A5--刘道龙--智启未来：AI赋能的软件测试效能跃迁的四大应用场景.pdf

1、刘道龙顺丰科技/TO C营销域/测试专家刘道龙顺丰科技 TO C营销域 /测试专家顺丰科技测试体系架构专家，带领团队构建支撑C端7亿用户营销域的质量管理体系。从业十余年深耕测试效能提升战略能力，在测试保障体系搭建、自动化工具提效及精准测试实践等领域拥有丰富的实战经验，主导搭建了测试左移-精准验证-智能监控三维度质量管控方案。端到端全流程a、从测试职能到质量管理职能测试只代表研发生命周期中的一段，缺乏统筹b、端到端的质量管理产研全生命周期阶段+线上运营阶段c、质量管理职能的质量主张坚持质量主张不妥协、决策版本能否上线结果论a、首先看质量结果b、其次看过程方法我们的质量主张：质量管理的目标一定是对

2、结果负责uioc数量生产缺陷数量用户声音数量线下质量结合等测试流程测试方法测试工具能力沉淀目录CONTENTS2.1引擎一：AI测试用例设计引擎二：AI辅助CI/CD引擎三：AI测试执行2.3引擎四：AI监控预警2.42.203整体效果AI赋能测试整体介绍0102四大引擎PART 01AI赋能测试整体介绍贯穿测试周期的提效四大引擎用例编写环境部署测试执行 发布监控AI测试用例设计在需求测试用例设计阶段，使用AI进行需求分析，快速生成可靠精准的测试用例AI测试执行在测试实施阶段，AI测试助手辅助测试人员理解业务需求并进行造数准备测试条件辅助生成接口自动化、UI自动化测试用例。AI辅助CI/CD在

3、准备环境阶段，使用AI完成流水线部署搭建环境且验证环境可用性AI监控预警使用AI来分析监控数据智能预警，大幅降低误报，保障环境的质量整体架构PART 02（引擎一）AI测试用例设计目前AI生成测试用例的困境边界条件泛化过度，可能产生无业务意义的用例（如1000岁用户）；异常场景权重失衡，模型可能过度关注代码覆盖率而忽视业务关键路径用例集过于发散业务逻辑语义鸿沟，需求文档中的模糊表述（如用户高频操作具体阈值）导致用例偏离生成的用例不准生成测试用例的过程耗时很长，调用大模型deepseek/千问分析生成大模型的处理特别耗时生成效率慢我们的解法应对更准对海量文档（需求文档、测试用例、详设、接口文档等

4、）进行处理保存到向量数据库并生成知识图谱更聚焦更快构建领域知识图谱持续优化prompt模板拆分并行调大模型在新需求文档生成测试用例时，嵌入结合业务规则约束并参照历史缺陷数据调优测试优先级将新需求文档进行拆分，并行调用大模型，最终输出完整的需求测试用例基本流程知识构建用例生成存量文档向量化（embedding）保存到向量数据库分块（chunks）形成业务知识库生成业务知识图谱新需求文档拆分检索增强prompt并行调用大模型（deepseek、千问）获取大模型返回组装测试用例具体实现新需求文档分块promptretrieverLLM测试用例定义规范化文档1、需求描述分段编写（C端页面、管理后台页面

5、、逻辑等）2、分类：业务需求、性能需求、安全需求、埋点需求、数据统计需求拆分需求限定token大小 chunk_size=1000,1000个字符长度拆分separators=nn,n,按照nn,n,的优先级拆分字段-限定重叠区域，保证分块意思完整chunk_overlap=100提示词模板 “你是熟知顺丰速运营销域知识的软件测试工程师.”根据需求分类生成不同的prompt限制测试用例的类型（功能测试用例、性能测试用例、安全测试用例、兼容性测试用例、界面测试用例、异常测试用例）检索增强 retriever=vectordb.as_retriever()从向量数据库中查出业务规则约束、业务知识、

6、业务历史bug的归纳输入到llm并行生成 将分块的需求生成的prompt与retriever 给并行给到大模型，大模型生成测试用例组装测试用例将并行调大模型生成回来的数据进行处理组装，最后生成一份XMind格式的测试用例与原有直接调AI生成测试用例效果对比PART 03（引擎二）AI辅助CI/CD传统CI/CD痛点手动配置复杂且易错手工搭建的CI/CD流水线的需要开发者深度理解各类工具的配置语法，手动编写构建、测试、部署脚本。过程耗时且容易人为疏忽导致配置错误，尤其在多环境（开发、测试、生产）切换时，环境不一致问题频发。故障响应滞后CI/CD流程中的日志和性能数据依赖人工分析，异常检测和故障定