皮皮网

1.9个用于测试自动化的包源最佳AI测试工具（2024）
2.ViGA：一种介于强弱监督之间的视频片段检索范式
3.Python爬虫 | JSON字段的高效自动化提取
4.Eclipse导入moment项目pom.xml出现红叉？
5.万事不求人,云骑士win11纯净系统安装

9个用于测试自动化的最佳AI测试工具（2024）

       选择优质的AI测试工具能确保测试流程的准确性和效率，加速软件测试周期。码m码相反，包源设计不佳的码m码工具可能无法发现错误，并可能引发安全问题，包源导致误报或漏报，码m码阻抗控制 源码误导开发与测试团队，包源引发潜在软件故障。码m码以下是包源九款用于测试自动化的AI测试工具，它们在不同方面表现出色，码m码为软件开发和测试团队提供了强大的包源支持。

       1. testRigor

       testRigor是码m码一个基于AI的测试工具，简化了测试用例的包源编写过程，让开发人员和测试人员能够轻松操作。码m码它通过AI自动化维护过程，包源确保测试的高准确度。testRigor提供顺畅的Web或移动应用测试体验，包括自我修复和真实设备测试功能，且能完美集成到CI/CD流程中。

       2. Global App Testing

       Global App Testing是一种用于复杂功能和用户体验测试的AI驱动工具，适合产品主管和QA专业人员使用。它通过与后端服务连接，帮助用户更好地理解软件和AI输出，被多家企业采用，包括谷歌、微软和Facebook。

       3. LambdaTest

       LambdaTest是一个AI驱动的测试执行平台，支持在云基础架构上进行大规模手动和自动化测试。它利用AI增强的HyperExecute功能，优化测试流程，提供RCA以快速解决问题，并进行高级片段测试检测。

       4. BlinqIO

       BlinqIO是一种AI驱动的测试工具，提供强大的测试框架，简化软件开发流程。它帮助用户在开发阶段识别错误，优化和改进软件解决方案。

       5. Roost.ai

       Roost.ai是一个AI驱动的测试工具，利用Vertex AI和GPT-4等LLM进行自动化软件测试。它提供%的社工库源码带查询器测试覆盖率，加速测试过程，通过源代码、用户故事和其他输入自动创建测试用例，实现过程自动化和准确结果。

       6. MagnifAI

       MagnifAI是一个AI驱动的测试平台，自动化不同行业软件测试流程。它集成LLM和AI自动创建测试脚本，加速测试周期，提高软件质量，减少测试时间和自动化重复任务。

       7. ContextQA

       ContextQA是一种支持AI的软件测试工具，提供自动测试解决方案，增强软件QA过程。它是由Deep Barot创建的Selenium的替代品。

       8. Relicx

       Relicx利用生成AI简化软件测试，提供无代码测试编写、自我修复测试和可视化回归检测功能。它的强大API和CLI使其无缝集成到CI/CD流程中，支持可靠软件版本的高效端到端测试和用户验收测试。

       9. Momentic

       Momentic是一个低代码、AI驱动的测试平台，帮助开发人员快速高效地创建端到端测试。它与CI/CD工作流无缝集成，加速开发流程。

ViGA：一种介于强弱监督之间的视频片段检索范式

       在SIGIR 上，我们的研究"Video Moment Retrieval from Text Queries via Single Frame Annotation"凭借所有评审的通过顺利录用，主要贡献在于提出了一种基于单帧标注的视频片段检索新范式，以及为该范式设计了一个初步的对比学习框架。以下是文章精华要点概述，欢迎感兴趣的朋友深入阅读：

       我们的项目已公开所有源代码、annotations和预训练模型，详情如下：

       论文链接：

       代码链接：

       视频片段检索，即Video Moment Retrieval（VMR），目标是从视频中根据自然语言描述找到相关片段。相较于早期的Video Action Localization（VAL），VMR更具挑战性，因为它需要定位无固定类别的自然语言描述。早期研究主要采用全监督，成本高昂且标注复杂。海南溯源码扫出来对不上年，弱监督VMR出现，只需标记视频与查询的对应关系，降低了标注难度，但效果相对有限，通常采用对比学习。

       我们的新方法——Glance Supervised VMR，创新地引入了"glance"标注，仅需标注者观看视频并记录任意帧的时间戳，既节省了标注时间，又提供了额外信息。在此基础上，我们构建了基于对比学习的框架ViGA，利用自监督学习策略优化模型，并通过改进的sliding window方法和注意力机制，使模型能更精确地定位关键帧。

