远距离记忆型珠宝RFID标签方案:盘点、追溯与离线档案实战解析

什么是BDD测试(行为驱动开发测试)? 本文介绍了BDD测试、使用Python实现BDD测试以及代码示例和说明。有了Python的支持,实现BDD测试变得更加简单易懂,研发和测试人员都应该掌握并应用到实际的工作中,以提高软件开发效率、质量。BDD测试的优点在于,它能够将开发、测试和业务部门融合起来,提高效率和质量。通过BDD测试,可以促进团队成员之间的沟通和协作,从而更好地满足业务需求,减少错误,加快发布速度。通过将测试用例编写为自然语言脚本,BDD测试可以促进业务需求、开发和测试团队之间的沟通和协作,从而提高代码的可读性、可维护性和可重复性。 阅读详情

1. 项目概述

这篇博文想和你聊的是一个很特别的物联网项目: 远距离、可记忆的珠宝标签方案 (Long-Range, Memory Jewelry-Tagging Solution)。简单说,就是给珠宝、贵重物品做一种电子标签,它不需要靠近扫码、不需要逐个对准,人一走进范围,标签自己就把信息报上来;而且这种标签还带“记忆”能力,能记录被扫过多少次、什么时候被扫过、甚至能存一小段商品档案,不用实时联网也能用。听起来像科幻,其实核心就三个词:远距离识别、数据本地存储、低功耗。

这个方案最适合谁?我最想推荐给三类人:一是做珠宝门店、展会、典当行、拍卖会的人,东西贵、数量多、盘点频繁,传统条码根本忙不过来;二是做贵重物品资产管理的企业,比如保险箱库、收藏室、档案馆;三是喜欢自己折腾智能硬件的技术爱好者,想搭一套比RFID更好玩的标签系统。如果你属于其中任何一类,这篇内容值得你花十分钟看完。

先给个一句话结论: 远距离记忆型珠宝标签的核心价值,不是“把条码换成电子”,而是让盘点这件事从“逐件对准”变成“走一圈全知道”,同时让每一件珠宝自带一段离线可读的“履历”。 顺着这个思路,后面我会把方案拆开讲清楚:标签怎么选、读取距离怎么拉远、记忆功能怎么做、整套系统怎么落地,以及真正用起来之后会遇到哪些坑。

2. 为什么普通RFID做不了珠宝盘点:三个被忽视的硬约束

在讲“远距离记忆标签”之前,必须先搞清楚一个问题:市面上已经有大把RFID标签,为什么珠宝场景还是这么难搞?我最初也以为直接买一批UHF RFID标签贴上去就行,结果现场一测,问题一个接一个。

2.1 珠宝的材质和形态,天然是标签的“死对头”

珠宝和普通纸箱完全不一样。金属会反射和屏蔽射频信号,液体(比如某些宝石内部结构、保养油)会吸收信号,密集摆放的小件又会互相干扰。我见过最典型的情况:一条金链子配一个UHF标签,单件测试读取距离能到四五米,但往柜台里一放,旁边十几件金属饰品同时反射信号,读取率直接从100%掉到60%多,而且经常串读——明明想读这条项链,结果报出来的是旁边手镯的ID。这就是珠宝场景的第一个硬约束: 标签必须针对金属表面、小体积、高密度摆放做专门优化

2.2 盘点动线决定了“近场一条条扫”根本行不通

第二个约束是物理动线。珠宝门店的盘点通常有两种做法:一种是营业结束后把货品一件件拿出柜台用扫码枪扫;另一种是带着手持终端在柜台前蹲着扫。不管是哪种,效率都极低。假设一家店有3000件货品,传统扫码枪单件平均要3到5秒,加上弯腰、对准、确认,一小时最多处理七八百件,而且极其容易漏扫、重扫。更麻烦的是,很多珠宝柜台的玻璃会反射射频信号,你蹲在外面扫,标签明明在柜子里,读卡器却收不到回应。

2.3 “记忆”不是锦上添花,而是珠宝管理的刚需

第三点最容易被新人忽略:珠宝需要的不是“现在在不在”,而是“它去过哪里、被碰过几次、上一手的状态是什么”。传统RFID标签只有一串ID,所有历史信息都依赖后台数据库,标签离开读写器覆盖范围就变成“失忆状态”。但在珠宝流通场景里,一件货品可能从工厂到代理商、到门店、到展柜、到客户手里反复流转,中间很多环节根本没有网络条件。这时候,如果标签本身能记住一些关键信息,哪怕只是“上次被盘点是哪天、被读过多少回”,整个追溯链条的可靠性都会完全不一样。

