CN117312171A - 代码测试方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本公开提供了一种代码测试方法、装置、电子设备及计算机可读存储介质，涉及计算机技术领域，尤其涉及数据处理、人工智能领域。具体实现方案为：获取待测代码段；调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；获取对所述待测代码段及所述至少一个新代码段的测试结果。

Description

代码测试方法、装置、电子设备及计算机可读存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及数据处理、人工智能领域，具体涉及一种代码测试方法、装置、电子设备及计算机可读存储介质。

背景技术

近年来，大模型(Large Model)在人工智能领域取得了重要进展。基于大模型的能力，目前各个行业均在已有的业务之上，进行大模型的应用，以实现对现有产业的升级，以实现达到为业务赋能的能力。在软件等应用产品的开发过程中，基于产品功能的实现，需进行产品功能的设计、编码和测试以形成最终的产品，而在这个过程中，需对设计的代码进行测试，以测试代码性能。

发明内容

本公开提供了一种代码测试方法、装置、电子设备及计算机可读存储介质。

根据本公开的第一方面，提供了一种代码测试方法，应用于应用平台，所述方法包括：

获取待测代码段；

调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；

将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；

获取对所述待测代码段及所述至少一个新代码段的测试结果。

根据本公开的第二方面，提供了一种代码测试装置，应用于应用平台，所述装置包括：

第一获取模块，用于获取待测代码段；

生成模块，用于调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；

测试模块，用于将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；

第二获取模块，用于获取对所述待测代码段及所述至少一个新代码段的测试结果。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面所述的方法。

本公开实施例中，应用平台能够调用大模型来生成测试用例和新代码段，并根据测试用例来完成对原待测代码段和新代码段的测试，也就使得测试用例的生成过程以及代码段的测试过程都能够自动完成，无需用户手动编写测试用例来进行代码段测试，从而有效提升了对于代码段的测试效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的一种代码测试方法的流程图；

图2是本公开实施例提供的一种代码测试装置的结构图；

图3是用来实现本公开实施例的代码测试方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面结合附图，对本公开实施例提供的代码测试方法进行详细说明。

请参照图1，图1是本公开实施例提供的一种代码测试方法的流程图，所述方法应用于应用平台，所述应用平台集成有应用产品，可选地，所述应用平台可以是客户端、应用端、应用系统等，本公开对此不做具体限定。

如图1所示，所述代码测试方法包括以下步骤：

步骤S101、获取待测代码段。

示例性地，应用平台获取用户提交的待测代码段。或者，在代码开发阶段，用户可能会多次提交具有相同实现能力的代码段，应用平台获取用户当前提交的代码段，并提取该代码段中相较于之前提交的代码段中发生修改的代码段，将所述修改的代码段作为待测代码段。

步骤S102、调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段。

需要说明地，本公开实施例中的大模型(Large Model)是指模型参数数量超过千万、甚至亿级别的巨型模型，大模型能够有效提升模型的表示能力和泛化能力，并有效解决了大规模高维数据的表示问题。关于大模型的相关原理及基本功能可以是参照相关技术，本公开实施例对此不做赘述。

本公开实施例中，应用平台在获取到待测代码段后，调用大模型对所述待测代码段进行识别，生成所述待测代码段的测试用例以及至少一个新代码段。例如，大模型可以是对所述待测代码段进行分析，以确定所述待测代码段的实现能力，也即所述待测代码段的功能，根据所述待测代码段的实现能力生成对应的测试用例，以及具有相同实现能力的至少一个新代码段。

可以理解地，代码段通常是一个或多个函数体，而函数体通常用于实现某种功能或能力。本公开实施例中，应用平台在获取到待测代码段后，确定所述待测代码段所对应的函数体，调用大模型对所述函数体的实现能力进行识别，进而以生成具有相同实现能力的至少一个新代码段，以及对所述函数体进行测试的测试用例。

本公开实施例中，应用平台可以是集成有大模型，或者也可以是通过特定的接口从服务器或云端调用大模型。也就是说，本公开实施例中是通过大模型来生成测试用例和至少一个新代码段，而不是应用平台来生成。这样，也就能够有效利用大模型的理解能力和运算能力，来自动地生成测试用例和新代码段，无需用户手动编写或生成，有效提升了对于代码段的处理效率。