       实验结果在Charades-STA、ActivityNet Captions和TACoS等常用数据集上显示，ViGA在弱监督方法中表现出色，与部分全监督方法相当，但仍是初步探索。我们期待更多在这个"glance supervision"设置下的创新方法出现。

Python爬虫 | JSON字段的高效自动化提取

       关键词：爬虫、JSON格式、深度优先搜索、Python变量id、注入攻击、毕导

       写在前面

       这个寒假一直在做Twitter平台的爬虫，为女朋友的硕士毕业论文准备数据集。尽管Twitter对我国开发者极其不友好，经过了十多天的艰苦奋战，我不仅达成了除夕夜敲代码守岁的成就，也对Twitter平台了如指掌：编译了多篇核心文档，实现了爬虫、防御、数据库备份与更新、统计分析、文档更新全流程的自动化，保持三种爬虫路线并行推进。易微联单片机源码考虑到对论文知识产权的保护，这些内容暂时不会开源，但我会挑其中一些有趣的技术分享给大家。

       问题背景

       今天，给大家分享一下JSON字段的自动提取技术。在引入这个问题定义之前，先带大家熟悉一下问题背景，即一个「爬虫工程师」分析和解决问题的流程。面对一个给定的网页，和给定的目标字段，我们一般会先检查该页面是否为静态页面，以确定技术路线：

       网络流量，即网页在加载过程中浏览器和网站服务器之间通信的数据，包括了浏览器的请求和服务器的响应。响应数据可能有多种类型，其中JSON是一种极为常见的格式，用来表示结构化的信息。举个例子，下面这个接口会返回「毕导」知乎主页上的前几条动态： zhihu.com/api/v3/moment...，我们可以使用开发者工具中自带的格式化功能，也可以使用 在线JSON校验格式化工具（Be JSON）对结果进行格式化，总之数据看起来是这样的：

       如图所示，JSON往往采用字典或数组的多层嵌套，在实际分析中可能不太直观，甚至很啰嗦。比如我们想获取毕导第一条动态里点赞的文章的作者的用户名这个信息，则需要像这样：

       假如知乎的不同接口之间格式定义不统一，或者版本升级导致接口格式变动，那么上面的流程就需要重新走一遍：先肉眼找到想要的信息，再一层一层的反向解析出这个路径，这往往很费时费力。如果毕导这个例子还觉得不是很麻烦，给大家感受一下Twitter爬虫中真实的路径：

       以上路径用来获取推文作者的用户名！

       问题定义

       这里给出明确的问题定义：由于接口数据结构的多样性，需要一种相对自动化的方式，解析网络响应返回的JSON对象中的指定字段。

       解决方案

       我们可以在肉眼观察到的字段处设置一个标记，然后剩下的路径解析工作交给程序自动进行。那么如何设置这个标记呢？如果只是三色谱指标源码敲个包含特殊字符的字符串在这里，怎么保证JSON的原文中就不包含这个特殊字符？我们无法保证这个标记不被当做原文处理。于是我想到，Python中什么是唯一的？是id！

       为了便于理解，我把上面毕导的例子简化了一下，假设我们手里的JSON对象有如下格式：

       考虑以下程序，我们把作者的用户名位置用一个变量替代：

       那么我们会发现obj中的author_name处的id会和上面定义的author_name一致，这是必然的，因为下面是对上面的空列表对象的引用。其实我们不使用列表，使用任何数据格式都可，比如让author_name=1，我们会发现它们的id仍然保持一致。

       如果把id理解为指针，则他们都指向了1所在的数据单元的地址，由于这个1是在栈空间中分配的常量，所以所有变量在赋值为1的时候都会去查常量表，并复用这个地址。这样的话，如果我们想同时标记多个字段的位置，就无法区分它们了，所以这里我们使用空列表，它在堆上构造时总会开辟新的空间，拥有新的唯一的id。

       那么接下来，我们只需要使用深度优先搜索（DFS）去查找id匹配的对象即可，在查找的过程中将路径记录下来：

       到这里已经实现了功能的核心，但是不够优雅，毕竟我们还得在函数外面手动定义标记变量。但不定义变量，在模板中直接引用就会出现变量未定义的报错。一个较为优雅的思路就是将模板写成匿名函数（为了说明多个标记的工作原理，我这里又加了一个字段badge_desc，用来标记知乎认证用户的认证描述）

       我们把这个函数作为参数传进去，在内部为它自动生成标记变量：

       注意我们使用了Python的eval函数，一定要重视它带来的注入攻击风险，比如你的好朋友得知你看了清川的文章、自己实现了JSON自动解析器，就拿了一段恶意的obj模板让你解析：

       但一般的网站不会想这么远，去专门攻击一个使用了解析器的开发者，所以这里只是提个醒。接下来我们增加一些细节，让解析器支持传入JSON对象、原文字符串和文件名：

       另外由于JSON和Python中的语法关键字稍有区别，我们需要定义一些常量：

       效果演示

       最后我们看一下使用时的效果：

       源码链接

       完整的代码已经放在这里了： github.com/ThomasAtlant...