提示:这三点合在一起,就引出了方案选型的核心思路——不能只看“标签能读多远”,要看“标签在珠宝密集、金属环绕的环境里能读多远、读多准、能不能离线记忆”。后面我会逐项展开。

3. 远距离识别能力拆解:从标签选型到链路预算

“Long-Range”是整个方案最吸引人的卖点,但也是水最深的词。我在实测中踩过不少坑,下面直接把关键点和计算逻辑讲透。

3.1 标签选型:无源、半有源、有源怎么选

珠宝标签的距离,首先取决于类型。

标签类型 典型读取距离 是否需电池 成本区间 适用场景
无源高频(HF/NFC) 1-5cm 近距离验证、防伪溯源
无源超高频(UHF) 3-8m(空旷环境) 低-中 批量盘点、门店进出管理
半有源(BAP) 10-30m 需纽扣电池 远距离门禁、贵重物品实时监控
有源(Active) 50-100m+ 需电池 大范围资产追踪、物流中心

珠宝场景我最终推荐的是 金属友好的无源UHF标签 ,理由有三个:

  • 珠宝柜台往往只需要3到8米的识别范围,无源UHF正好覆盖,不需要为更远距离买单;
  • 无源意味着标签不用换电池,密封在吊牌或包装里可以长期使用,这对珠宝这种“要跟一辈子”的物品很重要;
  • 有源标签虽然距离远,但体积大、带电池,做进珠宝包装不现实,半有源则面临电池寿命和维护成本的问题。

如果你需要的是“客户一进店,系统自动识别他手里试戴的那件珠宝”,那确实要考虑半有源甚至蓝牙AoA方案,但那是另一个方向了。

3.2 链路预算:怎么估算实际能读多远

很多人挑标签只看标称距离,买回来发现差得远,原因就是没算链路预算(Link Budget)。我给出一个简化但足够实用的计算方式。

读写器发射功率约定为28dBm(约630mW),读写器天线增益6dBi,标签天线增益假设为2dBi。自由空间路径损耗公式是:

路径损耗 = 32.4 + 20×log10(频率MHz) + 20×log10(距离m)

按中国UHF频段中心频率915MHz计算,5米处的路径损耗为:

32.4 + 20×log10(915) + 20×log10(5) ≈ 32.4 + 59.2 + 14 = 105.6dB

则标签感应到的功率约为:

28 + 6 + 2 - 105.6 ≈ -69.6dBm

这个值很关键。市面上常见的珠宝金属标签,启动灵敏度通常在-8dBm到-15dBm之间(注意:UHF标签激活需要能量,不是只要求接收到信号,这里要分两步看)。理论上看-69.6dBm远高于标签灵敏度,但实际效果却常打折扣,因为:

  • 珠宝柜台玻璃会带来额外损耗:单层玻璃约2-4dB,双层钢化玻璃可能到6-8dB;
  • 金属珠宝表面的反射会造成多径衰落,同一位置读到的信号强度可能波动10dB以上;
  • 标签贴在金属上之后,天线的谐振频率会偏移,标称灵敏度需要降级3-6dB。

把这些加起来,5米外实际感应功率可能只有-80dBm左右,已经接近很多金属标签的极限了。所以我的经验是: 标称能读到8米的标签,在珠宝柜台场景里按3-5米规划最稳妥。 如果你需要覆盖整个门店,更务实的做法不是堆功率,而是合理布设多个读卡器。

3.3 实测中的距离表现:什么在“偷走”你的读取距离

我在一个模拟珠宝柜台环境里做过一轮实测,结果很能说明问题。

测试条件 标签型号A 标签型号B
空旷环境,正面(贴纸朝外) 7.2m 6.5m
空旷环境,侧面 2.1m 4.3m
放入玻璃柜台(金属垫板) 3.4m 5.1m
放入玻璃柜台(周围10件金属饰品) 1.8m 3.8m
误读率(密集摆放) 较高