步骤S103、将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试。

本公开实施例中，应用平台在调用大模型生成测试用例和至少一个新代码段后，将大模型生成的所述测试用例集成至应用平台，并基于所述测试用例对原来的待测代码段和大模型生成的至少一个新代码段进行测试。可以理解地，测试用例集成至了应用平台，例如可以是集成至应用平台的自有产品中，则后续在基于测试用例对待测代码段和至少一个新代码段进行测试时，也就是在应用平台来完成的测试，而不是基于大模型来进行测试。并且，通过大模型生成的测试用例来对待测代码段和至少一个新代码段进行测试，也就使得测试用例的生成过程以及代码段的测试过程都能够自动完成，无需用户手动编写测试用例来进行代码段测试，从而也有效提升了对于代码段的测试效率。

需要说明地，在基于大模型生成至少一个新代码段后，所述至少一个新代码段也可以是集成至应用平台，例如可以是集成至应用平台的自有产品中，如应用平台上的应用程序(application，APP)等产品。

步骤S104、获取对所述待测代码段及所述至少一个新代码段的测试结果。

可以理解地，在基于测试用例对所述待测代码段及所述至少一个新代码段进行测试后，也即能够获取对所述待测代码段及所述至少一个新代码段的测试结果。

可选地，所述测试可以是包括对所述待测代码段及所述至少一个新代码段的黑盒测试、白盒测试、压力测试等，从而以确定各代码段的性能、执行效率、资源消耗等情况，进一步能够从中确定出性能较优、效率较高及资源消耗较少的代码段，可以是将该代码段推荐给用户。需要说明地，上述对代码段的测试，如黑盒测试、白盒测试、压力测试等可以是参照相关技术的具体实现过程，本公开对此不做赘述。

可选地，应用平台在基于测试用例对所述待测代码段及所述至少一个新代码段进行测试后，能够根据对所述待测代码段及所述至少一个新代码段的测试结果生成测试报告，可以是每测试一个代码段则生成该代码段对应的测试报告，也可以是在完成所有的代码段的测试后生成一个总的测试报告，从而能够让用户更直观地获知对这些代码段的测试结果，更有助于用户从中选择较优的代码段。

本公开实施例中，应用平台在获取到待测代码段后，调用大模型对所述待测代码段进行识别，大模型生成所述待测代码段对应的测试用例和至少一个新代码段，应用平台将所述测试用例集成至自身产品中，并基于所述测试用例对待测代码段和至少一个新代码段进行测试，以获取对所述待测代码段及所述至少一个新代码段的测试结果。本公开中，应用平台能够调用大模型来生成测试用例和新代码段，并根据测试用例来完成对原待测代码段和新代码段的测试，也就使得测试用例的生成过程以及代码段的测试过程都能够自动完成，无需用户手动编写测试用例来进行代码段测试，从而有效提升了对于代码段的测试效率。

可选地，所述步骤S102，所述调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段，包括：

调用所述大模型对所述待测代码段进行检测；

在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，所述目标代码段为所述待测代码段去除所述非公开代码后的代码段；

调用所述大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段。

本公开实施例中，应用平台在获取到待测代码段后，调用大模型对所述待测代码段进行检测，以检测所述待测代码段中是否包括非公开代码。需要说明地，代码通常包括公开代码和非公开代码，公开代码是指业界公开的、大部分或者所有模型都能够识别的代码，例如一些通用或者常用代码；非公开代码是指某应用或某平台自身编写的代码，例如某个应用专用的代码，也可以称为私有代码或私有函数。

可选地，大模型可以是通过检测所述待测代码段中的代码是否能被识别，来判断待测代码段中是否包括非公开代码。可以理解地，若待测代码段中的代码为公开代码，也即通用代码，大模型能够识别这类代码，若待测代码段中包括非公开代码，也即应用平台的私有代码，并非通用代码，则大模型并不能识别这类代码。大模型在检测到不能识别的代码的情况下，将这类不能识别的代码确定为非公开代码。

本公开实施例中，在检测到所述待测代码段包括非公开代码的情况下，则获取所述待测代码段中去除所述非公开代码的目标代码段，进而目标代码段也即不包括非公开代码，也即目标代码段所包括的代码为公开代码。进一步地，调用所述大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段。进而，所述新代码段也就是基于目标代码段所生成的。例如，生成的新代码段具有与目标代码段相同的实现能力。

