LLM赋能大前端质量-2024北京站_QECon全球软件质量效能大会-橙柚科技

9折票售票中

团购享更多优惠

深圳站 · 2024年5月24-25日

上海站 · 2024年9月20-21日

北京站 · 2024年10月25-26日

优惠倒计时

专场：LLM赋能大前端质量

分论坛将探讨大语言模型（LLM）在前端开发提效和质量保障中的创新应用。重点包括：利用LLM自动生成和优化前端代码、智能化自动测试、开发文档生成与管理、以及用户体验优化。通过实践案例展示，参会者将了解到如何在实际项目中有效应用LLM技术，提升前端开发的效率和质量。

专场出品人：万鹏

京东零售端技术研发部负责人，前端通道会长

毕业于美国哥伦比亚大学，现就职于京东集团，任端技术研发部负责人、前端技术通道会长，Open Harmony社区PMC。2010年-2020年，先后就职于美国摩根大通银行、美国eBay公司、美国苹果公司。20-23年，就职于中国腾讯公司，任在线视频BU工程技术负责人，PCG技术中台PMC。23年加入京东集团，任零售云产研负责人。24年改任京东端技术研发部负责人，前端技术通道会长。

冯雪梅

京东科技测试架构师

现任京东科技市场与平台运营中心平台研发部质量效能部。曾先后负责支付营销、电销等大型项目的测试工作，积累了丰富的质量保障和降本增效经验。擅长制定质量保障方案、自动化方案、提效方案；擅长测试过程标准化建设及项目流程改进。

待定

大模型驱动的前端测试用例生成：实践与创新

质量交付的挑战：
1. 更好的用例质量：测试用例的编写质量往往受到测试人员个体差异的影响。每个测试人员的专业技能、对系统的熟悉程度以及过往的测试经验都有所不同，这导致了测试用例的质量参差不齐。
2. 更高的交付效率：随着项目迭代速度的加快和测试用例库的膨胀，快速定位和复用合适的测试用例变得愈发困难。庞大的测试用例库使得搜索特定用例的时间成本增加，特别是在处理复杂需求时，其中可能包含众多分支和详细复杂需求时，其中可能包含众多分支和详细步骤，这无疑加大了查找和管理的难度。此外，测试用例的复用率降低意味着更多的重复工作，降低了测试编写的效率。

思考方向：
大模型通过学习大量的历史测试用例和相关文档，理解需求和系统特性，自动生成或辅助生成测试用例。这不仅可以减少人为错误，提高测试用例的一致性和完整性，还能通过自动化的方式加速测试用例的创建过程，节省时间和资源。更重要的是，大模型能够根据项目的变化和新需求，动态调整测试用例，提高其复用性和适应性，从而更有效地支持快速迭代的项目。

内容大纲
1. 大模型时代对于质量领域的思考
1.1 质量交付的挑战
1.2 大模型对测试用例编写的革新
2. 如何让大模型理解我们的工作模式
2.1 提示词方式
2.2 RAG方式
2.3 微调方式
2.4 各种方式的优劣势总结
3. 如何构建测试用例生成智能体
3.1 智能体建设
3.2 实施难点及解决方案
3.3 分领域的智能体建设
4. 如何实现智能体与质量流程紧密协同
4.1 用例业务领域设计
4.2 用例采纳与精细化
4.3 用例智能编写演示
5. 业务结合情况介绍

听众收益
1. 通过实际案例展示如何通过提示词、知识库、微调等方式让大模型理解我们的被测系统，以提升用例生成效果；
2. 测试智能体建设过程中遇到的问题及解决方案；
3. 智能体如何与质量流程协同以提升使用效率。

崔洪博

腾讯高级工程师

腾讯高级工程师，多年移动端开发经验。目前负责Bugly的研发工作，参与产品核心监控能力的研发，例如crash监控、内存监控等，保障功能高可靠性。同时主导创新能力Bugly-AI的建设，包括AI问答、AI数据分析和AI异常归因等，帮助用户提升解决问题的效率。

待定

LLM在解决移动端质量问题中的实践

使用APM过程中，报表查询、个例分析、文档检索等是用户使用频率非常高的几个功能，如何结合AI来提升这几个功能的用户体验是一个重要的课题：
1. 在APM使用过程中，文档查询是非常频繁的操作，在接入和使用的过程中会频繁使用，提供AI自助查询的能力，可以减少用户没有必要的咨询等待，极大的提升人工咨询和查询效率；
2. APM的预定义报表一般可以满足大部分用户需求，如果想要定制个人报表，流程都会比较复杂，如果借助Text2SQL的能力，并且控制权限边界的情况下，可以很方便的实现自定义报表的功能；
3. 在分析疑难的崩溃问题时，往往会受限于开发者个人的知识积累，会耗费很多时间，而大模型积累了很多崩溃问题的知识，在分析疑难问题时候，结合大模型可以给出很多有价值的建议甚至解决方案。

