专场：大前端质效提升实践
在数字化浪潮下，大前端技术已成为企业商业化的核心载体。本次专场聚焦“大前端质效提升”，集结快手，OPPO, 科大讯飞等头部企业的实战经验，为参会者提供可复用的技术方法论，助力企业应对高并发、多端协同的挑战，实现从“人工密集型”到“智能驱动型”的研发转型。
专场出品人：薛增奎
科大讯飞 iFlyCode研发总监
科大讯飞效能平台首席技术专家，iFlyCode产品总架构师，研发总监，主导基于代码大模型的提效工具研究与研发，专注于企业内部的效能平台与效能体系建设。长期从事新技术的研究与探索，软件产品架构设计等相关工作。
沈柯
快手 测试经理
快手商业化测试经理，负责品牌营销、大前端以及广告引擎质量保障工作，在质量文化建设、测试效率提升、技术创新等领域有丰富的经验；拥有超过十年的大前端测试经验，擅长领域包括自动化测试、专项测试、持续集成、稳定性治理、安全隐私等。
待定
待定
快手商业化大前端质量保障建设
随着快手商业化的不断深入，广告大前端业务面临着越来越复杂的挑战。从C端场景的技术栈多样性到广告内容的多样化，再到广告特性的精准追踪与优化，每一个环节都对质量保障提出了更高的要求。本次分享将以大前端质量保障为基础，详细介绍快手在广告大前端领域的技术实践和质量保障体系，旨在为行业内的同行提供参考和借鉴。
内容大纲
1. 引言
1.1 快手商业化背景介绍
1.2 广告大前端业务的重要性
1.3 面临的主要挑战
2. 广告业务技术形态
2.1 Native
2.2 动态化、H5、插件化
3. 广告业务特性测试
3.1 埋点保障
3.1.1 广告埋点的核心意义
3.1.2 数据链路上报稳定性保障
3.1.3 日志数据上报成功率与埋点正确性验证
3.2 归因监测
3.2.1 归因的概念与重要性
3.2.2 转化链路准确性验证
3.2.3 上报数据监控与分析
3.3 广告评测
3.3.1 广告质量
3.3.2 广告关联度
4. 大前端通用领域保障
4.1 兼容性
4.2 加载体验
4.3 稳定性
5. 垂直领域保障
5.1 音视频
5.2 游戏
6. 总结与展望
听众收益
1. 了解快手在广告大前端领域的最新技术实践，包括Native、插件化、动态化、H5等多种技术形态的应用，学习如何解决版本碎片化问题，提高测试效率和覆盖率
2. 获取不同类型广告内容（短剧、小说、游戏、动画等）的评测方案，提升用户体验，了解广告埋点和归因的重要性和具体实施方法，确保数据链路的稳定性和准确性
3. 掌握大前端通用领域的质量保障方法，包括兼容性、体验、稳定性等方面的测试策略和工具，学习音视频和Unity等垂直领域的质量保障方案，提升复杂广告内容的质量
黄文昊
OPPO 高级软件测试工程师
OPPO 互联网高级测试工程师，作为快应用测试负责人，主导客户端性能专项的建设工作，致力于优化业务的交付质量和效率，同时作为测试DTA成员，积极参与部门公线建设；毕业后曾就职于招银、腾讯、shopee等公司，专注于金融业务测试及测试效率提升。
待定
待定
基于LLM的智能巡检探索实践
目前传统的UI自动化测试面临诸多挑战。首先，这种方式通常依赖于人工编写测试场景，导致在不同机型和OS间实现兼容性时，需要进行全面的适配工作，增加了开发和维护的复杂性。其次，执行自动化测试往往依赖于代理（agent），而这些代理的OS兼容性和执行稳定性往往存在不足，进而造成测试运行的不稳定性。此外，测试执行时间较长，且由于场景编写的工作量大，导致整体的资源消耗显著增加。这些痛点严重影响了测试团队的工作效率以及产品的交付质量。为了提升测试的可靠性和效率，有必要探索更为先进和灵活的自动化解决方案。
内容大纲
1. 背景介绍
1.1 业务背景及需求分析
1.1.1 生态环境下的稳定性诉求：不同开发者提交的应用质量参差不齐，未受到严格审查，可能存在恶意代码、
内容大纲
1. 背景介绍
1.1 业务背景及需求分析
1.1.1 生态环境下的稳定性诉求：不同开发者提交的应用质量参差不齐，未受到严格审查，可能存在恶意代码、
合规及安全隐患
1.1.2 跨平台兼容性诉求：由于渲染引擎和系统资源的差异，可能导致应用在不同设备上的界面和功能表现不一致
1.1.3 用户体验诉求：设备硬件性能、操作系统版本及定制化的用户界面等因素影响了用户体验
1.1.4 速度诉求：业务迭代频率加快、部门提效诉求
1.2 行业解决方案现状调研
1.2.1 评估当前主流 UI 自动化测试工具的局限性，包括：成本问题、适用性、维护费用高，尤其是在大规模产品迭代时
1.2.2 行业新兴模型成果
1.2.3 前沿论文落地成果
2. 技术探索
2.1 应对移动端多模式开发中控件识别差异
2.1.1 结合深度学习的目标检测技术与传统原生控件识别方法，开发出一种混合识别框架
2.2 解决大模型遍历过程中的不确定性问题
2.2.1 结合图论与大规模预训练模型，设计高效的场景遍历引擎
2.3 自动化预期结果标记与校验的实现
2.3.1 构建整合传统图像处理算法与大语言模型的自动标记系统
3. 实践成果
3.1 系统架构落地
3.1.1 描述新框架的设计理念、技术栈选择以及架构构成要素，着重介绍其灵活性与扩展性
3.2 应用案例与成果展示