本公开实施例中，在调用大模型生成测试用例和新代码段的过程中，大模型首先对待测代码段进行检测，并在检测到待测代码段中包括非公开代码的情况下，将待测代码段中去除了所述非公开代码的代码部分确定为目标代码，并基于目标代码来生成测试用例和至少一个新代码段。这样，也就能够避免大模型因不能识别非公开代码而导致对整个待测代码段的理解错误，从而能够避免大模型因理解错误而不能生成新代码段或生成错误的新代码段和测试用例，从而以确保大模型生成测试用例和新代码段的顺畅性。

需要说明的是，若所述待测代码段中未检测到非公开代码，则大模型基于完整的所述待测代码段来生成对应的测试用例和至少一个新代码段。

可选地，所述调用大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段，包括：

调用大模型识别所述目标代码段的实现能力；

基于所述实现能力生成测试用例和至少一个新代码段，其中，每一个所述新代码段具有与所述目标代码段相同的实现能力。

本公开实施例中，在调用大模型检测到待测代码段包括非公开代码的情况下，将待测代码段中去除非公开代码的代码部分确定为目标代码段。进一步地，调用大模型对所述目标代码段进行识别，以确定所述目标代码段的实现能力，基于所述目标代码段的实现能力生成测试用例和至少一个新代码段，而每一个新代码段具有与目标代码段相同的实现能力。也就是说，生成的新代码段能够和目标代码段实现相同的功能，这样也就能够确保测试用例对待测代码段和新代码段都能够实现测试。

需要说明地，目标代码段是一个或多个函数体，同样地，新代码段也是一个或多个函数体，目标代码段的函数体和新代码段的函数体能够实现相同的功能，但二者的函数体的表达式可能不同。

可选地，所述在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，包括：

在检测到所述待测代码段包括非公开代码，且所述非公开代码的占比小于或等于预设值的情况下，确定目标代码段。

本公开实施例中，在调用大模型对待测代码段进行检测的过程中，若检测到所述待测代码段中包括非公开代码，且所述非公开代码在整个待测代码段中的占比小于或等于预设值，则将待测代码段中去除非公开代码的代码部分确定为目标代码段，并执行后续测试用例和新代码段的生成以及测试等步骤。

可选地，若检测到非公开代码在整个待测代码段中的占比大于预设值，则不会执行后续测试用例和新代码段的生成以及测试等步骤。可以理解地，若非公开代码占比较大，说明待测代码段中的大部分代码为应用平台的私有代码，若大模型仍然基于去除了非公开代码的代码部分来生成测试用例和新代码段，很可能导致生成的新代码段与原待测代码段的实现能力相差较大，也可能导致生成的测试用例与原待测代码段本应对应的测试用例相差较大，导致生成的测试用例对原待测代码段无法实现测试。

本公开实施例中，只有在检测到非公开代码在所述待测代码段中的占比小于或等于预设值的情况下，才会执行后续测试用例和新代码段的生成以及测试等步骤，这样也就能够有效确保后续基于目标代码段生成的测试用例和新代码段与原待测代码段相匹配，保障测试用例能够实现对新代码段和原待测代码段的测试。

可选地，所述基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试，包括：

将所述非公开代码添加至每一个所述新代码段中；

基于所述测试用例对所述待测代码段及每一个添加了所述非公开代码的新代码段进行测试。

本公开实施例中，所述目标代码段为所述待测代码段去除所述非公开代码后的代码段，在基于所述目标代码段生成至少一个新代码段后，这些新代码段相对于待测代码段少了非公开代码，为确保在测试过程的一致性，在每一个所述新代码段中添加所述非公开代码，然后基于测试用例对所述待测代码段和添加了非公开代码的新代码段进行测试。这样，进行测试的新代码段和所述待测代码段在结构上是基本一致的，从而有效保障了测试的一致性，也有助于提升测试准确性。

示例性地，假设待测代码段为代码段1，该代码段1包括三个代码块：代码块1-1、代码块1-2和代码块1-3，其中代码块1-2为非公开代码；在调用大模型对该代码段1进行检测时，检测到该代码段1包括非公开代码，确定目标代码段为代码块1-1和代码块1-3，调用大模型基于代码块1-1和代码块1-3生成测试用例和至少一个新代码段，例如生成的新代码段包括代码块1-1’和代码块1-3’；进一步地，在对待测代码段和新代码段进行测试前，将非公开代码添加至新代码段中，则添加了非公开代码的新代码段1’包括：代码块1-1’、代码块1-2和代码块1-3’，然后基于测试用例对代码段1和新代码段1’进行测试。这样，也就使得进行测试的新代码段和原代码段在结构上是基本一致的，从而有效保障了测试的一致性。