型号A是通用型UHF标签,标称6米;型号B是专门针对金属表面优化的珠宝吊牌标签。可以看到,在关键时刻(柜台+密集金属),B明显更好。原因在于:通用标签的天线阻抗设计在空气中,贴近金属后天线性能迅速恶化;而金属友好标签把金属面本身当作天线地平面的一部分,所以越贴近金属反而越稳定。

4. 记忆功能的落地方式:从“只读ID”到“离线档案”

接下来是“Memory”部分。这是这个方案最容易被低估的地方,也是拉开体验差距的关键。

4.1 标签内置存储的三种方案对比

“记忆”并不意味着标签要做成一台小电脑。按当前主流技术,有三种落地思路:

方案 存储容量 可改写 断电保持 典型用途
EPC码区 96-128bit 单次/多次 长期 唯一ID、批次号
TID码区 96bit标准+扩展 只读(出厂) 长期 芯片级防伪
User区(用户存储区) 512bit-8Kbit 可读写 长期 商品档案、盘点记录、状态标记

对珠宝标签来说,最实用的组合是: EPC存珠宝唯一编号,User区存一段精简档案 ,比如“品名+克重+证书编号+入库日期+最近盘点时间”。假如你用的是1Kbit的User区,除以8就是128字节,这128字节足够存下关键业务信息,但存不了照片和长文本。

这里有一个常见误区:很多人以为标签带记忆就是要把商品所有信息都塞进标签。实际不是。标签存储的成本远高于数据库,而且写入速度慢、寿命有限(一般保证10万次擦写)。我更推荐“ 标签只存短档案,详细数据放后台,标签数据与后台ID关联 ”的混合思路。这样既能在离线环境下快速识别基本信息和最近状态,又不会把标签变成昂贵的存储介质。

4.2 记忆数据的写入策略:什么该存、什么不该存

我带团队做这个方案时,专门定了一套写入规范,后来项目评审时被反复引用,这里分享给大家:

  • 必存 :唯一ID(EPC)、商品类别代码、克重(或尺寸)、处置状态(在库/出库/送检/已售)、最近盘点时间戳。
  • 可选 :证书编号后8位、门店编号、批次号、上一手流转人编号。
  • 不建议存 :客户姓名全名、身份证信息、照片、长文本描述、价格明细。

为什么不建议存客户信息?因为标签是RFID射频传输,理论上在读取范围内可以被动截获。虽然现代协议有session和加密机制,但把隐私信息直接写进标签仍是风险行为。珠宝行业对隐私和品牌形象极其敏感,这块一定要克制。

4.3 离线写入与离线回溯的实战场景

记忆功能最大的价值场景,我举三个真实的例子:

场景一:拍卖行巡展。 一批珠宝从库房提出,去外地巡展,全程没有后台数据库网络。展会方用便携式读写器每件扫一遍,标签的User区里“最近盘点时间”字段自动刷新。等展品回到库房,库里系统一读,所有标签上的盘点记录自动回传,就能精确知道“哪件在展会期间被查看过、共被扫描过几次”。

场景二:门店柜组交接。 早晚班交接时,店员用一台手持机围着柜台走一圈,识别范围覆盖整排柜台,标签自动记录“已盘点”。新来的店员不用翻纸质交接单,手里机器上直接能看到:这批货上一班已经点过,不需要重新清点。

场景三:贵重珠宝外借。 客户试戴后,导购不用让客户站到指定位置,柜台内的读写器在客户走近展示区时自动识别对应珠宝标签,系统将“试戴次数+1”写入标签,同时后台记录一条“试戴事件”。这个“记忆”对后续销售分析极有价值。

这三个场景的共同点都是:传统RFID需要实时连后台才能体现价值,而记忆型标签在断网、弱网、移动场景下依然能把业务串起来。

5. 系统选型与部署:读卡器、天线、中间件怎么搭

远距离+记忆功能不是买一堆硬件就能跑通的,系统层面的设计同样要提前想清楚。

5.1 读写器选型:一体式与分体式怎么选

珠宝门店场景通常不需要非常远的覆盖,但需要灵活布设。市面有两种主流形态:

