大模型驱动效能提升实践
在 AI 技术迅猛发展的当下，大模型是推动研发效能跃升的核心引擎。本专场聚焦大模型在研发全环节的深度实践，邀请一线大厂资深专家分享技术选型、效果度量与落地经验，助力企业重构开发流程、降低技术门槛、释放团队创造力，跨越从技术探索到规模化提效的鸿沟，打造下一代智能研发范式。
专场出品人：朱少民
QECon发起人 CCF杰出会员 《软件工程3.0》作者
同济大学特聘教授、CCF杰出会员、CCF 质量工程SIG主席、软件绿色联盟标准评测组组长，拥有个人公众号 “软件质量报道”。先后获得多项科技进步奖，出版了二十多部著作和4本译作，其代表作有：《全程软件测试》、《敏捷测试：以持续测试促进持续交付》、《软件测试方法和技术》、《软件质量保证与管理》等。经常作为大会联席主席、论坛主席或专场出品人、演讲嘉宾等出席国内技术大会，曾任IEEE ICST 2019工业论坛主席、多个软件测试国际学术会议程序委员、思科（中国）软件有限公司QA高级总监等。
熊小伟
高途集团 质量部负责人
高途集团 质量团队高级测试专家，目前负责高途一站式测试技术平台建设，包含：测试AI技术、多端自动化测试平台、不同语言的代码覆盖、全链路压测、发布编排和数据度量等平台建设。团队上主要负责从市场营销、招生方案、行课服务等产品的测试质量交付、测试效率和稳定性。从事测试行业15年，过往行业经验覆盖：电商、财政、云计算和教育，并深度参与平台开发工作。
待定
待定
解码教学场景化AI测试升级密码：
基于AI-Native的测试生产力提升探索
完整的教学服务场景涵盖学生端、教师端、后台管理。涉及多端（PC客户端、移动端、WEB端、小程序...etc），每个端使用的开发语言较多（C++、java、vue/react、go、swift...etc），评价一次需求交付的测试充分性，需要一套行之有效的机制。在完成基础能力的建设之后，如何通过ai-native的方式，实现测试生产力的大幅提升，成为重要议题和方向。
内容大纲
1. 多语言覆盖率在评估测试充分性上合理性介绍（新方法：整合jacoco、gcov、Istanbul、code coverage一站式准出）
2. AI在提高代码覆盖率上的路径（新技术：自然语言/用户行为转自动化用例；新实践：代码覆盖率染色识别来源渠道）
3. AI智能体在覆盖率上的自主性 （新实践：AI自主增强，降低人工在用例执行上的参与程度）
4. 现状和未来发展
听众收益
借鉴：一套完整的测试交付评价体系
陈成禧
趣丸科技 架构师
广州趣丸网络科技 架构师，十多年研发经验，在稳定性、可观测领域有丰富的建设经验，目前主要负责运维平台及效能度量项目建设，对智能体开发有较丰富的实践经验，同时有线上（观察体系建设）、线下（运维智能体建设）对外分享经验。
待定
待定
大模型驱动的质效数据深度洞察
当前一般研发团队要对质效数据进行洞察时，在指标体系建设后，仍需要投入大量的人力及时间去对指标进行建模以及基于专家的经验开发固定程序进行洞察。
随着大模型技术的成熟，其能力不断提高，成本不断下降，涌现出不少优秀的Deep Research产品，如manus.im, OpenManus等，其原理基本都是搜索外网信息-》分析总结-》生成报告。
因此，我们可以将内部的质效数据和效能专家的经验作为输入，让大模型基于自然语言的对话进行自动分析总结并输出质效报告。
虽然基本原理差不多，但做出来的效果可能存在千差万别，如何才能做出更符合质效洞察场景的Deep Research产品呢？
本分享议题就是以上述背景和思考为方向，分享在落地过程中碰到的问题和解决方案，以及分享最终效果。
随着大模型技术的成熟，其能力不断提高，成本不断下降，涌现出不少优秀的Deep Research产品，如manus.im, OpenManus等，其原理基本都是搜索外网信息-》分析总结-》生成报告。
因此，我们可以将内部的质效数据和效能专家的经验作为输入，让大模型基于自然语言的对话进行自动分析总结并输出质效报告。
虽然基本原理差不多，但做出来的效果可能存在千差万别，如何才能做出更符合质效洞察场景的Deep Research产品呢？
本分享议题就是以上述背景和思考为方向，分享在落地过程中碰到的问题和解决方案，以及分享最终效果。
内容大纲
1. 项目背景
1.1 当前质效洞察方式与存在问题
1.2 当前智能化查询数据方式与存在问题
1.3 当前Deep Research方式与存在问题
2. 落地方案
2.1 整体方案（整体实现方案介绍）
2.2 如何生成更准确的SQL（如何提升自然语句转SQL的准确率）
2.3 如何让模型生成的报告更可控（如果提升效能洞察报告的一致性）
