microsoft · zhou9584 · Aug 25, 2023 · Aug 25, 2023 · Aug 30, 2023 · Sep 6, 2023
diff --git a/docs/blog/blog_chinese_version/SEE流程图.jpg b/docs/blog/blog_chinese_version/SEE流程图.jpg
@@ -0,0 +1,76 @@
+# 微软开源AI云测试平台 Hydra Lab 帮你搭建私有智能云测系统
+
+![目标宣言](目标宣言.jpg)
+
+Hydra Lab 是一个由微软开源的、支持多种测试框架和操作系统平台的智能云测试系统，利用它你可以搭建一套属于自己的测试API平台，管理你的测试设备，并在这些测试设备上运行你预定义好的测试任务。下面的这段视频详细介绍了 Hydra Lab 的功能以及定位：
+
+https://github.com/microsoft/HydraLab/assets/26757995/b225b58e-4836-490c-a6fd-673b2a7fff40
+
+## Hydra Lab 的特性
+
+Hydra Lab 于 2022 年 12 月在 https://github.com/microsoft 下开源，半年多的时间就已经斩获1000＋个Star，并在云测试（cloud-testing）标签下排名第一。除了设备管理，测试任务管理等基础功能外，Hydra Lab 还具备以下优势：
+
+- **可控**：得益于 Hydra Lab 的开源属性，用户可以构建一个可管理的、私有的 “Test Lab”测试实验室，类似于"Google Firebase Test Lab"或者云测、云真机平台，这避免了将带有调试信息的应用包，上传至第三方测试平台引发的信息泄露风险，可以更好地满足内部合规要求。
+- **通用**: Hydra Lab 设计之初不仅考虑到了单个设备测试的场景，还考虑到了需要同时用到多个设备的测试场景，例如跨设备办公类应用。因此 Hydra Lab 支持在Windows、Android、iOS 等类型设备上的单独测试，也支持这些设备之间的组合测试。
+- **可扩展**：目前 Hydra Lab 已经集成了 Appium、 Espresso、 Maestro、 XCTest 等测试框架。由于它具备集成不同测试框架的胶水代码（适配器）、可复用可扩展的设计、软件测试生命周期的定义，所以可以快速支持新的测试框架，例如智能测试。
+- **低成本**：通过 Hydra Lab 搭建测试平台，不仅可以将团队内部现有的设备接入平台，还可以与其他的团队合作，基于这个平台共享测试设备，大大减少了向第三方平台支付的测试成本。
+- **集成简便**：Hydra Lab 提供 Gradle 插件 https://github.com/microsoft/HydraLab/wiki/Trigger-a-test-task-run-in-the-Hydra-Lab-test-service 、Azure Devops 插件 https://marketplace.visualstudio.com/items?itemName=MaXESteam.hydra-lab-alter 、RESTful 接口等多种方式与 DevOps 系统集成，让持续集成在测试阶段也完全自动化。
+- **稳定性高**：Hydra Lab 分别集成了监控告警系统(Promethus + Grafana)、日志采集系统(AppCenter)来及时发现、定位问题，确保系统处于健康状态。同时，我们为 Hydra Lab 自身的开发建立了标准化的 CI/CD 流程，借助单元测试、接口测试、跨平台用户验收测试等环节为产品质量把关，迄今为止已经发布了 32 个稳定版本。
+
+## Hydra Lab 基于 GPT/LLM 的智能测试探索
+
+![猴子敲键盘](猴子敲键盘.jpg)
+
+**如果有一百万只猴子在一百万个键盘上随机敲一百万年，就可以写出一部莎士比亚的著作。**
+
+![猴子思考](猴子思考.jpg)
+
+在软件测试领域，“猴子测试”（模拟出一只胡乱操作，按按钮不分逻辑的猴子，不间断地进行不合理的操作，随意地点击软件各个位置。如果在这种情况下下软件依旧在稳定、合理地运行，那么我们就可以说它通过了测试，是合格产品）一直是一种广受欢迎的方法，但其也存在着动作随机的局限性。如果引入**大语言模型**，创造一只更聪明的猴子，它可以真正理解应用并像人类一样与之互动，我们将能进一步提高“猴子测试”的测试覆盖率，实现更高效的智能化测试。
+
+目前大语言模型带来的测试智能化，尤其是测试生成，大多基于白盒测试的视角，相当于把代码发给大语言模型，要求它能够写出提升代码测试覆盖率的单元测试用例。而黑盒测试下的测试远比白盒复杂，目前还属于比较前沿的探索。对于黑盒测试，代码就像一个黑盒，内部逻辑是不可见的，而且应用界面或可执行程序的包体内包括丰富的信息，“上下文”庞大，多模态，很难直接转换成 prompt。这种情况下，如何让大语言模型发挥作用？
+
+![测试上下文](测试上下文.jpg)
+
+于是我们引入了 SEE（启动-提取-评估）探索模型，它的运行方式如下：先探索，再利用。先通过一些策略探索和漫游一个软件，然后转换理解，形成数据结构，最后再利用这些数据，作为后续探索和用例生成的基础。这就相当于通过探索，对黑盒内部逻辑进行了总结提炼，完成了一次“有损压缩”。
+
+![SEE流程图](SEE流程图.jpg)
+
+这个思路也很像一个测试人员第一次用一个软件，一定会先探索理解，同时在旁边整理一个信息图，这在测试领域被称为“功能图”或“状态图”，然后再设计用例；这非常自然和接近人的操作。如果我们能用计算机做这件事情，就能自动化地完成探索，绘制状态图，并生成测试用例。