  • 一体式固定读写器 :天线和射频模块集成在一个外壳里,接上电源和网线就能用。适合柜台入口、保险库门口、通道位置。优点是部署简单,缺点是天线无法远离主机,柜内密集环境布线不便。
  • 分体式读写器+外接天线 :主机可以藏在收银台下,天线通过馈线引出,贴在柜台隔层或天花板。适合需要精细控制覆盖范围、天线需要藏在珠宝柜内的场景。我强烈推荐后者。

为什么推荐分体式?因为珠宝柜台里我们要把天线贴着金属隔板安装,天线与读写器之间会有1到3米的馈线。一体式读写器天线和主机一体,根本塞不进柜台夹层。分体式可以由你自由选择天线面积小、增益适中的近场天线,用馈线连接,能有效控制只覆盖本柜台、不干扰隔壁柜台。

5.2 天线布设:一个容易被忽视的“信号边界”问题

珠宝柜台最怕两件事:一是读不到,二是读到隔壁柜台。读不到是链路预算问题,上面讲过了;读到隔壁柜台则纯粹是天线选型与布设问题。

我的经验是: 用近场天线(Near-Field Antenna)替代远场天线 。近场天线在贴近标签时感应强度高,但到30-50cm外急剧衰减,天然形成一个“只罩住本柜台”的边界。如果你用的是远场天线,即使功率调小,信号还是会从柜台的玻璃缝隙漏出去,隔壁柜台一读就是一片。

另外,要注意天线的极化方向。珠宝柜台里的标签方向千奇百怪,水平、垂直、倾斜都有。如果读写器天线是线极化,遇到垂直摆放的标签可能会出现极化失配,读取率骤降。更稳的方案是用 圆极化天线 ,虽然单点增益略低,但能保证各种方向都有响应。这在密集型珠宝展示柜里尤其重要。

5.3 中间件与数据处理:要让数据流动而不是堆硬件

硬件层只是耳朵和嘴巴,真正让整套方案“好用”的是中间件。我建议至少具备这几个模块:

  • ID归一化模块 :不同厂家标签的EPC/TID格式不同,统一转换成业务编号,避免上层应用被绑定。
  • 标签记忆读写服务 :封装对User区的读写操作,并处理写入失败重试、多标签同时写入时的冲突(这个在珠宝密集场景很容易遇到)。
  • 去重与事件生成 :同一件珠宝在一天内被读到100次,不应该生成100条数据,而应该按时间窗口合并成“一次盘点事件”或“一次试戴事件”。
  • 离线数据缓存 :当后台网络不可用时,读写器或本地网关先把事件缓存下来,恢复后自动补传。

技术栈上,最省事的是用基于Java或Python的RFID中间件框架,或者直接对接读写器厂商的SDK,但一定不要只停留在读ID层面。把“读到的Raw数据”转换成“业务事件”,才是部署能不能被业务团队认可的分水岭。

5.4 网络拓扑:一台本地网关,而不是每个读写器都上云

我见过不少项目,每个柜台都配一台读写器,每台读写器都直连云平台。结果呢?网络一抖动,数据全乱,而且每月流量费和云资源开销非常惊人。

更推荐的拓扑是:

固定读写器/手持读写器 -> 本地网关(边缘计算/缓存) -> 云平台或本地数据库

本地网关承担聚合、去重、转换、缓存职责,再以批量方式与云端同步。这样即使网络断掉,门店也能正常完成盘点,恢复之后这段时间的数据不会丢。对珠宝门店来说,网络的可靠性远比实时性更重要——你不需要精确到毫秒知道一件珠宝被读到,但你需要确定它“确实在柜子里”。

6. 部署实测与踩坑记录:三次迭代后的真实经验

理论讲再多,不如把现场踩过的坑说清楚。这部分是我觉得最值钱的,都是真金白银换来的。

6.1 冷启动调试:为什么标签“第一次读不到”要刷三遍

第一次上电测试,我们用的是新采购的UHF标签,贴在金属首饰托上,读写器设置在柜台正上方。结果第一批标签怎么扫都是零读取,后来发现是 标签出厂时的EPC码全是FFFFFFFFFFF,需要先写入业务编号后才能被上层软件识别 。这个不算大坑,但现场团队不知道,卡了整整一个下午。

更隐蔽的是:在密集金属环境下,标签和写卡器同时工作时,写卡器功率过大,会把旁边标签也激活,导致写入过程被干扰,数据写入不完整、校验失败。后来我们把写卡功率调低到刚好覆盖单个标签,才稳定下来。

