专场：AI时代质量架构
AI 时代质量架构的核心是以大模型、智能体等技术为核心驱动力，从质量评测体系、测试全流程到研发协作链路，实现自动化、智能化、闭环化的质量治理革新。汇聚微众银行、平安人寿、百度等技术专家，深度剖析 AI 如何重构质量评测、测试流程与研发协作的质量架构，为企业在 AI 时代构建高效、智能的质量保障体系提供实践参考与创新思路。
专场出品人：刘瑾
蚂蚁集团 财富和平台部 质量技术风险总监
清华硕士、在互联网toC搜广推、大安全、移动端、金融科技等业务具有10年以上质量和风险管理经验。
3年智能化金融toB业务和产品负责人，具备丰富的业务和研发管理经验。
目前专注于蚂蚁财富在对话、营销、生成等场景的大模型应用落地和底座的质量和风险工作。
3年智能化金融toB业务和产品负责人，具备丰富的业务和研发管理经验。
目前专注于蚂蚁财富在对话、营销、生成等场景的大模型应用落地和底座的质量和风险工作。
符敬伟
微众银行 测试专家
目前主要服务银行贷款产品测试和分组管理，归纳总结配置测试指导原则。还负责智能提效agent开发以及Text2SQL智能评测。
待定
待定
Text2SQL智能化评测方案
要解决的问题：1.评测案例集生成 2.自动化执行智能化断言3.智能化报告和牵引优化方向
痛点：1.行业评测集难以客观的评测专业领域agent。2.自建评测集难形成规模，成本高。精准度和准确性低。难贴近用户习惯。3.执行断言成本高 4.无法精准给出优化方向
思考方向：1.利用大模型增强用例的规模和丰富度，用户集案例增强案例的专业性和精准度 2.自动智能化断言和总结报告，给出指引优化方向
内容大纲
1. 评测定义和目标
2. 评测要素和痛点
3. 智能评测体系框架
4. 评测集智能生成
4.1 生成流程
4.2 知识整理和技术
5. 智能评审案例
6. 执行和智能检验
6.1 执行流程
6.2 断言技术
6.3 指标定义和指引方向
7. 智能报告
8. 效果和展望
痛点：1.行业评测集难以客观的评测专业领域agent。2.自建评测集难形成规模，成本高。精准度和准确性低。难贴近用户习惯。3.执行断言成本高 4.无法精准给出优化方向
思考方向：1.利用大模型增强用例的规模和丰富度，用户集案例增强案例的专业性和精准度 2.自动智能化断言和总结报告，给出指引优化方向
内容大纲
1. 评测定义和目标
2. 评测要素和痛点
3. 智能评测体系框架
4. 评测集智能生成
4.1 生成流程
4.2 知识整理和技术
5. 智能评审案例
6. 执行和智能检验
6.1 执行流程
6.2 断言技术
6.3 指标定义和指引方向
7. 智能报告
8. 效果和展望
听众收益
评测集生成方法和问题回避，执行检验提效方案，智能总结最终指引优化方向。
评测集生成方法和问题回避，执行检验提效方案，智能总结最终指引优化方向。
郭晓辉
中国平安人寿 质量管理团队副总经理
毕业于西安电子科技大学，计算机硕士，16+年测试和研发质量管理经验。现供职于中国平安人寿，任职质量管理团队副总经理。曾供职于腾讯、百度、腾讯微保。业务领域涉及搜索、海外App/web/安全、互联网保险、传统寿险。在质量体系搭建，数字化研发管理，测试自动化，人才培养方面有丰富的经验。于2019年TOP100做《微保在敏捷研发管理中的实践》主题分享。
待定
待定
AI重塑测试：从冷启动到α闭环
DS年初横空出世，开发开始加速使用AI编码，代码质量存在下降趋势。测试团队面临“保质量”与“智能化转型”的双重压力。如何运用AI重塑测试全流程，是每个测试团队都面临的难题。
平安人寿质量团队近一年积累了一些教训和经验：上半年项目化探索，规划并持续落地最小闭环(a环)，自动化问题发现占比半年内提升50%，AI用例占比达到50%，关键测试活动AI覆盖率100%。希望分享出来，为行业提供一些借鉴和启发。
平安人寿质量团队近一年积累了一些教训和经验：上半年项目化探索，规划并持续落地最小闭环(a环)，自动化问题发现占比半年内提升50%，AI用例占比达到50%，关键测试活动AI覆盖率100%。希望分享出来，为行业提供一些借鉴和启发。
内容大纲
1. 机遇和挑战
1.1 挑战
1.1.1 测试人力成本持续承压
1.1.2 自动化在AI下的期望持续拉升
1.1.3 大型老系统迭代代码质量下降
1.1.4 AI开发编码变快，自动化要求更高
1.2 机遇
1.2.1 模型幻觉和不可解释性更需要优秀的测试把关
1.2.2 利用AI展开测试左移（单测/tdd）与测试右移
1.2.3 自动化测试驱动模式的升级（管理→AI驱动）
1.2.4 开发代码质量下降（含安全问题）的评价和改进
2. 思考和应对：稳住，我们能赢
2.1 心态稳住：理解新事物，大模型祛魅、不过度焦虑
2.2 整体思考：AI重塑测试，提出AI闭环流程
2.3 关键破局：意识提升，回归自动化，小赢建立信心
2.4 走上轨道：项目集运作，时间线，自动化效果
3. 探索和实践
3.1 项目集运作
3.1.1 成果效果：
自动化问题发现占比：8%→29%（24年6月到25年7月）
AI覆盖率：7月：100%（人人都在DS）
用例替代率：7月：51%（测试用例编写）
3.1.2 项目化运作方式
3.2 走过的弯路
3.2.1 单点发力用例爆炸
3.2.2 端到端智能体幻想破灭