可选地，所述基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试，包括：

获取所述测试用例的测试接口；

将所述待测代码段及所述至少一个新代码段依次写入所述测试接口并进行测试，其中，每完成一个代码段的测试，在所述测试接口写入下一个待测试的代码段。

本公开实施例中，在基于大模型生成待测代码段对应的测试用例和至少一个新代码段后，将所述测试用例集成至应用平台，并获取所述测试用例的测试接口，然后将所述待测代码段和所述至少一个新代码段依次写入所述测试接口并进行测试。需要说明的是，测试接口可以是一次只能写入一个代码段并进行测试，每完成一个代码段的测试，再写入下一个代码段进行测试。这样，也就使得对于代码段的测试能够有序进行。并且，相比于目前的代码测试需要人工进行测试用例编写以及测试，本公开实施例中的测试过程由应用平台自动完成，无需人工参与，从而也有效提升了对于代码段的测试效率。

可选地，所述获取对所述待测代码段及所述至少一个新代码段的测试结果之后，所述方法还包括：

根据所述测试结果确定待推荐代码段，所述待推荐代码段为所述待测代码段和所述至少一个新代码段中性能最优的代码段；

对所述待推荐代码段进行推荐。

本公开实施例中，在基于测试用例对所述待测代码段及所述至少一个新代码段进行测试，获得测试结果后，也就能够确定所述待测代码段及所述至少一个新代码段中各代码段的性能，进而也能够确定这些代码段中性能最优的代码段，将其中性能最优的代码段作为待推荐代码段，以将该待推荐代码段推荐给用户。例如，用户可以是将待测代码段替换为所述待推荐代码段，也即替换为了性能最优的代码段，从而用户也就能够使用性能最优的代码段来执行相关程序产品，更有助于提升产品性能。

根据本公开的实施例，本公开还提供了一种代码测试装置。

请参照图2，图2是本公开实施例提供的一种代码测试装置的结构图，所述装置应用于应用平台。如图2所示，代码测试装置200包括：

第一获取模块201，用于获取待测代码段；

生成模块202，用于调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；

测试模块203，用于将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；

第二获取模块204，用于获取对所述待测代码段及所述至少一个新代码段的测试结果。

可选地，所述生成模块202包括：

调用单元，用于调用所述大模型对所述待测代码段进行检测；

确定单元，用于在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，所述目标代码段为所述待测代码段去除所述非公开代码后的代码段；

生成单元，用于调用所述大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段。

可选地，所述测试模块203还用于：

将所述非公开代码添加至每一个所述新代码段中；

基于所述测试用例对所述待测代码段及每一个添加了所述非公开代码的新代码段进行测试。

可选地，所述生成单元还用于：

调用大模型识别所述目标代码段的实现能力；

基于所述实现能力生成测试用例和至少一个新代码段，其中，每一个所述新代码段具有与所述目标代码段相同的实现能力。

可选地，所述确定单元还用于：

在检测到所述待测代码段包括非公开代码，且所述非公开代码的占比小于或等于预设值的情况下，确定目标代码段。

可选地，所述测试模块203还用于：

获取所述测试用例的测试接口；

将所述待测代码段及所述至少一个新代码段依次写入所述测试接口并进行测试，其中，每完成一个代码段的测试，在所述测试接口写入下一个待测试的代码段。

可选地，所述装置还包括推荐模块，用于：

根据所述测试结果确定待推荐代码段，所述待推荐代码段为所述待测代码段和所述至少一个新代码段中性能最优的代码段；

对所述待推荐代码段进行推荐。

本公开实施例提供的代码测试装置200，能够调用大模型来生成测试用例和新代码段，并根据测试用例来完成对原待测代码段和新代码段的测试，也就使得测试用例的生成过程以及代码段的测试过程都能够自动完成，无需用户手动编写测试用例来进行代码段测试，从而有效提升了对于代码段的测试效率。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图3示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图3所示，设备300包括计算单元301，其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序，来执行各种适当的动作和处理。在RAM 303中，还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