+
+![黑盒用例生成](黑盒用例生成.jpg)
+
+## Hydra Lab 技术架构简介
+
+在过去的两年中，我们基于这个框架搭建了一个 Hydra Lab 中心服务，并集成到内部的软件开发流程中。通过 Hydra Lab 中心服务，我们为各个移动产品提供自动化测试服务，例如 Phone Link、Link to Windows for Android and iOS、Office Union for Android、Teams Android 等产品。架构图如下：
+
+![中心端架构图](中心端架构图.jpg)
+![代理端架构图](代理端架构图.jpg)
+
+Hydra Lab 中心服务的 docker 镜像部署在 Azure 上作为测试中心，内部用户可以使用 Azure DevOps Pipeline 来创建一个 Espresso 或 Appium 类型的测试任务，并推送至测试中心。在收到测试请求后，测试中心会选择合适的测试代理和设备来运行测试任务。测试代理则会选择对应的测试框架运行任务，并在测试完成后将结果返回给测试中心。最终，用户可以在测试中心的网页上查看这些测试报告。整个流程如下图所示：
+
+![测试流程图](测试流程图.jpg)
+
+**名词定义：**
+
+| 术语 | 缩写 | 定义 |
+|----|----|----|
+|Hydra Lab 中心服务| 测试中心 | Hydra Lab 中心服务是一个通过docker容器部署于**云端**的 Spring Boot 应用，提供RESTful 接口，用于分配测试任务、提供UI界面，收集并展示测试报告。 |
+|Hydra Lab 测试代理服务 | 测试代理 | Hydra Lab 测试代理服务是指运行 Hydra Lab 代理服务的机器，物理连接各种测试设备，通过 WebSocket 与 Hydra Lab 中心服务保持通信。 |
+
+注：用户可以参考 测试代理部署手册 https://github.com/microsoft/HydraLab/wiki/Test-agent-setup 配置测试服务器，并注册到 Hydra Lab 中心服务。
+
+## 体验尝鲜
+
+Talk is cheap, show me the code. 大家如果想快速尝试并了解 Hydra Lab 基本用法，我们提供了一键部署的 docker 镜像，只要你的机器上安装了 docker 和 ADB，输入以下命令即可端到端运行Hydra lab center + agent：
+
+```
+docker run -p 9886:9886 ghcr.io/microsoft/hydra-lab-uber:latest
+```
+
+然后打开 **http://localhost:9886/portal** ，就可以使用 Hydra Lab 的基本功能：测试设备管理，测试任务管理，使用各种测试驱动，查看测试报告，测试视频等。
+
+关于更多的使用细节，请参考 GitHub 文档：如何部署 Hydra Lab 中心服务 https://github.com/microsoft/HydraLab/wiki/Deploy-Center-Docker-Container 。
+
+## 加入我们
+
+致力于“让智能云测试更简单”的目标，我们将会持续探索完善Hydra Lab，并坚信它将改变测试并助力全球开发团队。如果您有兴趣参与开发，请联系 hydra_lab_support@microsoft.com ，我们随时欢迎您加入Hydra Lab开源团队。
diff --git a/docs/blog/blog_chinese_version/中心端架构图.jpg b/docs/blog/blog_chinese_version/中心端架构图.jpg
diff --git a/docs/blog/blog_chinese_version/代理端架构图.jpg b/docs/blog/blog_chinese_version/代理端架构图.jpg
diff --git a/docs/blog/blog_chinese_version/技术栈.jpg b/docs/blog/blog_chinese_version/技术栈.jpg
diff --git a/docs/blog/blog_chinese_version/测试上下文.jpg b/docs/blog/blog_chinese_version/测试上下文.jpg
diff --git a/docs/blog/blog_chinese_version/测试流程图.jpg b/docs/blog/blog_chinese_version/测试流程图.jpg
diff --git a/docs/blog/blog_chinese_version/猴子思考.jpg b/docs/blog/blog_chinese_version/猴子思考.jpg
diff --git a/docs/blog/blog_chinese_version/猴子敲键盘.jpg b/docs/blog/blog_chinese_version/猴子敲键盘.jpg
diff --git a/docs/blog/blog_chinese_version/目标宣言.jpg b/docs/blog/blog_chinese_version/目标宣言.jpg
diff --git a/docs/blog/blog_chinese_version/黑盒用例生成.jpg b/docs/blog/blog_chinese_version/黑盒用例生成.jpg