【Gtest创新测试专场】2、焦海棠岩山科技测试质控部测试开发工程师《质量平台智能化演进---AI赋能的质效革命》.pdf

1、全球软件测试技术峰会9月北京质量平台智能化演进AI赋能的质效革命2025.09.06讲演人 焦海棠Conference Speaker互联网质控领域深耕十年，现任岩山科技测试开发工程师。有丰富的研发提效和业务赋能经验。长期专注于精准测试、研发效能和自动化领域，现聚焦AI测试方向，主导落地了多项AI测试能力、质量平台AI化。Contents01传统质量平台痛点02质量平台智能化全景04未来演进方向03智能化演进实践案例Contents01传统质量平台痛点02质量平台智能化全景04未来演进方向03智能化演进实践案例传统质量平台痛点自动化稳定性欠佳自动化稳定性欠佳自动化执行不稳定，接口及页面频繁变更

2、导致用例失效且维护成本高昂。积累的测试数据缺乏有效应用场景与分析，价值未能释放，数据积累难以自动化转化为洞察。用例管理低效且繁杂用例管理低效且繁杂用例管理存在标准化不足、复用性差导致协作成本高，过度依赖专家经验易遗漏边缘/异常场景且难以覆盖代码逻辑，同时人工操作繁杂、维护成本高的低效问题。缺乏内置隐私合规测试流程，难以满足日益严格的法规审核要求。安全合规测试依赖人工安全合规测试依赖人工数据价值未挖掘数据价值未挖掘AI 革命：质效能力跃迁与机遇重塑智能生成力自动生成用例、数据及脚本，对需求文档语义理解映射至测试场景，提效过程。全维度感知力跨模态分析技术，技术驱动自动化视觉与语义校验，提升缺陷检测

3、精度。动态适应力自动化脚本具备上下文感知自愈机制，应对元素定位失败等挑战，测试策略实时调优，精准匹配代码变更。风险预判力历史数据分析预测缺陷模式，量化上线风险评分，辅助快速定位根本原因，前置风险管理。Contents01传统质量平台痛点02 质量平台智能化全景04未来演进方向03智能化演进实践案例质量平台智能化全景整体分为四层：应用层覆盖应用全生命周期阶段 智能体层集成各类能力，赋能应用各阶段任务 能力层基于模型层，封装核心技术能力 模型层最底层，提供基础 AI 模型支撑整体来看，这是一套“从 AI 模型底座，到技术能力封装，再到智能体赋能，最终支撑应用全流程（开发、测试、上线）”的分层架构体

4、系。智能化演进核心内容拆解智能采集数据，智能抓取合规方案，智能分析合规数据。AI合规检测AI自动生成测试点、测试用例、接口自动化用例、测试脚本，覆盖多种场景，显著提升测试效率与质量。AI用例生成以实体-关系结构整合信息，构建统一知识底座，形成全景知识图谱，精准映射业务逻辑。为 AI 生成、自动化及需求管理等提供精准知识支撑。全景知识图谱020103核心能力Contents01传统质量平台痛点02质量平台智能化全景04未来演进方向03 智能化演进实践案例AI用例生成-手工用例短板适配迭代能力弱适配迭代能力弱覆盖范围有限，风险易遗漏覆盖范围有限，风险易遗漏依赖人工，准确性与一致性差依赖人工，准确性

5、与一致性差维护成本高，复用性弱维护成本高，复用性弱.效率低下效率低下AI用例生成-先看效果先看效果，请点击功能测试用例接口测试用例一键补全用例AI用例生成-先看效果AI用例生成-先看效果测试任务列表测试任务列表一键自动补全一键自动补全ExcelExcel用例用例接口可执行用例接口可执行用例AI用例生成-基本过程时序图AI用例生成-探索生成增强方案AIAI二次评判二次评判动态评判Agent，智能评判需求，测试点，测试用例的质量。知识图谱知识图谱/历史用例历史用例/需求需求/设计文档设计文档构建全景知识图谱，提供过往测试经验参考、确保测试覆盖核心需求点、保障符合系统设计逻辑，四者共同助力。RAG:

6、RAG:提供行业经验参考，如天气app的降雨降水经验等，增强用例生成效果能力。人工复核人工复核需求确认，测试点确认，二次补全等功能都成在最后的生成效果上有很好的体现。AI用例生成-增强方案成效40%30%30%生成数量生成数量属于“基础产出指标”的核心项，主要用于衡量 AI 的“产能规模”采纳率采纳率反映 AI 用例的“直接可用性”，采纳率越高，说明 AI 生成的用例越接近“开箱即用”覆盖率覆盖率 直接衡量 AI 是否遗漏关键需求，避免测试盲区生成速率衡量 AI 生成测试用例“速度效率”的核心指标，聚焦“单位时间内的产出能力”15%接入增强前1528829%接入部分增强后23352674%生成