A5--田锐--AI驱动的智能测试工作流.pdf

《A5--田锐--AI驱动的智能测试工作流.pdf》由会员分享，可在线阅读，更多相关《A5--田锐--AI驱动的智能测试工作流.pdf（37页珍藏版）》请在三个皮匠报告上搜索。

1、田锐新浪微博 高级测试开发工程师田锐田锐新浪微博 高级测试开发工程师拥有十余年测试开发经验，专注于微博中台与架构研发工作，是核心业务系统需求管理系统、效能度量系统，机器人框架及智能工作台的重要设计与开发者之一。同时负责KA广告系统的测试工作，擅长通过技术创新驱动测试效能提升。曾就职于360，具有丰富的互联网系统测试与工程化经验。目录目录CONTENTS背景与痛点分析0102 架构设计及案例平台化落地03未来规划和展望04PART 01PART 01背景与痛点背景与痛点分析分析质量保障的质量保障的“智变智变”时刻时刻瓶颈与觉醒范式转移 从“自动化”到“智能化”的必然跃迁，重构质量保障运作方式。从

2、需求分析到用例设计、环境准备、测试执行，各环节严重依赖人工衔接与决策 工具的调度、关联与分析高度依赖人工 继续增加自动化用例或引入新工具，带来的质效提升边际效益递减范式转移：从范式转移：从“自动化自动化”到到“智能化智能化”的三重跃迁的三重跃迁01目标之变提升效率，降低人力成本 驾驭复杂性，保障业务连续性，实现风险可预测02方法之变03角色之变脚本驱动，基于预定义规则数据与模型驱动，基于感知、决策与执行脚本工匠、用例执行者测试工程师=AI教练、质量策略师，复杂场景设计师早期尝试：陷入早期尝试：陷入“点状智能点状智能”的陷阱的陷阱当前AI实践零散（如智能生成测试用例、测试代码）如同拥有先汽车零件

3、却未组装成赛车。外在表现数据孤岛：智能无法闭环持续学习价值碎片化：局部效率提升无法转化为整体效能增长主张智能化价值在于端到端流程重构而非单点工具堆砌。根本缺陷 点状智能：零散地应用人工智能技术，解决某个特定单点问题PART 02PART 02架构设计与架构设计与案例案例架构架构设计设计打通所有环节的智能网络打通所有环节的智能网络，以智能测试工作流为枢纽的体系，融合知识库与基座模型的底以智能测试工作流为枢纽的体系，融合知识库与基座模型的底层能力，构建数据采集，策略调度，精准执行的测试智能层能力，构建数据采集，策略调度，精准执行的测试智能工作流工作流问题与挑战问题与挑战-从理想架构到复杂现实的鸿沟

4、从理想架构到复杂现实的鸿沟文档缺失与标准化不足需求文档形式各异，缺乏统一标准输入测试框架与技术栈多样各项目测试框架、技术栈及结构存在差异业务逻辑与领域知识孤岛业务领域知识差异大，统一AI模型缺乏深度理解解决方案解决方案-拥抱差异，赋能业务拥抱差异，赋能业务提供多层级的可配置模板：放弃“大一统”模板，提供轻量，标准，深度定制三级模版推动业务方构建专属知识库：提供工具平台，构建维护专属知识库确立“人在环路”的协同模式：明确人在智能工作流中的核心地位，确保AI输出可控，可信，可优化面对文档差异，技术栈多样，业务知识孤岛等现实挑战，我们选择统一存储、传输、调用过程，在执行过程通过差异化配置与协同机制实

5、现智能化落地生成测试用例生成测试用例 基于树形结构存储，md格式传输统一管理测试用例 融合知识图谱的业务定制化Prompt工程与智能体用户Prompt自学习，赋能AI生成精准契合业务场景的测试用例，构建从知识到用例的闭环生成测试用例生成测试用例目前各业务的用例入库率目前各业务的用例入库率90%90%以上，用例以上，用例AIAI生成召回率在生成召回率在50%-70%50%-70%不等不等 生成测试用例：适配生成测试用例：适配AIFlowAIFlow测试用例最终要转化成测试代码，如何生成符合项目技术栈，框架和团队习惯的测试用例？测试用例最终要转化成测试代码，如何生成符合项目技术栈，框架和团队习惯的

6、测试用例？基于测试代码反推构建业务方深度参与与基于测试代码反推构建业务方深度参与与AIAI的自动装配的的自动装配的模型模型业务方：领域知识的贡献者业务方：领域知识的贡献者定义业务场景梳理功能功能-接口映射接口映射：明确测试范围编写接口测试契约接口测试契约（描述，步骤，前置）转化产品需求为技术需求技术需求提供质量标尺 提供历史优秀测试用例历史优秀测试用例 定义团队用例规范用例规范 参与生成结果校准与评审校准与评审AI：根据：根据契约自动装配契约自动装配流程关键点精准匹配：基于功能-接口映射精准制导要素提取：从契约中获取权威，杜绝“幻觉”上下文构建：提供最精准“知识片段”：需求+映射+契约底层支撑