2.4 智能体开发经验总结
3. 效果展示（视频展示）
4. 未来展望
4.1 MCP工具支持，扩展成为质效助手
4.2 自学习，自我提升效果（基于用户的输入和反馈，大模型总结经验，提升后续处理效果）
听众收益
1. 可了解到现有基于外网搜索结果进行deep research的一般做法
2. 可了解到基于私数的质效数据如何进行deep research
3. 听众可从实施过程中学习到如何调优效果，测评数据
4. 听从可以从中了解大模型应用落地过程中的经验，少走弯路
1. 可了解到现有基于外网搜索结果进行deep research的一般做法
2. 可了解到基于私数的质效数据如何进行deep research
3. 听众可从实施过程中学习到如何调优效果，测评数据
4. 听从可以从中了解大模型应用落地过程中的经验，少走弯路
李佳奇
去哪儿旅行 技术总监 基础架构负责人
去哪儿旅行技术总监，基础架构负责人，技术中心TC委员、业务架构SIG负责人、腾讯云架构师同盟名人堂专家。10余年OTA一线研发经验，在高并发高可用系统建设、DDD项目落地、业务域系统价值度量、线上系统防腐治理、AI基建建设和项目落地等领域有代表性作品。多次在各大峰会等大会担任出品人和讲师。
待定
待定
去哪儿旅行AI研发效能提升实践
AI为研发效能的持续提升提供了新的机会，本次分享重点介绍在AI提升研发效能方向的分析思考，同时介绍在测试提效、运维提效、团队提效三个关键领域的探索和实践。听众可以通过本次分享了解机会点分析挖掘、提效方法思考、关键落地过程与系统设计等内容，为听众提供经验和方法参考
内容大纲
1. AI在研发效能领域的机会
2. AI落地的思路和方法
3. 案例实践
3.1 AI测试提效
3.2 AI 巡检与根因定位
3.3 AI 研发全流程行为分析
4. 总结和展望
听众收益
AI在提升研发效能的机会点分析挖掘、提效方法思考、相关基建建设，关键落地过程与系统设计的经验和方法。
吴玮琦
百度 文心快码 大前端负责人
文心快码（Baidu Comate）前端负责人，致力于大语言模型在研发工程领域的落地实践，有丰富的大模型编程相关领域的实践经验。同时负责云开发平台 iCoding 等代码服务研发工作。
待定
待定
构建研发提效Agent：百度文心快码的技术实践
百度文心快码团队在构建研发提效Agent过程中的实践与经验为基础，探讨如何通过智能Agent实现软件研发全流程的效率提升。我们将剖析如何让Agent获得研发环境感知能力，如何通过IDE集成实现需求理解、代码生成、测试验证的"眼、手、脚"功能延伸，以及如何构建验证-修复循环来保障研发质量。同时，我们也将探讨面向复杂研发场景的进阶Agent能力，包括架构师Agent模式、需求分析与代码实现分离策略，以及多Agent协作的研发提效实践。在AI与软件开发深度融合的关键时刻，本次分享旨在提供一个全面的视角，帮助开发者和技术决策者了解研发提效Agent的现状、技术挑战及未来发展方向，共同探索Agent驱动的高效研发新范式。
内容大纲
1. 研发提效Agent的演进与现状
1.1 从代码补全到全流程研发Agent的发展历程
1.2 主流研发提效Agent产品分析
2. 研发提效Agent的核心技术架构
2.1 工具交互与研发环境感知能力
2.2 IDE集成与研发交互范式转变
2.3 验证-修复循环的研发质量保障
3. 文心快码研发提效Agent的实践
3.1 Agent工具框架设计与思维链应用
3.2 大型项目处理与多Agent协作
4. 面向复杂研发场景的进阶Agent能力
4.1 架构师Agent模式与全流程自主化
4.2 需求分析与代码实现分离策略
4.3 多Agent协作的研发提效实践
1. 研发提效Agent的演进与现状
1.1 从代码补全到全流程研发Agent的发展历程
1.2 主流研发提效Agent产品分析
2. 研发提效Agent的核心技术架构
2.1 工具交互与研发环境感知能力
2.2 IDE集成与研发交互范式转变
2.3 验证-修复循环的研发质量保障
3. 文心快码研发提效Agent的实践
3.1 Agent工具框架设计与思维链应用
3.2 大型项目处理与多Agent协作
4. 面向复杂研发场景的进阶Agent能力
4.1 架构师Agent模式与全流程自主化
4.2 需求分析与代码实现分离策略
4.3 多Agent协作的研发提效实践
关注QECon公众号
关注QECon视频号
商务合作
151-2264-3988 木子
票务联系
186-4907-7637 胡利利
媒体合作
135-1619-6409 皮皮
购票咨询
胡利利 18649077637
