成用例？ ◆作者：刘晓佳 Rachel 从 ChatGPT 问世的一刻，便引来了无数人的关注。各行各业似乎都受到了不少冲击。 尤其队员程序员来说，有了不小的挑战——毕竟，谁能赢过拥有巨大容量知识库的智脑 呢？！解放生产力？失业？从此成了绕不开的话题。 程序员尚且如此，对于测试人员来说，GPT 也成了一道门槛和一道台阶。但是，除 了恐惧，我们可以利用 GPT 做些什么呢？总不能坐以待毙是不是？！何不想想，如何让 的“generate unit tests”只会保证至少一个正向和反向用例。就这点来说， 覆盖率完全满足不了啊。那么，要如何实现呢？ 同样的，试试 prompt 自定义模板。我想，好的模板它是可以实现我们这点小愿望的。 但是，目前笔者没有调教好 prompt，能提高一部分单元测试覆盖率，但还没完全满足要 求。希望阅读的你能够给一个好模板。 总结 整体来说，Bito AI 是一款非常优秀的 AI 编码助手，可以兼容 测试天地》七十四 www.51testing.com 前言 一般在做自动化的时候大家都会使用到很多数据，一般像接口数据大部分都是存放 在数据库中，web 自动化的数据可以通过 excel 进行存放，今天小编介绍一种存放方式， 是直接存放在 Yaml 文件中。 Yaml Yaml 是一种人类可读的数据序列化语言。它通常用于配置文件，但也用于数据存储 （例如调试输出）或传输（例如文档标题）。 安装

到解放生产力的工业产品、再到宇宙运行的科学规律，几乎每一件平凡或令人惊叹的事物背后，都隐藏着精 妙的算法思想。 同样，数据结构无处不在：大到社会网络，小到地铁线路，许多系统都可以建模为“图”；大到一个国家，小 到一个家庭，社会的主要组织形式呈现出“树”的特征；冬天的衣服就像“栈”，最先穿上的最后才能脱下； 羽毛球筒则如同“队列”，一端放入、另一端取出；字典就像一个“哈希表”，能够快速查找目标词条。 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。 在算法中，重复执行某个任务是很常见的，它与复杂度分析息息相关。因此，在介绍时间复杂度和空间复杂 度之前，我们先来了解如何在程序中实现重复执行任务，即两种基本的程序控制结构：迭代、递归。 2.2.1 迭代 迭代（iteration）是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某段 代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合在预先知道迭代次数时使用。

为「渐近复杂度分析 asymptotic complexity analysis」，简称「复杂度分析」。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应「时间复杂度 time complexity」和「空间复杂度 space complexity」。 在算法中，重复执行某个任务是很常见的，它与复杂度分析息息相关。因此，在介绍时间复杂度和空间复杂 度之前，我们先来了解如何在程序中实现重复执行任务，即两种基本的程序控制结构：迭代、递归。 2.2.1 迭代 「迭代 iteration」是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某 段代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合在预先知道迭代次数时使用。 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 件为真，则继续执行，否则就结束循环。 下面我们用 while 循环来实现求和 1 + 2 + ⋯ + ? ： # === File: iteration.py ===

到解放生产力的工业产品、再到宇宙运行的科学规律，几乎每一件平凡或令人惊叹的事物背后，都隐藏着精 妙的算法思想。 同样，数据结构无处不在：大到社会网络，小到地铁线路，许多系统都可以建模为“图”；大到一个国家，小 到一个家庭，社会的主要组织形式呈现出“树”的特征；冬天的衣服就像“栈”，最先穿上的最后才能脱下； 羽毛球筒则如同“队列”，一端放入、另一端取出；字典就像一个“哈希表”，能够快速查找目标词条。 基石，而算法为数据结构注入生命力。 ‧ 我们可以将数据结构与算法类比为拼装积木，积木代表数据，积木的形状和连接方式等代表数据结构， 拼装积木的步骤则对应算法。 1. Q & A Q：作为一名程序员，我在日常工作中从未用算法解决过问题，常用算法都被编程语言封装好了，直接用就 可以了；这是否意味着我们工作中的问题还没有到达需要算法的程度？ 如果把具体的工作技能比作是武功的“招式”的话，那么基础科目应该更像是“内功”。 为渐近复杂度分析（asymptotic complexity analysis），简称复杂度分析。 复杂度分析能够体现算法运行所需的时间和空间资源与输入数据大小之间的关系。它描述了随着输入数据大 小的增加，算法执行所需时间和空间的增长趋势。这个定义有些拗口，我们可以将其分为三个重点来理解。 ‧“时间和空间资源”分别对应时间复杂度（time complexity）和空间复杂度（space complexity）。