内容大纲

1. 产品和背景介绍
2. 遇到的问题
2.1 用户资讯问题回复占用大量工作
2.2 数据下钻分析的诉求越来越多
3. LLM 技术在 APM中的应用
3.1 LLM + RAG 基于用户文档的智能问答
3.2 Text2SQL 便捷响应多样的数据下钻需求
3.3 智能日志分析 - LLM 协助定位问题
4. 效果及总结

听众收益
1. 了解大模型在 Bugly上面的落地实践
2. 了解APM与 AI大模型结合的其他案例

3. 了解APM与 AI大模型结合的未来发展

杨兵

京东零售平台营销中心前端架构师

京东零售-平台营销中心-前端架构师，2016年加入京东，主要负责广告投放业务的前端架构设计和基建开发，保障京准通广告投放平台的能力建设和高效交付，从而为商家提供业界领先的广告投放能力。对工程化、低代码、LLM应用、图片/视频处理技术有深入研究，近期主导了AI Agent能力在广告智能助手业务中的应用，并沉淀了平台化能力为更多场景赋能。

待定

AI Agent 应用实战：从广告智能助手落地到平台化赋能

2024年，人工智能行业的焦点从通用大模型转向具体应用，AI Agent作为应用层的主流技术，成为各公司落地实践的重要方向。本次分享将带领大家深入探讨AI Agent技术应用的全过程，从最初的技术探索，到京东广告业务中的实际应用，再到智能体平台的沉淀和构建，最终实现对前端开发等多场景的高效赋能。

我们将通过实际案例和技术细节，展示如何通过AI Agent技术，打造出高效、友好的智能化广告产品和研发效率提升工具。
通过本次分享，我们希望为大家提供一个全面、深入的AI Agent技术应用视角，助力业务创新和效率提升，探索智能化解决方案的更多可能性。

内容大纲
1. Agent在京东广告投放中的应用
1.1 Agent 能做什么
1.2 Agent 在广告投放中应用场景
1.3 广告智能助手落地实践
2. 基于业务沉淀Agent搭建平台
2.1 Agent平台整体架构
2.2 Agent平台技术实现
3. Agent平台赋能前端开发
3.1 赋能code review
3.2 赋能客诉处理
4. 未来展望

听众收益
1. 了解AI Agent应用原理，提升在大模型应用层面的知识理解；
2. 分享中的赋能思路，能为听众提供更多大模型与实际工作结合的方向；
3. 帮助听众掌握大模型应用技巧，提升长期竞争力（大模型的应用或将是未来各岗位中必备的技能）。

王凡

得物前端技术专家

得物前端技术专家曾就职于菜鸟网络，负责菜鸟服务网关搭建，目前在得物主要负责商家前端团队，专注于AI技术在前端研发领域的实际落地发展，推动包括源码生成，单测生成，代码检测等具体应用方向落地提效。

待定

NatureCode-AI辅助源码研发实践

在当今科技时代，人工智能（AI）正在以前所未有的速度变革着各行各业。尤其在互联网研发领域，AI技术的引入为编写代码和生成单元测试带来了前所未有的效率和准确性。通过利用AI，开发者不仅可以更快地编写高质量的代码，还能自动生成全面且有效的单元测试，从而提高软件的可靠性和可维护性。本次演讲将深入探讨AI在代码编写和单测生成中的应用，分享得物前端的相关实践，以帮助开发者充分利用AI技术提升工作效率。

内容大纲
1. 背景介绍
1.1 AI 提高开发效率与质量的重要性
1.2 得物前端目前AI研发大致现状
2. AI生成源码代码
2.1 结合DAG的场景模板生成
2.2 前端编码中DTC思路的实践
2.3 AI编码开发工具示例
2.4 得物实际项目应用实例
3. AI生成单测
3.1 自动化单测生成原理简介
3.2 UI组件单测生成
3.3 AIGC单测生成工具

3.4 得物实际项目应用实例
4. 综合应用与未来规划
4.1 从编写到测试的一体化AI解决方案
4.2 后续技术发展方向规划
5. 总结与问答
5.1 项目总结

5.2 互动问答
听众收益
1. 帮助了解AI大模型的基本应用方式，以及垂直领域拓展的思路
2. 了解AI大模型在前端辅助代码生成场景下的一线真实实践案例，帮助提升研发效率
3. 帮助参会同学了解AI大模型如何与前端单测编写的完整落地经验，提升研发质量