       另外解析JSON的库，还推荐使用JSONPath，虽然不能实现本文的功能，但也会提升效率： blue-avatar：IDEA .1 JSONPath, JSON Lines 功能初体验。此外也可以关注JSON的扁平化，以及尝试开发GUI选择字段的功能，我貌似在网上见到过类似的在线网站，但那个网站只支持一层展开，不能解决复杂的嵌套结构。

Eclipse导入moment项目pom.xml出现红叉？

       如果您在导入 Moment 项目时遇到了 Eclipse 中 pom.xml 文件出现红叉的情况，可能是因为 Maven 无法正确解析该文件。

       以下是一些可能导致此问题的原因和解决方法：

       1. 检查 pom.xml 文件是否存在语法错误。您可以使用 Maven 自带的工具mvn validate来检查 pom.xml 文件是否存在语法错误。如果存在错误，您需要修复这些错误并重新运行 mvn validate。

       2. 确保您的 Maven 配置正确。请确保您已经正确地配置了 Maven,并且已经将 Moment 项目的依赖项添加到 pom.xml 文件中。您可以尝试手动下载并安装 Moment JAR 文件，然后将其添加到 Maven 项目的依赖项中。

       3. 确保您的 Eclipse 工作空间正确设置。请确保您的 Eclipse 工作空间中的 Maven 项目路径正确设置，并且已经正确导入了 Moment 项目。您可以尝试删除工作空间中的缓存文件夹，并重新启动 Eclipse。

       如果以上方法都无法解决问题，请尝试在 Eclipse 中创建一个新的 Maven 项目，并将 Moment 项目的源代码添加到该项目中。然后，您可以尝试重新导出该项目的 pom.xml 文件，并将其导入到 Eclipse 中。这可能会解决由于导入错误导致的 pom.xml 文件出现红叉的问题。

万事不求人,云骑士win纯净系统安装

       微软正式向Win用户推送 H2 大版本更新，用户更新完版本号升级到 ，此次更新不仅纳入了名为Copilot的AI聊天机器人，而且还有重新设计的音量混合器，支持 RAR 格式的新文件资源管理器等多项新功能，整合了自今年 9 月发布的 Moment 4 更新所有内容，Teams 替代 Chat 应用，出现在任务栏上。和之前的版本H2 和 H2 一样，Windows H2 家庭版和专业版都获得 个月的支持（Win家庭版），每月提供累积更新、修复和新功能。此系统采用微软官方最新Windows H2 . 专业版进行优化，安全无毒，保留 Edge 浏览器，自动绕过硬件检测，完美支持新老机型，安装好后系统分区占用 .8 GB

        月 1 日微软正式发布了 Win H2 大版本更新，整合了自今年 9 月发布的 Moment 4 更新所有内容之外，Teams 替代 Chat 应用，出现在任务栏上。微软正式宣布为所有符合条件的Windows 电脑发布Windows 更新（Windows H2）。

       考虑到微软计划在年发布下一代Windows（可能是Windows ），这也使得H2成为Windows 的最后一个重大更新。

       此次更新的重点就是AI功能，包括Copilot以及搭载了AI的画图、截图等等自带应用。Copilot是一种生成式AI，依托于底层大语言模型（LLM），用户只需说几句话，做出指示，它就可以创建类似人类撰写的文本和其他内容。

       它还可以帮助用户撰写电子邮件文本、回答问题并在Windows中自动执行相关操作，还能利用来自网站的信息增强其能力。

       Windows Copilot的个人电脑专用功能包括打开应用、切换到黑暗模式、打开蓝牙以及获取截图等。不过需要注意的是，目前Copilot仍处于预览阶段，仅在北美以及亚洲和南美的部分地区可用。