3.2.3 造数和自动化失去方向
3.3 AI闭环流程探索：用AI闭环将各场景串联起来
3.3.1 AI最小流程闭环（场景）
3.3.2 测试前：自动化KPI制定，测试用例设计
3.3.3 测试中：造数智能体，规则检查，UI自动化推动
3.3.4 测试后：缺陷管理-生产问题检查
3.4 先决条件
3.4.1 目标共识：用例替代率，执行占比，自动化缺陷发现占比
3.4.2 机制保障：项目集运作（横向组织，多组合力）
3.4.3 度量评价：形成抓手，持续观察和改进
3.4.4 工具平台：造数、UI自动化、接口自动化，大模型基建
3.4.5 知识工程：业务知识、测试规范、执行方式知识库
3.4.6 变革文化：信心，耐心，决心，心态转变
3.4.7 能力培训：大模型基础能力认证，覆盖率100%
4. 未来展望
4.1 三步战略：阿尔法闭环、推广扩大，持续迭代
2.1 心态稳住：理解新事物，大模型祛魅、不过度焦虑
2.2 整体思考：AI重塑测试，提出AI闭环流程
2.3 关键破局：意识提升，回归自动化，小赢建立信心
2.4 走上轨道：项目集运作，时间线，自动化效果
3. 探索和实践
3.1 项目集运作
3.1.1 成果效果：
自动化问题发现占比：8%→29%（24年6月到25年7月）
AI覆盖率：7月：100%（人人都在DS）
用例替代率：7月：51%（测试用例编写）
3.1.2 项目化运作方式
3.2 走过的弯路
3.2.1 单点发力用例爆炸
3.2.2 端到端智能体幻想破灭
3.2.3 造数和自动化失去方向
3.3 AI闭环流程探索：用AI闭环将各场景串联起来
3.3.1 AI最小流程闭环（场景）
3.3.2 测试前：自动化KPI制定，测试用例设计
3.3.3 测试中：造数智能体，规则检查，UI自动化推动
3.3.4 测试后：缺陷管理-生产问题检查
3.4 先决条件
3.4.1 目标共识：用例替代率，执行占比，自动化缺陷发现占比
3.4.2 机制保障：项目集运作（横向组织，多组合力）
3.4.3 度量评价：形成抓手，持续观察和改进
3.4.4 工具平台：造数、UI自动化、接口自动化，大模型基建
3.4.5 知识工程：业务知识、测试规范、执行方式知识库
3.4.6 变革文化：信心，耐心，决心，心态转变
3.4.7 能力培训：大模型基础能力认证，覆盖率100%
4. 未来展望
4.1 三步战略：阿尔法闭环、推广扩大，持续迭代
4.2 趋势判断：角色转换、新的测试方式，主动转型
4.3 变革思考：引领者，跟随者，观望者，阻挠者
听众收益
4.3 变革思考：引领者，跟随者，观望者，阻挠者
听众收益
大型测试团队如何避免 AI 单点应用陷阱，如何将 AI 的点状应用串成面，如何建立最小的测试全流程重塑闭环。
张兆鑫
百度 资深工程师
百度金牌内训师、BIT特邀导师
百度Prompt工程及上下文工程研发平台负责人
百度一站式测试管理平台负责人
在DevOps研发流程、智能化测试、AI原生应用研发、研发效能提升等领域拥有丰富经验
百度Prompt工程及上下文工程研发平台负责人
百度一站式测试管理平台负责人
在DevOps研发流程、智能化测试、AI原生应用研发、研发效能提升等领域拥有丰富经验
待定
待定
百度研发数字员工实践
推理模型具备“慢思考”能力，若配置好的“手脚”，或能实现部分研发工作自动化。业界中，manus、OpenAI - Operator等产品能处理复杂任务，devin等探索“AI程序员”落地路径且形态更像人。在此背景下，百度探索在研发领域落地的可行性，将其命名为“研发数字员工”，即基于大模型的智能体建设，旨在探索更好的交互形态，让“人机协同”更顺畅，以及利用大模型解决原先研发流程的“阻塞点”。
内容大纲
1. 概述
1.1 背景
1.2 概念定义
1.3 研发数字员工特点
1.4 总体思路
2. 研发数字员工通用基建
2.1 基建目标
2.2 基建核心能力
2.3 基建技术框架
3. 研发数字员工产品形态
3.1 研发数字员工接受委托模式
3.2 研发数字员工与工程师的交互模式
3.3 研发数字员工产品示例
4. 研发数字员工数据分析
4.1 核心指标
4.2 观测指标
4.3 详细数据分析
5. 实践案例
听众收益
1. 百度在DevOps研发流程管理上的经验
2. 百度研发数字员工产品实现形态
3. 百度DevOps研发落地实践经验
内容大纲
1. 概述
1.1 背景
1.2 概念定义
1.3 研发数字员工特点
1.4 总体思路
2. 研发数字员工通用基建
2.1 基建目标
2.2 基建核心能力
2.3 基建技术框架
3. 研发数字员工产品形态
3.1 研发数字员工接受委托模式
3.2 研发数字员工与工程师的交互模式
3.3 研发数字员工产品示例
4. 研发数字员工数据分析
4.1 核心指标
4.2 观测指标
4.3 详细数据分析
5. 实践案例
听众收益
1. 百度在DevOps研发流程管理上的经验
2. 百度研发数字员工产品实现形态
3. 百度DevOps研发落地实践经验
关注QECon公众号
关注QECon视频号
商务合作
151-2264-3988 木子
票务联系
186-4907-7637 胡利利
媒体合作
135-1619-6409 皮皮
购票咨询
胡利利 18649077637
