AiDD研发数字峰会-上海站

出品人：卫科

百度技术中台体系质量团队技术委员会主席

百度技术中台体系质量团队技术委员会主席，多年大数据、AI等系统质量保障经验，目前主要负责大模型在测试中的应用落地和测试的AI原生建设。

自动化测试用例与脚本生成

本论坛将聚焦于 AI 如何智能生成测试用例与脚本，覆盖AI算法助力用例设计、测试脚本自动生成以及优化、测试脚本缺陷的定位和修复、测试数据生成、测试断言生成等领域，从理论到实践，结合实际应用和案例，深入剖析其应用场景、技术难题与解决方案，探索真实落地场景。

大模型驱动下的全流程“智”动化测试实践

张强

咪咕测试总监

内容简介：

在项目落地自动化测试的过程中，测试人员需要耗费大量的时间进行元素定位与脚本调试，系统变更后又面临失败问题定位与脚本修复难题；测试经理往往只能关注到自动化脚本的整体通过率，对脚本的真实覆盖情况，校验点的有效性缺乏科学量化的评估手段；在持续集成环节，因为脚本前后关联，常规的简单并行策略，无法满足灵活多变的调度要求。
本议题是咪咕公司测试团队借助大模型与机器学习算法在自动化测试过程中的一次端到端智能化测试实践，为项目开展自动化测试提效赋能。

演讲提纲：
1.测试用例与脚本智能生成
1.1 测试智能体构建（以中移动“九天”大模型、DeepSeek为基座，结合知识库与知识图谱等技术，构建测试智能体）
1.2 测试智能体应用（根据提示词与需求描述自动生成测试用例和自动化脚本，提升写作维护效率）
2.自动化有效性客观评价
2.1 多维度实时度量大盘（脚本覆盖率、Bug发现率等指标实时度量）
2.2 自动化过程改进（基于各项指标，自动分析自动化实施过程中的不足，提供改进方向和意见）

听众收益：
1.为正在落地自动化测试的项目团队，在不同环节的提效手段提供参考；
2.与企业测试开发与效能提升团队，在自动化测试平台建设方面共同交流，互相启发。

十几年测试工作经验，分别在华为和咪咕工作多年，多次参加业界各种技术分享大会，一直致力于测试效能提升、质量保障和团队管理等工作，有丰富的自动化测试、性能压测、精准测试等经验。

脚本生成2.0-基于智能体的脚本生成与修复之道

陈超

中兴通讯测试经理

内容简介：

2024年，项目多产品切换至新平台，测试开发任务激增，人均任务量提升80%以上。为此，我们引入RAG+FewShot技术的AI应用实现脚本自动生成，但因大模型对领域知识理解有限，需人工精准定义任务，否则错误较多。
为解决此问题，我们提出新方案，引入具备学习、规划、推理和工具使用能力的智能体，将其视作团队成员。在新手期，人类指导与反馈，助力智能体逐步成长，最终独立完成复杂任务。方案中，人类分配任务，智能体负责任务拆分和各环节工作，显著降低单智能体能力要求。目前，智能体已嵌入测试关键环节，实现全流程贯通并上线应用。

演讲提纲：
一、问题提出
1.1项目挑战：多产品并行对测试交付能力挑战高，数通产品组网灵活多样、测试步骤多，测试开发耗时长
1.2方案1.0：基于RAG+FEWShot技术实现从用例生成脚本，脚本开发效率提升100%
1.3方案1.0问题：脚本生成采纳率提升依赖人的参与度，无法替代人完成测试执行工作
二、解决思路
2.1智能体替代人：智能体替代人的关键，是把智能体当做人，完成测试开发工作
2.2方案升级：从“个体”到“团队”，构建基于SOP的多智能体协作系统，复杂任务简单化，中间结果可验证
三、实践方案
3.1方案2.0：基于SOP的多智能体系统，帮助智能体实现“替代”人完成测试执行工作
3.2用例标准化智能体关键技术：基于意图识别，解决自然语言表达大模型理解困难的问题
3.3脚本生成智能体关键技术：复用1.0方案，实现脚本自动生成
3.4脚本执行\检查\修复智能体关键技术：智能体根据脚本执行结果进行反思，完成错误修复
四、实践过程，自动完成用例标准化改写，生成脚本完成执行验证
五、实践效果，释放人力，提升质量
六、总结展望，人类智能->人工智能，AI的新时代

听众收益：
1.了解智能体在实际项目中的落地应用方法与逻辑，获取启发性思路，为自身项目带来创新灵感。
2.基于智能体的测试开发方案可作为参考范例，助力听众探索适合自身的高效开发路径。

中兴通讯青年奖得主，数通产品测试经理，拥有10年以上数通产品研发经验，对数通产品特性有深入研究。近两年，作为有线研究院AI工程技术组核心成员，牵头负责AI脚本生成方案的穿刺与落地，成功攻克多项技术难题，推动方案在实际项目中高效落地并取得显著成效。