独立于编程语言，即可用多种语言实现。 1.2.2. 数据结构定义 「数据结构 Data Structure」是在计算机中组织与存储数据的方式。为了提高数据存储和操作性能，数据结构 的设计原则有： ‧ 空间占用尽可能小，节省计算机内存。 ‧ 数据操作尽量快，包括数据访问、添加、删除、更新等。 1. 引言 hello‑algo.com 10 ‧ 提供简洁的数据表示和逻辑信息，以便算法高效运行。 数据结构的设计 定的误导性。反之，「最差时间复杂度」最为实用，因为它给出了一个“效率安全值”，让我们 可以放心地使用算法。 从上述示例可以看出，最差或最佳时间复杂度只出现在“特殊分布的数据”中，这些情况的出现概率往往很 小，因此并不能最真实地反映算法运行效率。相对地，「平均时间复杂度」可以体现算法在随机输入数据下的 运行效率，用 Θ 记号（Theta Notation）来表示。 对于部分算法，我们可以简单地推算出随 ‧「暂存数据」用于保存算法运行中的各种 常量、变量、对象 等。 ‧「栈帧空间」用于保存调用函数的上下文数据。系统每次调用函数都会在栈的顶部创建一个栈帧，函数返 回时，栈帧空间会被释放。 ‧「指令空间」用于保存编译后的程序指令，在实际统计中一般忽略不计。 Figure 2‑9. 算法使用的相关空间 """ 类 """ class Node: 2. 复杂度分析 hello‑algo.com 27 def __init__(self

独立于编程语言，即可用多种语言实现。 1.2.2. 数据结构定义 「数据结构 Data Structure」是在计算机中组织与存储数据的方式。为了提高数据存储和操作性能，数据结构 的设计原则有： ‧ 空间占用尽可能小，节省计算机内存。 ‧ 数据操作尽量快，包括数据访问、添加、删除、更新等。 1. 引言 hello‑algo.com 10 ‧ 提供简洁的数据表示和逻辑信息，以便算法高效运行。 数据结构的设计 定的误导性。反之，「最差时间复杂度」最为实用，因为它给出了一个“效率安全值”，让我们 可以放心地使用算法。 从上述示例可以看出，最差或最佳时间复杂度只出现在“特殊分布的数据”中，这些情况的出现概率往往很 小，因此并不能最真实地反映算法运行效率。相对地，「平均时间复杂度」可以体现算法在随机输入数据下的 运行效率，用 Θ 记号（Theta Notation）来表示。 对于部分算法，我们可以简单地推算出随 ‧「暂存数据」用于保存算法运行中的各种 常量、变量、对象 等。 ‧「栈帧空间」用于保存调用函数的上下文数据。系统每次调用函数都会在栈的顶部创建一个栈帧，函数返 回时，栈帧空间会被释放。 ‧「指令空间」用于保存编译后的程序指令，在实际统计中一般忽略不计。 Figure 2‑9. 算法使用的相关空间 """ 类 """ class Node: 2. 复杂度分析 hello‑algo.com 27 def __init__(self