6.2 误读与串读:珠宝柜台里的“幽灵标签”

正式试运行第一天,系统突然报了一个很奇怪的“库存溢出”:盘点结果是账上多了两件。排查过程如下:

第一次怀疑是标签ID写重复了,逐件扫码排查后发现ID没问题。第二次怀疑是读写器天线范围过大,把隔壁柜台的标签读进来了,于是把天线功率调低、换近场天线,问题依旧。第三次我们做了单柜台隔离测试,发现当隔壁柜台关闭时,误读消失;一打开,又出现。

最后定位到的根因是 金属柜台之间的反射路径 。读写器的射频信号在金属立柱和玻璃边框之间反复反射,形成了一条绕射路径,穿过柜台隔板到达另一边的标签。这不是天线直射,而是“拐弯”过来读到的。解决办法是让天线贴近本柜台的标签放置,同时把读写器读取方向配置为“只读本天线”,并调低发射功率,让绕射路径超出标签激活阈值。测试后误读率从3%降到了0.1%以下。

6.3 标签“静默”现象:珠宝叠加摆放是最大敌人

另一个高频问题是:两条项链叠在一起,标签A和标签B贴得很近,读写器只识别到A,B长时间静默。起初怀疑B标签坏了,换新标签后仍复现。

后来仔细分析:两个标签距离小于约一个波长时(UHF约32cm),它们的天线会互相耦合,产生电磁盲区,导致其中一个标签无法获得足够的激活能量。这跟“人与人抢话”很相似,但本质是能量竞争,不是协议竞争。

这个问题的解决思路有三层:

  1. 物理隔离:在陈列托盘中用卡槽隔开,让标签间距大于5-10厘米;
  2. 标签选型:选择方向性更强、近场耦合更小的标签;
  3. 读取策略:启用读写器的“多轮扫描+随机避让”模式,让每个标签都有机会在这个轮次被唤醒。

第二层和第三层必须一起做,单靠一个往往不能根治。

6.4 手持盘点工具的续航与散热:被忽视的“最后一公里”

手持读写器在珠宝门店用起来还有两个小问题:一是功率高时发热明显,连续盘点30分钟会触发过热降频,读取距离直接从5米缩到2米;二是电池在低温度环境下衰减快,北方门店冬天靠近窗户盘点,一块电池可能撑不过一个早班。

我的建议是:常备两块电池轮流用,并把“盘点动作”拆成多段,每段控制在15分钟以内,中间休息一下让设备恢复温度;同时优先选择支持快充、机身有散热孔的手持机,不要买那种看起来漂亮但整体密封的型号。

7. 成本评估与ROI:这套方案到底值不值

聊完技术,必须说钱。任何方案在业务决策者眼里,最终都要落到投入产出比。

7.1 一套起步配置大概多少钱

下面以一个中等规模珠宝门店(500平米、6个柜台、约3000件在柜商品)为基准,给出大致预算:

项目 数量 单价(参考) 小计
分体式UHF读写器 8台 3000-5000元 2.4-4万元
近场天线+馈线 16套 600-1200元 1-2万元
珠宝专用金属标签 3500枚 2-4元/枚 0.7-1.4万元
手持读写器 2台 4000-8000元 0.8-1.6万元
本地网关/边缘节点 1台 3000-6000元 0.3-0.6万元
中间件与首年运维 1套 1-2万元 1-2万元

合计大约在6.2万到11.6万元之间。如果门店更小,可以适当减少读写器和天线数量,降到4万元以内也不难。要注意的是,这是硬件+实施的一次性投入,不包含后续标签补货和人员培训。标签单价看起来不高,但珠宝门店货品流转频繁,每年补标签也是一笔隐形成本。

7.2 投入产出怎么算:关键不是省人力,是省“差错损失”

很多老板会问:这能帮我省几个人?老实说,传统盘点一个人一晚上干完的活,这套系统确实能缩短到半小时,但省下的人力有限,更关键的价值在别的地方:

