专场：基于大模型的工具开发
本专场聚焦大模型在软件研发工具中的创新应用，探索其在代码生成、自动化测试、智能缺陷检测等领域的实践与挑战。论坛将深入探讨如何利用大模型提升研发效能，从需求分析到测试管理的全流程优化，以及多智能体协同在复杂场景中的落地应用。通过案例分享与技术解析，帮助开发者掌握大模型驱动工具开发的最佳实践，推动研发流程的智能化升级。
专场出品人：归雪锋
OPPO 软件研发效能负责人
OPPO软件AI工程、Devops领域资深专家、OPPO Devops任职通道主任、行业技术专家
擅长AI大模型应用、CICD、研发效能相关的工程&工具平台的设计，主导OPPO软件工程AI代码提效、研发过程提质提效等各类项目。曾就职于华为、阿里、朗讯、Autodesk、HP等国际知名公司。
擅长AI大模型应用、CICD、研发效能相关的工程&工具平台的设计，主导OPPO软件工程AI代码提效、研发过程提质提效等各类项目。曾就职于华为、阿里、朗讯、Autodesk、HP等国际知名公司。
归雪锋
OPPO 软件研发效能负责人
OPPO软件AI工程、Devops领域资深专家、OPPO Devops任职通道主任、行业技术专家
擅长AI大模型应用、CICD、研发效能相关的工程&工具平台的设计，主导OPPO软件工程AI代码提效、研发过程提质提效等各类项目。曾就职于华为、阿里、朗讯、Autodesk、HP等国际知名公司。
擅长AI大模型应用、CICD、研发效能相关的工程&工具平台的设计，主导OPPO软件工程AI代码提效、研发过程提质提效等各类项目。曾就职于华为、阿里、朗讯、Autodesk、HP等国际知名公司。
待定
待定
OPPO企业内部AI赋能研效提升的应用与原理解析
本分享主要讲述OPPO在面对AIGC大模型浪潮的汹涌而至，针对企业内部研效提升的命题，介绍如何根据不同场景灵活选择大模型的逻辑；描述如何合理运用LLM的各项技术，分别在代码生成与补全、单元测试用例生成、代码review与缺陷检测、研发知识智能问答、研发大数据智能问数等方面的思考与实践，力求从技术的角度讲述AI落地过程中的一些设计思想、碰到的一些问题和解决方案；最后根据当前的落地现状，结合生成式人工智能日新月异的变化所带来的挑战，总结和展望了下一步要重点发展的方向和随之带来的思考。
内容大纲
1. 背景介绍
2. 模型选型综述
3. 各AI应用场景与原理解析
3.1 AI代码生成与补全的实践
3.2 AI代码review与缺陷检测的实践
3.3 研发知识智能问答的实践
3.4 研发大数据智能问数的思考
4. 总结与展望
2. 模型选型综述
3. 各AI应用场景与原理解析
3.1 AI代码生成与补全的实践
3.2 AI代码review与缺陷检测的实践
3.3 研发知识智能问答的实践
3.4 研发大数据智能问数的思考
4. 总结与展望
施凯
eBay 技术专家
ebay 支付风控团队专家软件工程师，工作十一年。毕业后曾就职于点融，滴滴出行和ebay等国内外大型公司。曾主导/参与过各类型测试工具和平台的开发和落地，如生产测试流量回放，测试数据平台，测试环境治理平台，自动化测试平台等。
待定
待定
测试效能革新之路 -
ebay支付风控新一代低成本行为驱动测试平台演进
要解决的痛点：
1. 测试用例编写滞后，难以有效提前发现问题
2. 测试用例编写困难
3. 测试用例维护困难，花了很多力气写用例，但测试用例自身不稳定，花费更多时间维护
4. 测试报告分析困难，对于测试报告中失败的用例，需要花很多时间去定位问题。很多时候测试的失败是由于测试代码/测试数据本身，并不是代码缺陷。导致团队对自动化用例丧失信心
内容大纲
1. 开箱即用的行为驱动测试平台,测试用例可读,帮助软件开发周期中的不同角色快速对齐需求
2. 内置可重用测试步骤,测试用例编写容易
3. 测试框架内核支持高级特性
3.1 数据工厂
3.2 动态mock
3.3 失败用例自动重试
3.4 用例级别的并发执行
3.5 step/方法级别的并行执行
3.6 高度结构化,易接入的测试报告
3.7 安全扫描
4. 基于大语言模型的测试结果分析,问题快速定位
4.1 利用RAG技术,基于测试结果,自动分析代码功能缺陷
4.2 自动分析代码潜在的性能缺陷
4.3 异常日志检测,分析,告警
1. 测试用例编写滞后，难以有效提前发现问题
2. 测试用例编写困难
3. 测试用例维护困难，花了很多力气写用例，但测试用例自身不稳定，花费更多时间维护
4. 测试报告分析困难，对于测试报告中失败的用例，需要花很多时间去定位问题。很多时候测试的失败是由于测试代码/测试数据本身，并不是代码缺陷。导致团队对自动化用例丧失信心
内容大纲
1. 开箱即用的行为驱动测试平台,测试用例可读,帮助软件开发周期中的不同角色快速对齐需求
2. 内置可重用测试步骤,测试用例编写容易
3. 测试框架内核支持高级特性
3.1 数据工厂
3.2 动态mock
3.3 失败用例自动重试
3.4 用例级别的并发执行
3.5 step/方法级别的并行执行
3.6 高度结构化,易接入的测试报告
3.7 安全扫描
4. 基于大语言模型的测试结果分析,问题快速定位
4.1 利用RAG技术,基于测试结果,自动分析代码功能缺陷
4.2 自动分析代码潜在的性能缺陷
4.3 异常日志检测,分析,告警
牛文芳（花名：楚浔）
阿里巴巴淘天集团 高级测试开发工程师
阿里巴巴淘天集团-高级测试开发工程师 6年阿里工作经验、负责淘天集团营销质量保障工作，大促全链路氛围预演专项负责人。
待定
待定
营销质量AI图片校验专项实践分享
电商大促频繁，消费者大促氛围感知的确定性尤为重要，质量技术侧面临多端/多渠道/点位/行业高频次、紧迫性验证工作。传统的验证完全依赖人工重复投入，效率低、易出错、成本高。因此我们在工作中，尝试通过通过大模型替代人工，并在历届大促中拿到较为显著的结果。
内容大纲
1. 项目背景
1.1 全链路氛围预演介绍
2. 氛围图片校验大模型调研
2.1 氛围校验问题分析
2.2 多模态大模型可行性调研
2.3 多模态大模型可行性调研结论
3. 可行性方案设计
3.1 产品方案设计选型
3.2 技术方案设计和可行性分析
4. 项目挑战和策略
4.1 挑战a：……
4.2 解决策略：……
4.3 挑战b：……
4.4 解决策略：……
4.5 挑战c：……
4.6 解决策略：……
5. 项目结果和沉淀
5.1 核心突破点和业务效果
6. 未来展望
2.3 多模态大模型可行性调研结论
3. 可行性方案设计
3.1 产品方案设计选型
3.2 技术方案设计和可行性分析
4. 项目挑战和策略
4.1 挑战a：……
4.2 解决策略：……
4.3 挑战b：……
4.4 解决策略：……
4.5 挑战c：……
4.6 解决策略：……
5. 项目结果和沉淀
5.1 核心突破点和业务效果
6. 未来展望
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