智能体引擎驱动的自动化突破与工程化实践

刘巍

荣耀终端云平台AI测试专家

内容简介：

AI技术的爆发式发展为自动化API测试开启了新纪元。通过算法与数据的深度融合，AI正在颠覆传统测试模式：基于NLP的自动化用例生成、代码行覆盖率优化等创新实践，显著提升了测试效率和缺陷捕捉率。本次分享聚焦API自动化、精准测试与AI技术的协同进化——通过预训练模型、模型微调和动态数据生成技术，AI可自动识别高价值测试路径，减少冗余用例的同时将代码行覆盖率提升至70%以上。现场将解析AI三要素（算法/数据/算力）的落地框架：RAG技术实现测试文档智能解析，强化学习优化多接口链路组合，通过云平台的API测试真实案例，分钟级生成自动化用例，测试左移提升平台测试效率，自动化测试用例采纳率60%+

演讲提纲：
1.智能体引擎：自动化测试的决策中枢与执行引擎
解析智能体引擎（TE Agent）如何凭借动态编排、上下文感知与意图推理能力，驱动 API 测试从生成到优化的全流程闭环。
结合 AI 生成 API 用例框架（输入→资源库→输出），阐述智能体如何整合接口文档、测试用例、代码仓、流量数据等多源输入，实现测试资产的自动化构建。
2.AI 调优四步法：领域知识的高效融合与动态适配
围绕预训练、微调、RAG（Retrieval-Augmented Generation）、Prompt 工程，解析AI 模型如何通过代码仓分析、流量录制回放等场景数据，动态优化测试逻辑与参数覆盖范围。
3.工程化实践：多源输入协同的场景化落地
文档与用例驱动：AI 解析接口文档自动生成脚本框架；基于测试用例文本提取关键测试点，生成场景化测试逻辑。
代码仓与流量驱动：代码 diff 分析识别接口变动，触发关联测试脚本的自动化回归；流量录制回放数据用于参数校正、值域扩展及异常场景挖掘。
生产反馈驱动：以线上事件反向优化测试用例，构建 ""输入 - 执行 - 反馈"" 完整闭环

听众收益：
1.多源输入协同的工程化方法论
掌握接口文档、测试用例、代码仓、流量录制等多维度数据整合方法，实现测试资产的全生命周期自动化管理。
2.场景化输入的价值挖掘技术
学习关键实践：从接口文档生成脚本框架、从自然语言用例提取测试意图、基于代码 diff 动态回归、利用流量数据反哺自动化用例优化。
3.可复用的降本增效方法论
通过多源输入协同减少人工脚本编写成本，通过动态反馈机制降低漏测率

作为一位在云平台工作的AI测试专家，专注于利用AI技术推动自动化API测试的创新与实践。在精准测试、AI三要素（算法、数据、算力）以及NLP算法、测试数据生成、日志分析、特征提取等领域拥有深厚经验。通过结合代码行覆盖率分析，帮助团队显著提升测试效率和质量，推动测试流程的智能化升级。以专业的技术能力和独到的行业洞察力，致力于推动测试领域的持续创新。

基于性质的GUI测试技术

苏亭

华东师范大学教授

内容简介：

在过去的十余年，自动化UI测试技术作为一种有效的软件错误检测方法被不断完善，并逐步应用于业界实践中，取得了不错的效果。然而此类测试技术局限于检测稳定性问题（如应用崩溃、闪退），由于缺乏测试断言，很难应用于UI软件功能正确性测试。本报告将介绍我们提出的一种基于性质的GUI测试技术（Property-based GUI Testing）及其对应工具实现Kea（https://github.com/ecnusse/Kea）；并探讨大模型与该技术的结合应用和思考。该测试技术已经在一些国内商业应用中找到了百余个重要的软件功能和隐私安全缺陷。

演讲提纲：
1.介绍现有GUI测试技术的局限性和不足
2.介绍业界在功能测试中的痛点问题
3.介绍基于性质的测试理论
4.介绍基于性质的GUI测试技术、工具和应用案例
5.讨论大模型和基于性质的GUI测试技术的结合应用

听众收益：
1.了解并知晓现有GUI测试技术的局限性和不足
2.了解并知晓基于性质的测试理论
3.了解并知晓基于性质的GUI测试技术
4.了解如何将基于性质的GUI测试技术应用于实践

华东师范大学软件工程学院教授，主要研究方向为软件工程、程序语言和软件安全，研究工作主要集中在对各类复杂软件与系统的质量保障方面；相关研究成果获得了CCF科技成果奖技术发明一等奖、Google教授研究奖、CCF-蚂蚁科研基金“优秀应用项目”奖、四项CCF-A类国际会议的ACM SIGSOFT杰出论文奖等；其研究工作受到了中国/瑞士国家自然基金委、科技部重点研发计划、国内外高科技企业的资助；获得国家青年人才计划支持。

AiDD峰会

K+峰会

联系我们