  • 降低漏盘、错盘带来的库存损失 。珠宝单价高,一件误判就可能抵得上半年系统成本。
  • 提高门店展陈商品的安全性 。盘点频率从每月一次提升到每日一次,且系统会自动关注“盘点时缺失”的商品,失窃响应时间从“月底发现”缩短到“当天发现”。
  • 提升客户体验和销售转化 。导购不用再低头扫条码,客户试戴时系统自动识别,试戴数据可辅助销售跟进。

按一家门店每年降低1-2件珠宝的差错损失来算,投入回收期通常在半年到一年半之间。这个账,我觉得是算得过来的。

7.3 隐藏成本清单:别只看硬件报价

最后提醒三个容易漏算的成本项:

  1. 标签写入与绑定工时:3500件商品首次贴标+写入档案,工作量不小,按每人每天300件计算,需要10人天以上;
  2. 柜台内天线布设的美观改造:天线要进柜台,可能需要微调柜内结构,部分门店会涉及定制托盘或亚克力隔板;
  3. 人员培训与流程改造:盘点SOP要从“人工扫码”变成“手持巡检+系统确认”,老员工适应需要时间,这部分往往被低估。

8. 不同规模场景的落地建议

方案不是越复杂越好,关键要匹配场景粒度。

8.1 小型独立珠宝店(1-2个柜台,500件以内)

预算有限时,我建议用 一体式便携读写器+手持盘点 的组合。不需要固定天线和网关,每天关门后,拿手持机在柜台前走一遍,数据存本地,每周导一次就行。标签也先只选一部分重点高价值珠宝贴,不必全覆盖。这个阶段的目的不是一步到位做全流程自动化,而是先培养团队对“电子标签”的信任感。

8.2 中型连锁门店(5-10个柜台,2000-5000件)

这个规模最适合完整部署本文前面说的固定式方案。建议先把硬件统一型号、提前规划天线位置,再逐步铺开。重点是把“标签绑定档案”这个数据基础做扎实,因为后续所有分析都依赖标签与珠宝的准确映射。系统上优先做“每日盘点差异报表”和“试戴事件统计”这两个核心功能,不要追求一开始就上复杂算法。

8.3 大型珠宝企业/总部级管理(多门店+仓库+巡展)

到了这个级别,重点已经不是单点识别能力,而是 多层级标签体系、总部数据平台和远程下发指令 。比如总部可以给所有门店下发“某批次因工艺问题需临时召回”的指令,各门店盘点时系统自动提示。标签记忆字段里可以增加“召回批次标记”,这样即使某门店网络中断,也有离线提醒。这套体系对标签一致性和后台建模要求很高,建议由RFID集成商+珠宝行业顾问联合实施,而不是单纯依赖硬件厂商。

9. 最终的一些实在建议

写了这么多,把零散经验收敛成几条对你也许有用的建议:

  • 别迷信标称距离,先拿同款标签在你真实的柜台里做一轮“贴金属+隔玻璃+密集摆放”测试,再决定采购量。
  • “记忆”功能先做减法,用最小集(唯一ID+最近盘点时间+处置状态)跑一个月,再逐步加字段,比一开始就把User区塞满更稳妥。
  • 读写器选分体式,天线用圆极化近场天线,部署时多花半天调试,后面半年会省心很多。
  • 中间件一定要自己去定义“盘点事件”的粒度,否则一天几百万条Raw读取能把报表系统压垮。
  • 别把标签当数据库,标签只记“验证线索”和“短档案”,完整业务数据还是交给后台。

这套方案走到今天,最大的体会是:珠宝行业要的不是最前沿的技术,而是最可靠、最能与实物结合的技术。远距离读取和记忆标签的出现,刚好把以前“看得到摸得着但数据断档”的环节彻底填上了。如果你也正在做类似的选型或落地,希望这篇内容能帮你少走几段弯路。最后再叮嘱一句:第一次上标签,先在非核心柜台试跑一周,数据稳了再全店铺开——这个节奏,比什么都重要。

TDD BDD - 详细指南 最后,您已读完本文,了解了测试驱动开发 (TDD) 和行为驱动开发 (BDD),包括它们的含义、原则、优点和缺点以及它们的不同之处。在本文中,您将了解测试驱动开发 (TDD) 和行为驱动开发 (BDD),包括它们的含义、它们的原则、优势、劣势、它们的工作方式以及它们的主要区别。:当开发人员收到来自用户或产品团队的新需求时,对功能文件和场景进行更新,并重复整个周期(即之前的 BDD 阶段),直到实现预期的行为。:使用 BDD 方法开发的产品是以客户为中心的,因为大多数功能的实现都是基于客户的反馈。 阅读详情