3.2.1 分享具体项目案例，展示所用新技术的实际应用及其给项目带来的实际效果
3.2.2 量化指标展示：对比实施前后的测试周期、资源消耗及缺陷率，明确成效
4. 技术延伸
4.1 通用适配性方向的探索
4.1.1 规划如何进一步扩展框架以支持更多的应用
4.2 算法优化与升级路径
4.2.1 探讨未来如何结合最新研究成果，对现有算法进行迭代，以应对复杂和不断演进的测试需求
听众收益
根据上述要点，听众可以获得以下收益：
1. 全面场景覆盖的启发：通过将图论与大模型结合的应用，听众可以学习如何优化测试策略，以实现更加全面和高效的场景覆盖。
2. 提升测试有效性的借鉴：结合目标检测算法和传统控件识别的实践，听众可获得提升自动化测试有效性的新思路，从而推动自身测试工作的进步。
3. 减少人工干预与提高交付质量的直接采用：听众可以参考传统图像处理与大模型整合的成功经验，从而减少人工干预并显著提升产品交付质量，避免在测试阶段遇到的常见问题。
4. 少走弯路的最佳实践：通过分享上述技术的实用案例，听众能够有效借鉴成功的方法论，在自身项目中减少试错成本，提升测试流程的效率和效果。
1.1.2 跨平台兼容性诉求：由于渲染引擎和系统资源的差异，可能导致应用在不同设备上的界面和功能表现不一致
1.1.3 用户体验诉求：设备硬件性能、操作系统版本及定制化的用户界面等因素影响了用户体验
1.1.4 速度诉求：业务迭代频率加快、部门提效诉求
1.2 行业解决方案现状调研
1.2.1 评估当前主流 UI 自动化测试工具的局限性，包括：成本问题、适用性、维护费用高，尤其是在大规模产品迭代时
1.2.2 行业新兴模型成果
1.2.3 前沿论文落地成果
2. 技术探索
2.1 应对移动端多模式开发中控件识别差异
2.1.1 结合深度学习的目标检测技术与传统原生控件识别方法，开发出一种混合识别框架
2.2 解决大模型遍历过程中的不确定性问题
2.2.1 结合图论与大规模预训练模型，设计高效的场景遍历引擎
2.3 自动化预期结果标记与校验的实现
2.3.1 构建整合传统图像处理算法与大语言模型的自动标记系统
3. 实践成果
3.1 系统架构落地
3.1.1 描述新框架的设计理念、技术栈选择以及架构构成要素，着重介绍其灵活性与扩展性
3.2 应用案例与成果展示
3.2.1 分享具体项目案例，展示所用新技术的实际应用及其给项目带来的实际效果
3.2.2 量化指标展示：对比实施前后的测试周期、资源消耗及缺陷率，明确成效
4. 技术延伸
4.1 通用适配性方向的探索
4.1.1 规划如何进一步扩展框架以支持更多的应用
4.2 算法优化与升级路径
4.2.1 探讨未来如何结合最新研究成果，对现有算法进行迭代，以应对复杂和不断演进的测试需求
听众收益
根据上述要点，听众可以获得以下收益：
1. 全面场景覆盖的启发：通过将图论与大模型结合的应用，听众可以学习如何优化测试策略，以实现更加全面和高效的场景覆盖。
2. 提升测试有效性的借鉴：结合目标检测算法和传统控件识别的实践，听众可获得提升自动化测试有效性的新思路，从而推动自身测试工作的进步。
3. 减少人工干预与提高交付质量的直接采用：听众可以参考传统图像处理与大模型整合的成功经验，从而减少人工干预并显著提升产品交付质量，避免在测试阶段遇到的常见问题。
4. 少走弯路的最佳实践：通过分享上述技术的实用案例，听众能够有效借鉴成功的方法论，在自身项目中减少试错成本，提升测试流程的效率和效果。
薛增奎
科大讯飞 iFlyCode研发总监
科大讯飞效能平台首席技术专家，iFlyCode产品总架构师，研发总监，主导基于代码大模型的提效工具研究与研发，专注于企业内部的效能平台与效能体系建设。长期从事新技术的研究与探索，软件产品架构设计等相关工作。
待定
待定
AI赋能软件研发全链路的探索与实践
大模型在研发效能提升方面的探索与实践，涵盖了代码生成、需求分析、测试修复、发布上线以及全流程覆盖等多个环节。通过自动生成代码、辅助需求分析、自动化测试和修复、优化发布上线流程以及覆盖全生命周期的综合应用，大模型显著提高了研发效率，降低了人力成本。未来，随着技术的不断进步和应用的扩展，大模型将在更多领域发挥更大的作用，进一步推动研发效能的提升。
内容大纲
1. 软件研发面临的挑战和矛盾
2. 在内外部的典型应用场景和成效
2.1 整体概述
2.2 面向开发人员的提效场景和成效
2.3 面向测试人员的提效场景和成效
2.4 其他场景的成效
3. 未来赋能软件研发领域的探索和思考
内容大纲
1. 软件研发面临的挑战和矛盾
2. 在内外部的典型应用场景和成效
2.1 整体概述
2.2 面向开发人员的提效场景和成效
2.3 面向测试人员的提效场景和成效
2.4 其他场景的成效
3. 未来赋能软件研发领域的探索和思考
听众收益
1. 了解iflySE产品的成长过程
2. 了解如何通过大模型在研发各个领域提效
3. 了解代码大模型未来的发展趋势
关注QECon公众号
关注QECon视频号
议题投稿
lijie@qecon.net
票务联系
159-0126-5561 小娟
媒体合作
135-1619-6409 皮皮
商务合作
151-2264-3988 木子
购票咨询
15901265561 小娟
