定位到了问题。

变量命名不规范

以下代码没有什么特别严重的问题,只是在变量名命名上面不符合 Python PEP8 的规范。但是 copilot 偶尔也能发现这种命名不规范的问题:

  1. 输入不规范的代码:

  1. 给到提示词:请指出以上代码不符合规范的地方,并予以修改

  2. 根据 copilot 的智能提示展示后面的代码内容。以下为 copilot 返回的信息:

  1. 但是这种类型的问题, copilot 也有很多时候发现不了,或者给出的提示毫无价值。所以也不能完全依赖 copilot 返回的结果内容。


总结

在这个章节,主要学习了在代码层面,基于人工智能工具,如何帮助我们查找Bug的技巧。其中Bug的类型也分为多种,主要包含以下几种:

  1. 代码执行报错。

  2. 没有实现需求。

  3. 变量命名不规范。



Copyright © 2024 aigcdaily.cn  北京智识时代科技有限公司  版权所有  京ICP备2023006237号-1