测试左移与右移实践-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：测试左移与右移实践

在企业数字化加速的时代背景下，快速迭代与复杂业务场景对传统测试模式提出了前所未有的挑战。测试左移与测试右移，是质量保障体系的核心实践。左移强调“预防优于修复”，借助AI驱动的需求分析、代码审查与自动化测试生成，提前介入并规避风险；右移聚焦“持续监控反馈”，通过数字化运维监控、异常智能检测与用户行为智能分析，保障生产的高效洞察与稳定运行。本论坛聚焦测试左移与右移的落地方法论、工具链创新及行业实践，结合AI技术赋能，助力企业构建覆盖需求、开发、发布、运维全生命周期的智能质量防护网。

专场出品人：程相

中国工商银行软件开发中心部门副总经理

QEcon技术委员会委员，信通院突出贡献专家，DevOps与研发效能专家，在大型银行从事金融科技工作十多年，有丰富的DevOps实践和研发管理经验，擅长业务研发、质量管控和研发支撑体系等领域。曾主导工行多个项目高分通过信通院 DevOps、BizDevOps认证，多次在业界大会担任出品人、发表公开分享，作为联合作者出版书籍《研发效能实践指南》，起草信通院研发效能度量标准。

王玉玺

群核科技测试开发资深工程师

群核科技（酷家乐）测试开发资深工程师，积累了极为丰富的质量保障及效能优化经验。在职期间，凭借扎实的专业能力，主导构建了测试管理系统、故障管理系统以及工单系统，有力提升了内部管理流程的规范性与高效性。同时，积极投身于研发效能工具、核心服务分桶开关系统的开发与维护工作，以卓越的技术贡献，为各系统的高效、稳定运行筑牢坚实根基。

待定

测试左移体系化实践与AI赋能 - 群核科技的探索与实践

在软件研发迭代速度持续加快的当下，传统测试模式已难以应对高质量交付需求。测试左移作为将质量保障环节向研发早期迁移的理念，正成为解决行业痛点的核心路径。本次分享将结合群核科技的实践，详解如何通过体系化建设与 A1赋能，构建全链路左移测试体系，为业界提供可复用的实践经验。

内容大纲
1. 左移背景与AI机遇
1.1 传统模式的困境与必然的“左移”
1.2 左移的好处和挑战
1.3 AI 赋能的 “破局逻辑”
1.4 AI赋能左移全景概览
2. 核心实践：研发自测卡点体系详解
2.1 何为“研发自测卡点”？—— 定义与目标
2.2 研发自测卡点体系构成
2.2.1功能用例自测
2.2.2自动化回归——智能化的回归守护神
2.2.3专项左移（性能测试）
3. AI赋能测试左移
3.1左移功能用例引入AI 生成
3.2 AI性能结果分析
4. 总结与未来展望
4.1 核心分享内容回顾
4.2 从实践到体系：我们的智能左移之道
4.3 未来展望-深化左移能力
4.4 未来展望-AI赋能探索

张冲

群核科技技术支持专家

先后就职于东软集团股份有限公司、杭州有赞科技有限公司以及杭州群核信息技术有限公司，拥有超过 10 年的软件开发及技术支持经验。目前就职于群核科技，技术支持创新驱动团队负责人，参与了群核科技技术支持团队的组建和变革，致力于提升团队效能和服务体验。

待定

AI驱动的线上问题解决与客户服务能力升级

在传统客户服务和问题解决流程中，大量重复性工单处理和复杂业务带来的高学习与知识沉淀成本，导致响应缓慢、效率低下，客户满意度难以保障。随着企业业务日益多元，如何快速、高效地处理海量工单、提升问题定位与解决速度成为亟待突破的难题。近年来，人工智能技术尤其是大模型和知识库的融合，为构建智能化、自动化的客户服务体系带来了全新可能。本文聚焦基于AI的多渠道问题收集、智能预处理、工单自动分类路由、辅助排查及智能故障预警等核心能力，探索如何实现线上问题解决的全链路协同升级，显著提升服务质量、效率和用户体验，为企业数字化转型注入新动能。

内容大纲
1. 传统痛点与AI赋能机遇
1.1 客户服务面临的挑战
1.1.1 重复工作量大，处理成本高
1.1.2 业务多样化，知识沉淀难
1.1.3 业务复杂，学习成本高
1.2 AI技术变革带来的突破口
1.2.1 大模型与知识库驱动的智能答复
1.2.2 智能和MCP结合的智能理解和执行
2. 全链路AI驱动解决方案架构
2.1 问题反馈多渠道支持
2.1.1 支持群聊、单聊、企业IM多入口
2.2 问题预处理自动化
2.2.1 智能意图识别与相似工单推送
2.3 工单管理智能化
2.3.1 AI辅助智能分类和路由
2.3.2 智能排查与自动回复
2.4 故障管理智能化
2.4.1 异常自动预警
2.4.2 一键拉群与语音会议加速故障响应
3. 实际应用与收益
3.1 基于大模型的智能问答与多轮对话支持
3.2 AI问答收益：AI问答成功率从60%提升至85%以上，大概有40%的FAQ类问题可借助AI自助回复，每天预计节省技术支持的答疑成本共计4小时以上
3.3 AI排查工具链与排查场景自动匹配
3.4 AI辅助排查收益：问题解决的准确率提升了50%，解决速度提升了70%
3.5 快速高效的工单自动创建与自动路由机制
3.6 工单自动创建和路由收益：工单分类的准确率每周均维持在95%以上,每周预计节省15小时的工单创建和路由分发时间
3.7 高效的AI故障应急
3.8 AI故障应急收益：30秒即可完成整个故障应急动作，大幅提升了故障响应效率及团队协同速度
4. 未来展望与持续发展
4.1 总结
4.1.1 事前和事中的AI驱动问题处理总结
4.2 未来规划
4.2.1 事后的AI驱动的问题分析规划

听众收益
1. 理解传统客户服务面临的核心痛点及AI赋能的突破点
2. 掌握构建AI驱动客户服务全链条解决方案的关键能力和技术路径
3. 学习具体实践案例，借鉴高效工单处理、智能排查与知识库管理的新方法
4. 获得切实提升服务质量与效率的创新思路，助力数字化转型降本增效
5. 避免项目实施中常见的技术和组织瓶颈，少走弯路快速落地

董成

岩山科技测试总监

同济计算机专业，长期致力于互联网行业质量保障和效率提升工作，现于岩山科技担任测试总监。主导过企业级测试平台、研发效能平台、AI测试基建等设计和建设。在自动化、研发效能、AI测试有所研究。

待定

AI浪潮下的测试质控演进——3大核心AI测试方向实践

YanTest是以AI能力驱动为核心打造的的智能化质量管控体系，旨在保证交付和线上质量的前提下，大幅提升AI、程序、人的高效协作效率，实现AI测试变革。
精选的3项AI测试实践，全景业务知识图谱、功能/接口用例生成、自动化信息合规，已在多领域项目中验证了其提升质效和风险控制上的价值。希望给大家带来一些AI测试建设的思路和参考。

内容大纲
1. 平台化的瓶颈，如何通过AI能力来破局
2.全景业务知识图谱如何作为测试左移的支撑
3.绕不开AI用例如何生成和提效
4.应用安全和合规如何通过AI来保障

听众收益
1. 全景认知：明晰质量平台全链路智能化框架，掌握传统测试痛点的AI解决方案全景。
2. 技术落地：透视用5大核心技术的应用路径，获取可复用的测试智能化实现方法。
3. 应用赋能：通过效率提升、成本降低等案例，明确技术在实际测试场景的落地价值，并参考到各自项目。