质效领域Agent实践-2025-上海站_QECon全球软件质量效能大会-橙柚科技

优惠倒计时

8折票抢购中

团购享受更多优惠

北京站 · 10月31-11月1日

上海站 · 9月12-13日

深圳站 · 5月23-24日

专场：质效领域Agent实践

聚焦AI Agent在质量保障与效能提升中的创新应用。我们将深入探讨Agent在自动化测试、缺陷识别、代码审查、知识问答、流程协同等质量场景的实战案例，以及在开发、测试交付等效能场景中的落地实践。通过真实业务应用分享，展示智能Agent如何驱动质效双提升，助力企业实现研发智能化转型。

专场出品人：王胜

百度质量效能研发部资深工程师

先后就职与腾讯和百度，专注质效工具的研发，在大数据领域，智能测试领域，白盒领域（代码理解，问题召回等）有较为丰富的工作经验。

齐佩之

华为 GTS业务体验领域测试专家

华为技术有限公司 GTS业务体验领域测试专家（首席），长期在测试技术和测试工程能力领域深耕，构建Web UI自动化测试框架，先后实现Web低码和无码自动化写作、LLM辅助自主探索测试、基于意图的自主测试Agent，在公司多个领域广泛使用。

待定

基于模型的自主遍历测试Agent

Web类产品，界面变更快，页面功能组合多，传统基于xpath的UI界面自动化写作成本高且维护工作量大，传统基于算法的web界面探索测试没有测试意图，测试覆盖范围无法准确评估，如何让自主遍历和人的测试设计结合直接到测试执行实现跨越？

内容大纲
整体方案：

基于模型的自主测试能力，用户输入测试意图，Agent基于页面感知自动规划执行任务，基于执行任务自动输出具体的操作指令，自主进行页面的操作执行。

关键技术：
1. 构建Web操作指令集：一套支持浏览器操作相关的指令集，可操作页面各种元素，具备结构简单，执行稳定，可读性强的特点；
2. 基于意图的任务生成：用户输入意图，基于意图创建执行任务和步骤，实现任务规划；
3. 基于任务的步骤执行：基于任务步骤规划调用原子能力，进行步骤执行，每个任务执行可遍历所有步骤的数据组合，实现基于任务的自主遍历测试执行；
4. 基于预期结果和故障模式库的问题检测：根据意图结果和40+种故障模式库进行Web界面问题检测。

听众收益

Web界面测试自动化还需要写具体的用例吗，还需要写自动化脚本吗，或许可以尝试改变了。

陈军

美团技术专家

美团质效技术部技术专家，目前主要负责美团质效工具建设，对数据构造、精准测试方向有一定的落地实践，AI在质效领域的工程化应用方向上（智能体设计、知识图谱构建）也做了相关的研究与探索。16年加入美团，从事测试开发方向工作。

待定

代码AI Agent在变更影响分析领域的探索与实践

传统测试范围评估的挑战：
1. 高度依赖人工经验（效率低、知识断层、专家资源瓶颈）
2. 复杂依赖难识别（跨服务接口、隐式配置依赖）
3. 测试覆盖盲区（用例设计不完善、多环境差异）
4. 过程资产难沉淀（缺乏可复用知识库）

AI时代的新风险：
1. AI生成代码的不可预知性（逻辑偏差、隐式依赖）
2. AI修改代码的回归测试危机（非目标模块被修改、新逻辑分支缺乏覆盖）
3. 研发评估准确度降低（代码风格多变，传统方式失效）

解决方向：
通过构建代码知识图谱和AI智能体，实现变更影响的自动化分析，结合工程编码与AI泛化能力，提升测试范围评估的精准性。

内容大纲
1. 背景与挑战
1.1 线上问题分布数据（大量问题均由变更影响评估不到位导致）
1.2 传统评估痛点 vs AI时代新风险
2. 代码知识图谱构建
2.1 目标：精准代码关系 + 高效查询能力
2.2 关键技术：代码解析、业务特征工程、图数据库优化
2.3 业务知识挖掘：AI辅助特征清洗/总结/校验
3. 智能体构建与交互
3.1 架构分层：数据层（MySQL/ES/Graph）、基础设施层（AST/链路算法）、应用层（意图识别/流程规划）
3.2 核心能力：意图识别、多轮对话管理、动态工具编排
3.3 交互流程：用户输入→意图识别→工具执行→结果聚合
4. 阶段成果与演进方向
4.1 拦截缺陷分布；
4.2 未来优化：知识处理增强、多语言支持、需求-代码追踪矩阵

