内容简介：
本次分享提出了一种基于AI的提测决策能力和自动化测试设计能力，旨在通过智能化手段优化测试流程、提升测试效率和质量。系统主要包括三部分：需求自测/接测决策、测试设计与计划生成、自动化场景用例生成与智能巡检。系统利用AI模型分析需求特征，包括代码复杂度、业务风险、历史缺陷率等结构化和非结构化特征，输出接测概率并自动推荐测试策略；在测试设计环节，系统通过自然语言处理解析需求文档，自动生成测试用例、测试方案和计划，并结合知识图谱进行关联分析和异常场景推理；在自动化场景生成方面，结合代码变动，并联动apitest平台，自动化生成场景用例并执行巡检。该方案整合了多种技术手段，包括数据收集与标注、特征工程、模型训练以及知识图谱构建等，能够有效降低测试设计遗漏风险，提升测试覆盖率和效率。
演讲提纲：
AI驱动的三重革新，构建“智能化测试大脑”，形成从需求到交付的全生命周期管理能力
1. 测试智能分级（需求分级、接测分级）
1.1数据驱动决策：基于历史数据与实时反馈，对需求进行精准分级，确保高风险需求优先处理。
1.2动态资源调度：通过AI算法实现自动分配测试资源，打造智能化接测分级机制，最大化资源利用效率。
2. 智能用例生成（用例生成、智能测试报告）
2.1NLP+AI双驱动：结合自然语言处理和深度学习，从需求文档中智能提取关键场景。
2.2自动生成与推理：通过边界条件推理和历史用例匹配，覆盖更多测试场景，并输出智能化测试报告，助力团队快速定位问题。
3. 智能巡检（数据收集与标注）
3.1实时监控与分析：通过AI技术实现自动化的数据采集、标注与分析，打造全流程可视化监控平台。
3.2闭环优化：结合实时反馈持续优化测试策略，确保系统健康运行。
听众收益：
1.如何联动API测试平台实现场景用例自动生成与巡检，缩短测试执行周期
2.通过AI量化需求风险（如代码复杂度、历史缺陷率），自动生成接测概率与测试策略推荐，减少人工判断偏差与决策时间
B站供给生态质量团队资深测试开发工程师、质量保障TC主席。目前主要负责B站内容审核业务质量体系建设和探索。也曾任职阿里巴巴测试开发专家，负责过搜索、实人认证等产品 从事质量工作十余年，经验丰富。
高级测试开发工程师，推进并落地了业务线自动化建设，流水线覆盖，有丰富的的服务端经验及平台建设经验。