相关推荐

BDD - 介绍 Behavior-Driven Development 行为驱动开发

自从接触到 BDD,深有感触,BDD 是广大 QA 的福音,测试领域的天空豁然开朗。BDD 模式更有助于团队合作,提高工作效率,加快产品上线。即使一个不会代码的 QA,也有可能快速的实现自动化用例。当然前提是你的团队有一个核心的人,搭好了 BDD 测试框架。本文主要是介绍一下有关 BDD 概念。...

wumingxiaoyao的博客 5684

BDD行为驱动测试实践

else {else {else {Scenario Outline基本上用表中的值替换变量/关键字。表中的每一行都被认为是一个场景。继续使用登录功能的例子。到目前为止,一直在执行一个场景:提供正确的用户名,登录成功。现在,假设我们要检查所有三种可能的输入类型的登录是否成功,这三种类型的输入是用户名,电子邮件地址或电话号码。为了实现这一点,将需要写三个不同的场景,其中每个场景将随输入类型而变化,登录成功。

weixin_42194019的博客 1302

IMU卡尔曼滤波方法详细介绍

本文介绍了基于IMU和卡尔曼滤波的状态估计方法。系统采用9维状态向量(位置、速度、加速度计零偏),通过牛顿运动学建立状态方程,并利用外部位置观测进行校正。详细推导了状态转移矩阵和控制输入矩阵的形式,阐述了预测和更新的计算步骤。同时说明了过程噪声Q和观测噪声R的设置原则,其中Q反映模型不确定性,R取决于传感器精度。该方法可有效融合IMU测量外部观测数据,实现位置、速度和偏置的联合估计。

haing2019的博客 721

BDD自动化测试

BDD(行为驱动开发)自动化测试在软件测试领域一直在发展。随着agile思想在越来越多的项目中推广,以及非开发人员在项目的更多参BDD风格的自动化测试被越来越多项目组采纳并实施。 BDD(Behavior Driven Development),即行为驱动开发,是敏捷开发技术之一,通过自然语言定义系统行为,以功能使用者的角度,编写需求场景,且这些行为描述可以直接形成需求文档,同时也是测试标准。 二、为什么要使用BDD 传统模式下,从客户提出需求,到输出产品,我们会经历以下流程:

生活需要深度 4528

为什么BDD可以拯救敏捷

在2015年QCon伦敦大会上,Cucumber Ltd创始人Matt Wynne讲述了BDD如何利用敏捷在团队作战的优点解决缺乏预见性、沟通和质量这些常见问题的。\在一些需要帮助的公司一起工作中,Wynne发现他们经常会受困到上述问题之中,因为他们误解了成为敏捷、达到敏捷和某些像货物崇拜形式的敏捷实践的区别。\为了抚平常见的痛点,Wynne提议找回那些最终丢失的敏捷特性。当团队开始将软件以组件...

weixin_33985507的博客 95

《规范敏捷交付:企业级敏捷软件交付的方法实践》——导读

前言 在客户眼中,信息技术(IT)行业的声誉着实令人尴尬。几十年来,我们浪费了太多稀缺的预算和资源,违背了自己的承诺,而交付的产品功能却并不是客户的真正之需。旁观者对我们的职业一定困惑不已。我们有那么多过程框架和各种各样的知识体系,以至于连我们自己都很难理解那些层出不穷的、只有首字母缩写的词语,更不用说隐含在其后的丰富的知识和资源。看一下:PMBOK...

weixin_33816300的博客 287

什么是BDD

BDD是TDD的一种衍生,通过特定的BDD框架,用自然语言或类自然语言,按照编写用户故事或者用户用例的方式,以功能使用者的视角,描述并编写测试用例。 BDD源于TDD并优于测试驱动开发。 之所以说BDD优于测试驱动开发,并非空穴来风,主要原因如下: 1、更加以人为本:TDD更多关注于测试接口实现逻辑正确性,而BDD重点关注用户使用功能时的行为和结果是否符合预期。 2、更加以人为本:TDD...

weixin_30699955的博客 2734

BDD简介---2

由上述我们可以知道,BDD是由1个或2个终端节点(0或1)出度为2(low(u)和high(u))图所组成的,它把BDT从2n 个节点进行裁减,从而减少空间复杂度,然而却增加了时间复杂度,为使其了更有效,我们引入OBDD和R(O)BDD的概念。 OBDD(Ordered Binary Decision Digram)是所有BDD路径都是基于给定线性序列的BDD。如图2 就是 遵循...

guyikun的专栏 1074

行为驱动开发(BDD)你准备好了吗?