设备300中的多个部件连接至I/O接口305，包括：输入单元306，例如键盘、鼠标等；输出单元307，例如各种类型的显示器、扬声器等；存储单元308，例如磁盘、光盘等；以及通信单元309，例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理，例如上述代码测试方法。例如，在一些实施例中，代码测试方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时，可以执行上文描述的代码测试方法的一个或多个步骤。备选地，在其他实施例中，计算单元301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行所述代码测试方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种代码测试方法，应用于应用平台，所述方法包括：

获取待测代码段；

调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；

将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；

获取对所述待测代码段及所述至少一个新代码段的测试结果。

2.根据权利要求1所述的方法，其中，所述调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段，包括：

调用所述大模型对所述待测代码段进行检测；

在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，所述目标代码段为所述待测代码段去除所述非公开代码后的代码段；

调用所述大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段。

3.根据权利要求2所述的方法，其中，所述基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试，包括：

将所述非公开代码添加至每一个所述新代码段中；

基于所述测试用例对所述待测代码段及每一个添加了所述非公开代码的新代码段进行测试。

4.根据权利要求2所述的方法，其中，所述调用大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段，包括：

调用大模型识别所述目标代码段的实现能力；

基于所述实现能力生成测试用例和至少一个新代码段，其中，每一个所述新代码段具有与所述目标代码段相同的实现能力。

5.根据权利要求2所述的方法，其中，所述在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，包括：

在检测到所述待测代码段包括非公开代码，且所述非公开代码的占比小于或等于预设值的情况下，确定目标代码段。

6.根据权利要求1所述的方法，其中，所述基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试，包括：

获取所述测试用例的测试接口；

将所述待测代码段及所述至少一个新代码段依次写入所述测试接口并进行测试，其中，每完成一个代码段的测试，在所述测试接口写入下一个待测试的代码段。

7.根据权利要求1-6中任一项所述的方法，其中，所述获取对所述待测代码段及所述至少一个新代码段的测试结果之后，所述方法还包括：

根据所述测试结果确定待推荐代码段，所述待推荐代码段为所述待测代码段和所述至少一个新代码段中性能最优的代码段；

对所述待推荐代码段进行推荐。

8.一种代码测试装置，应用于应用平台，所述装置包括：

第一获取模块，用于获取待测代码段；

生成模块，用于调用大模型对所述待测代码段进行识别，生成测试用例和至少一个新代码段；

测试模块，用于将所述测试用例集成至所述应用平台，并基于所述测试用例对所述待测代码段及所述至少一个新代码段进行测试；

第二获取模块，用于获取对所述待测代码段及所述至少一个新代码段的测试结果。

9.根据权利要求8所述的装置，其中，所述生成模块包括：

调用单元，用于调用所述大模型对所述待测代码段进行检测；

确定单元，用于在检测到所述待测代码段包括非公开代码的情况下，确定目标代码段，所述目标代码段为所述待测代码段去除所述非公开代码后的代码段；

生成单元，用于调用所述大模型对所述目标代码段进行识别，生成测试用例和至少一个新代码段。

10.根据权利要求9所述的装置，其中，所述测试模块还用于：

将所述非公开代码添加至每一个所述新代码段中；

基于所述测试用例对所述待测代码段及每一个添加了所述非公开代码的新代码段进行测试。

11.根据权利要求9所述的装置，其中，所述生成单元还用于：

调用大模型识别所述目标代码段的实现能力；

基于所述实现能力生成测试用例和至少一个新代码段，其中，每一个所述新代码段具有与所述目标代码段相同的实现能力。

12.根据权利要求9所述的装置，其中，所述确定单元还用于：

在检测到所述待测代码段包括非公开代码，且所述非公开代码的占比小于或等于预设值的情况下，确定目标代码段。

13.根据权利要求8所述的装置，其中，所述测试模块还用于：

获取所述测试用例的测试接口；

将所述待测代码段及所述至少一个新代码段依次写入所述测试接口并进行测试，其中，每完成一个代码段的测试，在所述测试接口写入下一个待测试的代码段。

14.根据权利要求8-13中任一项所述的装置，其中，所述装置还包括推荐模块，用于：

根据所述测试结果确定待推荐代码段，所述待推荐代码段为所述待测代码段和所述至少一个新代码段中性能最优的代码段；

对所述待推荐代码段进行推荐。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。