迭代与递归 在数据结构与算法中，重复执行某个任务是很常见的，其与算法的复杂度密切相关。而要重复执行某个任务， 我们通常会选用两种基本的程序结构：迭代和递归。 2.2.1 迭代 「迭代 iteration」是一种重复执行某个任务的控制结构。在迭代中，程序会在满足一定的条件下重复执行某 段代码，直到这个条件不再满足。 1. for 循环 for 循环是最常见的迭代形式之一，适合预先知道迭代次数时使用。 成正比，或者说成“线性关系”。实际上，时间复杂度描述的就是 这个“线性关系”。相关内容将会在下一节中详细介绍。 2. while 循环 与 for 循环类似，while 循环也是一种实现迭代的方法。在 while 循环中，程序每轮都会先检查条件，如果条 件为真则继续执行，否则就结束循环。 下面，我们用 while 循环来实现求和 1 + 2 + ⋯ + ? 。 # === File: iteration.py === 关系”、以此类推。 2.2.2 递归 「递归 recursion」是一种算法策略，通过函数调用自身来解决问题。它主要包含两个阶段。 1. 递：程序不断深入地调用自身，通常传入更小或更简化的参数，直到达到“终止条件”。 2. 归：触发“终止条件”后，程序从最深层的递归函数开始逐层返回，汇聚每一层的结果。 而从实现的角度看，递归代码主要包含三个要素。 1. 终止条件：用于决定什么时候由“递”转“归”。

带来一定的误导性。相反，「最差时间复杂度」更为实用，因为它给出了一个“效率安全值”， 让我们可以放心地使用算法。 从上述示例可以看出，最差或最佳时间复杂度只出现在“特殊分布的数据”中，这些情况的出现概率可能很 小，因此并不能最真实地反映算法运行效率。相较之下，「平均时间复杂度」可以体现算法在随机输入数据下 的运行效率，用 Θ 记号来表示。 对于部分算法，我们可以简单地推算出随机数据分布下的平均情况。比如上述示例，由于输入数组是被打乱 对象等。 ‧「栈帧空间」用于保存调用函数的上下文数据。系统在每次调用函数时都会在栈顶部创建一个栈帧，函 数返回后，栈帧空间会被释放。 ‧「指令空间」用于保存编译后的程序指令，在实际统计中通常忽略不计。 因此，在分析一段程序的空间复杂度时，我们一般统计 暂存数据、输出数据、栈帧空间 三部分。 Figure 2‑9. 算法使用的相关空间 class Node: """ 类""" def (1) ；但当 ? > 10 时，初始化的数组 nums 占 用 ?(?) 空间；因此最差空间复杂度为 ?(?) 。 ‧ 以算法运行过程中的峰值内存为准。例如，程序在执行最后一行之前，占用 ?(1) 空间；当初始化数组 nums 时，程序占用 ?(?) 空间；因此最差空间复杂度为 ?(?) 。 def algorithm(n: int): a = 0 # O(1) b = [0] * 10000

thumb_media_id, kf_account=None) 发送小程序卡片（要求小程序与公众号已关联） user_id – 用户 ID 。 就是你收到的 Message 的 source title – 小程序卡片的标题 appid – 小程序的 appid，要求小程序的 appid 需要与公 众号有关联关系 pagepath – 小程序的页面路径，跟 app.json 对齐，支持 参数，比如 pages/index/index pages/index/index?foo=bar thumb_media_id – 小程序卡片图片的媒体 ID，小程序 卡片图片建议大小为 520*416 kf_account – 需要以某个客服帐号来发消息时指定的客 服账户 返回的 JSON 数据包 群发接口 Client.send_mass_msg(msg_type, content, user_list=None, send_ignore_reprint=False ID 。 就是你收到的 Message 的 source template_id – 模板 ID。 data – 用于渲染模板的数据。 url – 模板消息的可选链接。 miniprogram – 跳小程序所需数据的可选数据。 返回的 JSON 数据包 返回码都是什么意思？ 参考 https://mp.weixin.qq.com/wiki/10/6380dc743053a91c544ffd2b7c959166