GitChat 作者:冰尘 这个Chat笔者将会和大家一起探讨下面的主题: 什么是行为驱动开发(BDD)? 为什么使用行为驱动开发(BDD)? 如何做行为驱动开发(BDD)? 遗留系统适合使用行为驱动开发(BDD)吗?

技术杂谈 1万+

BDD(Behavior-Driven Development)行为驱动开发介绍

如果我们能够在描述场景的用例里边用一些变量来代替,把变量对应的值(数据)提取出来存为一个表格或者独立的文件,这样将会使得用例的可读性很好,而且也不会缺失细节信息(数据),后期的维护和修改也较为方便。其实,产生这两个不一致的真正原因是因为不同角色有着不同的领域知识,说着不同的语言,大家在沟通的时候,如果都用自己领域语言,必然会产生沟通代沟,导致理解的不一致性。用例场景的描述格式“GIVEN…BDD的作用是把利益关系人、交付团队等不同方面的项目相关人员集中到一起,形成共同的理解,共同的价值观以及共同的期望值。

oscar999的专栏 2315

什么是BDD?BDD是什么意思

BDD 是一种软件开发方法,它强调开发人员、测试人员和非技术利益相关者之间的合作和沟通,以确保软件开发满足业务需求并具有良好的质量。用户故事以用户或利益相关者的角度描述所需的功能,通常以"以便"或"为了"的方式表述。BDD 有助于确保软件开发过程更加用户导向、明确和透明,同时提高了开发质量。BDD 的核心思想是将软件的开发和测试过程聚焦在软件的行为和规范上,而不仅仅关注代码的实现。BDD 有助于改善团队之间的沟通和协作,使开发人员、测试人员和业务利益相关者能够一起编写和讨论规范。

3955

BDD行为驱动开发+Python案例解析

简介:BDD(Behavior-Driven Development,行为驱动开发)是一种敏捷软件开发方法,它强调软件应该按照预期的行为来开发。BDD的核心理念是使用自然语言编写的可读性强、易于理解的用户故事(User Stories)和验收标准来驱动开发过程。BDD建立在TDD(测试驱动开发)的基础之上,将测试的重点从代码级别的单元测试转移到更高层次的端到端测试,关注整个系统的行为。通过遵循BDD的原则和方法,可以提高软件开发的质量、效率和可维护性,并促进团队间的沟通协作。BDD流程: BDD的精髓:

伤心的辣条 604

测试之谈TDD、BDD和ATDD

前言:做测试也快两年了,虽然期间也接触到敏捷开发,但是只是对项目组中的流程有个了解。偶然的看到TDD和BDD,是敏捷开发技术中比较高频的两个概念,但实际自己并不能说出其中的区别和联系,刚好借此机会学习了解,通过CSDN记录学习的疑问正文:一、概念:TDD:Test-Driven Development(TDD)即测试驱动开发,它是一种测试先于编写代码的思想用于指导软件开发。测试驱动开发是敏捷开发中...

hey_man2017的博客 7783

BDD(二元决策图)

转载自:二元决策图(Binary Decision Diagrams - BDD) (一) 在形式化验证、数字系统的设计和验证中,许多任务都涉及大型命题逻辑公式的运算。二元决策图(BDD)已经成为许多应用的首选表示方法。1986年,Bryant发表论文指出归约有序的二元决策图是布尔函数的规范表示。 几个基本概念: 布尔函数(Boolean function)描述如何基于对布尔输入的某种逻辑计算确定布尔值输出,它

Pawa1uoke的博客 7681
上一篇: PINN+LSTM结合:时序物理场建模的完整工程实践指南
下一篇: Unity高级项目背后的技术共性:程序化生成与Shader的实战拆解
weixin_33824363
博客等级 码龄11年 6142粉丝 883原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值