原玉娇-大模型在端到端交互测试的探索与实践.docx
大模型在端到端交互测试的
探索与实践
原玉娇贝壳找房
演讲嘉宾
原玉娇
贝壳找房技术效能-质量架构团队负责人
北京理工大学硕士毕业，曾就职于滴滴，目前在贝壳担任架构师，负责大
模型技术在测试域企业级的工程化探索和应用，基于“产研域提效场景+领域知识+AIagent”在垂直域实现大模型能力延伸，包括测试需求分析、测试用例自动生成、缺陷追踪和智能定位等，优化协同流程机制、助力业务快速迭代从而提升自动化产能。
1.背景
目录CONTENTS
目录
CONTENTS
3.解决思路/整体方案
4.具体实现/技术实践
5.总结与展望
PART01
背景介绍
业务介绍
一站式居住服务平台，
一站式居住服务平台，涵盖二手房、新房、租赁及家居装修等业务
贝壳appA+被窝appWeb类产品
业务介绍
整体
整体特点
?多角色协同权限管理
?多角色协同权限管理
场
场景驱动
协同增效
?业务场景复杂?个性化智能化匹配
模式探索技术创新数据洞察
模式探索
技术创新
PART02
问题和痛点分析
痛点分析-传统
需求驱动
多角色串行协同
AI提效应用难点分析
问题：质量域工具有细分，多类别多领域，覆盖前端、后端、环境、数据、自动化等业务多元化导致工具实现比较复杂，工具人的维护成本都很高
工具如何结合
?识别哪些工具可以与AI结合
?传统工程开发与AI如何结合
?AI如何增强测试能力
挑战关注用户体验?用户问题如何准确触达对应
挑战
关注用户体验
?用户问题如何准确触达对应的智能体，降低体验损耗
?上层：如何扩展和适应变化
?底层：原子基建能力如何支撑
PART03
大模型在端到端测试探索进阶之路
演进过程
AI加持下，个人效率提升到协同成本降低的路径
2023年2024年
copilot方式-实现个人提效极致应用
【解决方案】CUI\对话、多入口、agent化的形式即时触达，和测试行为紧密结合，利用模型意图识别能力和决策执行的能力完成各类各项测试任务
对话交互式应用举例
与之而来的新挑战
AI工具那么多，我该用哪个？【单点提效--交付提效】
”
演进-agent模式驱动全流程协同增效
需求驱动测试，通过多个智能代理（Agent）的合作，基于自然语言描述，自动化的进行从交互到检查的全链路测试过程
变化
变化
整体方案设计思路
端到端全链路智能化测试能力牵引测试模式迭代
AI化标准化灵活应用扩展
AI化标准化
测试策略生成UI端测试提效
核心思路以智能应用为底座，质量基建更新换代，建立标准和作业流程创新实现生成力提升智能验证服务端agent……
核心思路
以智能应用为底座，质量基建更新换代，建立标准和作业流程创新实现生成力提升
智能验证
端到端测试效果智能化分析
能力建立
PART04
技术实践
实现核心技术点
agent智能体
创建助手（Assistant）
?给它特定场景的工具（Tools）
?提示它如何使用工具如何思考执行（Prompt）
提问（Question）
?可以把问题丢给它（Question）
推理解决（Answer）
?由它自己运用通用知识结合手上的工具一步步将问题拆解
（AutoPlan-Answer）
建立模型工程标准化基建，重塑测试工作流程
需求澄清分层/动态prompt
需求澄清
测试策略
结果多维
结果
多维
度评
估
需求独立智能体智能调度
需求
独立智能体
流程自动化/接口
结果分析
UI自动化/交互
知识
agent
agent智能化
需求端|测试策略生成实现测试分析和设计标准化
agent模式+开放能力
agent模式+开放能力
基于assistantApi，以需求作为原点，实现测试策略生成，包括需求澄清、风险关注、测试建议等，沉淀领
域工具先提供全景画像辅助用户选择用什么、指导测试实践、加速岗位认知，同时通过开放能力实现业务
小工具开源共建，旨在构建一个更加高效、协同的测试知识生态
服务端|与传统工具深度融合
与传统软