       Windows H2详细更新日志

       重要信息

       Windows 预览版中的 Copilot

       新增功能！此更新添加了集中式AI 协助预览版，称为 Windows 中的 Copilot。这使得Windows 成为第一个添加集中式 AI 帮助的电脑平台，以帮助你完成工作。第一个预览版侧重于集成 UI。

       若要开始，请选择任务栏上的Windows 中的 Copilot按钮 （或按 WIN + C） 。Windows 中的 Copilot 使用相同的 Microsoft 帐户 （MSA） 或 Azure Active Directory （用于登录 Windows 的 Azure AD） 帐户。请注意，Azure AD 将更改为Microsoft Entra ID。

       Windows 中的 Copilot 显示为屏幕右侧的侧边栏。它不会与桌面内容重叠或阻止打开的应用窗口。

       可以提出问题或采取措施，例如：

       开始菜单

       新增功能！将鼠标悬停在开始菜单上推荐下的文件上时，此更新会提供更丰富的预览。

       新增功能！在接下来的几周内，你可能会在开始菜单的推荐部分看到最近使用的文件的新排名。

       任务栏、系统托盘和通知

       新增功能！此更新将增强的音量混音器添加到快速设置。

       打开Windows 空间音频体验也更容易。新的快速访问列表显示设备上安装的所有空间音频技术。

       新增功能！此更新添加了从不合并模式。在此模式下，可以在任务栏上单独查看应用程序窗口及其标签。

       新增功能！从此更新开始，在任务视图中的桌面之间移动时，桌面标签会显示（WIN + CTRL + 向左或向右箭头） 。

       新增功能！现在可以在系统托盘中隐藏时间和日期。若要启用此功能，请右键单击系统托盘时钟，然后选择调整日期和时间。

       新增功能！通知现在显示为系统托盘中的铃铛图标。出现新通知时，图标将具有基于系统的主题色的填充颜色。当没有通知且时钟可见时，图标将没有填充颜色。不会显示通知数。

       新增功能！此更新为打开请勿打扰时收到的紧急或重要通知添加了查看通知按钮。选择按钮以查看通知的内容。全屏使用应用时，会显示此按钮。

       新增功能！为了尽量减少通知Toast 的干扰，Windows 现在会检测你是否正在与应用中的 toast 交互。否则，将显示关闭该应用的 Toast 横幅的建议。这只会阻止显示横幅。你仍然可以在通知中心找到 Toast。

       新增功能！现在可以右键单击任务栏上的应用并结束任务。此更新在设置 系统 中添加了一个新设置， 供开发人员 启用此功能。

       新增功能！此更新添加了选项，用于从系统托盘开始诊断网络问题。若要查看此选项，请右键单击系统托盘中的网络图标。

       新增功能！此更新会影响搜索框中的搜索突出显示。选择闪烁时，将显示一个Bing.com 页面，用于每日搜索突出显示。这最初对少数受众可用，并在随后的几个月内更广泛地部署。

       此更新解决了影响任务栏搜索的问题。选择搜索图标和标签任务栏设置选项时，搜索图标和搜索标签重叠。

       文件资源管理器

       新增功能！此更新添加了由WinUI 提供支持的现代化文件资源管理器主页。建议的文件显示为旋转木马。

       新增功能！文件资源管理器新设计的地址栏可识别本地文件夹和云文件夹。它还显示文件的状态。对于Microsoft OneDrive 用户，地址栏现在包含OneDrive 同步状态和配额浮出控件框。

       新增功能！文件资源管理器（ALT + Shift + P） 中的新详细信息窗格可帮助你访问相关内容、随时了解文件活动以及无需打开文件即可进行协作。在 文件资源管理器 中选择文件并打开窗格时，窗格将显示有关该文件的上下文信息。这包括文件缩略图、共享状态和按钮、电子邮件等。若要将其打开，请选择 视图 菜单，然后选择 详细信息窗格。然后使用位于命令栏右侧的按钮打开窗格。

       新增功能！此更新在文件资源管理器中引入了库。使用库可以轻松访问照片集锦。库中的内容与在照片应用的所有照片视图中看到的内容相同。最近拍摄的照片显示在库的顶部。这包括手机中的照片（如果已设置 OneDrive 相机胶卷备份）。

       新增功能！此更新添加了对使用libarchive 开放源代码项目读取其他存档文件格式的本机支持。

       注意此功能不支持密码加密文件。

       新增功能！现在，可以使用现有文件资源管理器窗口拆分和合并选项卡。

       新增功能！当同时将大量文件发送到文件资源管理器中的回收站时，此更新可提高计算阶段的性能。