听众收益
1. 直接成效：
1.1 降低测试逃逸率：通过精准影响范围分析，拦截变更相关问题（如配置遗漏、兼容性风险）
1.2 提升效率：AI智能体实时生成测试建议，减少人工评估时间
2. 可复用的技术经验：
2.1 业务特征工程：AI辅助打标业务属性（如接口含义、风险特征），增强图谱实用性
2.2 智能体设计：分层Prompt管理、规则引擎消解模糊意图、动态工具编排（DAG优化）
2.3 知识沉淀：将分析结论转化为数字资产，解决知识传承难题
3. 量化数据参考：
3.1 拦截问题分布
3.2 关键指标：意图识别准确率、召回率周级监控机制
4. 风险防控实践：
4.1 覆盖AI生成代码的隐式依赖检测，解决“回归测试危机”
4.2 通过图谱追踪数据流完整性，预防跨服务链路异常

邵楠

中兴通讯高级系统工程师

专注于云原生网络转型与AI驱动的智能运维体系建设。主导完成运维中心智能化改造，通过AI智能体实现故障预测准确率提升，自动化处置率超85%；构建AIOps平台，将部署效率提升60%，并落地沃达丰跨国云化验证。拥有多项云原生与AI融合专利，输出多份AI提效最佳实践，推动团队研发流程智能化升级。专长领域：云原生、AI工程化、智能运维中台、LLM应用落地及高可用架构设计。

待定

伴随式AI代码评审最佳实践—基于IDE插件+AI的即写即检质量守护

代码评审是保证代码质量的重要环节，传统评审活动治理周期长、AI评审不准确、项目规范难落实，严重拖累效率质量。
本实践所述的技术方案正解决上述问题，提出了一种基于前后端分离的伴随式AI代码评审系统及方法。将评审插件和规则分离实现规则热更新，通过伴随式代码评审智能体实现评审状态左移，让开发人员在编码过程中就能一时间确认结果，缩短反馈周期，提升效率与质量。

内容大纲
本实践所述的技术方案重塑代码评审流程，引入伴随式自动代码评审，实现“即写即检查”。主要实践点如下：
1.架构创新：采用"前端上下文感知+后端规则服务化"的分离架构，前端通过AST解析器（支持20+编程语言）标准化代码特征提取，后端构建弹性规则服务，实现规则与IDE环境的解耦升级
2.伴随式评审智能体：与编码环境深度结合，实时监测代码质量，快速反馈潜在问题，大幅减少修改验证的周期
3.原子化规则评审服务：智能规则引擎预筛待检项，AI语义分析+静态检查双轨复核，实现缺陷行级精确定位，支持项目级/领域级/团队级自定义检查规则，通过静态+AI混合规则（如"当检测到内存释放接口，触发AI模型进行指针解引用分析"）
4.知识进化机制：基于项目代码构建代码图谱，补全评审上下文。结合用户反馈持续形成轨迹数据，形成数据飞轮持续优化AI应用，提升代码评审准确率
从而实现“即写即检查”。开发人员在编码阶段可第一时间确认结果，缩短反馈周期，提升效率与质量。

听众收益
本演讲为听众带来三大核心价值：
1. 可直接落地的技术方案，提供前后端分离的IDE插件架构和规则热更新机制，支持快速部署；
2. 创新性的"静态分析+AI语义"双轨评审模式，显著降低误报率40%以上，评审准确率达95%+；

3. 经过验证的效能提升路径，实现评审效率10倍提升和缺陷修复成本降低60%；
听众可借鉴我们的代码图谱构建方法和数据飞轮机制，避免AI模型训练和规则迭代中的常见陷阱，快速构建自己的智能评审体系。

唐辉

百度资深工程师

百度工程效能部资深工程师，目前主要负责百度内的大模型产品 Comate AI IDE。在百度内先后建设过40+产品，在前端组件库、工程化、性能优化、体验优化等多个方向均有深入实践。在团队内部，长期参与提效工具研发，提升团队交付效率。

待定

多模态模型驱动前端研发变革

当前前端研发面临设计稿转代码效率低、多端适配成本高、UI逻辑一致性维护难三大痛点。设计师与开发者的协作依赖人工标注与重复实现，响应式布局、主题切换等需求加剧了代码冗余。传统低代码平台灵活性不足，难以覆盖复杂业务逻辑。多模态大模型的出现，为“视觉设计稿→可运行代码”的端到端智能生成提供了新路径。
设计稿生成代码配合自然语言生成代码，使得设计转代码的应用场景更为广泛，不仅能生成，还能修改。配合大模型的其他能力，如MCP、Rules，能生成较高质量的代码。

内容大纲
1. 前端的哪些场景适合大模型介入
2. 从设计到代码
2.1 关键技术：多模态模型的“看懂设计”能力
2.2 设计稿解析：从像素到语义（布局树生成、组件意图识别）
2.3 工具链：Figma/Sketch插件 + 自定义解析引擎
3. 自然语言+可视化到代码
3.1 精准识别出元素
3.2 配合Rules、自定义指令、MCP生成高质量的代码
4. 代码调试与问题定位
5. 落地收益
6. 后续展望

听众收益
将大模型用于原型设计、界面开发，提升研发效率。