技术的Vibe_Coding专场-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

技术的 Vibe Coding 专场

“技术的Vibe Coding专场”聚焦开发者“开发流状态”的工程新范式，在代码质量、协作效率、系统可维护性间寻找动态平衡，兼顾代码质量保证与复杂系统的分解与引导。

本专场主要聚焦三方面：
- 理念碰撞：当“快速迭代”遇上“稳定架构”，“个人编码习惯”碰撞“团队规范”，如何定义新时代代码健康度？
- 工具进化：工具链如何重塑开发节奏？既是技术优化，更是对开发者注意力的极致尊重。
- 反模式警示：揭秘“看起来很美”的实践背后的致命陷阱。
这是专为开发者打造的技术分享与实战交流活动。一线技术专家将围绕前端架构、AI应用、系统设计、效率工具等展开深度分享，结合真实项目案例解析、现场live coding演示、开发流程展示与互动问答，让参与者带问题来、带收获走，少点浮夸，多点干货。

专场出品人：汪晟杰

腾讯资深产品专家

腾讯资深产品专家，20年工作经验，负责腾讯云开发者AI代码助手产品规划设计与运营，十多年协作SaaS和 SAP 云平台、SuccessFactors HCM、Sybase 数据库、PowerDesigner 等产品的开发经理，在软件架构设计、产品管理和项目工程管理、团队敏捷、AI研发提效等方面拥有丰富的行业经验。

伍斌

独立AI应用咨询师

（网名和曾用笔名“吾真本”，自媒体名“大厨程序员吾真本”）作为独立AI应用咨询师，正在创作一系列全民化AI编程的图书，已出版《氛围编程：AI编程像聊天一样简单》。他拥有30多年的IT行业经验，在软件开发、测试、项目管理及工程实践方面打下了扎实的专业功底。在Thoughtworks公司工作的8年间，他协助多家国内大中型企业优化IT部门开发流程，提升了软件质量与开发效率。近两年，他专注于AI技术的应用探索与推广，致力于为企业和个人提供实用的AI解决方案，帮助用户有效应对实际业务挑战。

待定

我没有用Vibe Coding写生产代码，而是先写好测试代码

目前国内企业的测试与开发人员在使用AI生成代码或维护已有系统的生产代码时，需要配套自动化测试进行端到端测试和API测试以确保代码的功能质量。然而，让AI编写端到端和API测试代码时面临三大核心痛点：
1）难以撰写精准的提示词，让AI生成全面覆盖关键功能测试场景的用例及代码
2）难以确认AI生成的测试代码在"声明层面"是否覆盖了关键功能测试场景
3）难以验证AI生成的测试代码在"运行时"是否有效覆盖关键功能测试场景

本演讲提出"声明时三场一表+运行时故障注入"方法（即利用冒烟、happy path和sad path三类场景结合决策表指导AI生成有效的功能测试代码，并通过“理测评解”和故障注入依次验证测试代码在声明时和运行时的有效性），为解决这些痛点提供了全新思路。这使测试与开发人员能通过自然语言与AI对话生成实用有效的功能测试代码，从而有效保障生产代码质量。

内容大纲
1. 使用Vibe Coding生成端到端测试代码的现实挑战
1.1 难以撰写精准提示词，使AI生成全面覆盖关键功能测试场景的用例及代码
1.2 难以确认AI生成的测试代码在"声明层面"是否充分覆盖关键功能测试场景
1.3 难以验证AI生成的测试代码在"运行时"是否有效覆盖关键功能测试场景
2. "声明时三场一表+运行时故障注入"方法应对挑战
2.1 结合冒烟、happy path和sad path三类场景与决策表，指导AI生成有效功能测试用例与代码
2.2 AI辅助“理测评解”审核AI生成的测试用例的完备性以及测试代码声明的准确性
2.3 通过故障注入验证测试代码的运行时有效性
3. 实战：利用Vibe Coding生成并验证Saleor Commerce开源电商系统的端到端与API测试
3.1 实战案例背景与测试需求分析
- Saleor Commerce系统介绍：GitHub 2.2万星标的API优先电商平台（https://github.com/saleor/saleor），

基于GraphQL API的现代化架构
- 复杂业务规则挑战：折扣系统包含catalogue promotions（目录促销）和order promotions（订单促销），

支持复杂的嵌套条件组合
- 测试覆盖难点：传统人工测试分析难以覆盖多维度业务规则组合，容易产生测试盲点
3.2 基于实战案例，应用冒烟、happy path和sad path场景结合决策表指导AI生成功能测试用例与代码
- 冒烟场景设计：WebUI核心系统功能验证
应用启动与基础页面 → 用户认证基础功能 → 产品展示核心功能 → 购物车基础操作 → 结账流程入口
- Happy Path场景设计：WebUI完整购买流程
用户注册登录 → 产品浏览与选择 → 购物车操作→ 结账 → 支付 → 订单确认与完成
- Sad Path场景设计：GraphQL API异常处理验证
库存不足 → 无效商品型号（变体） → 地址验证失败 → 支付处理失败 → 配送方式问题 → 用户权限问题
- 决策表技术应用演示：GraphQL API折扣规则组合测试
无折扣 →整单折扣 →特定产品折扣 →目录促销+整单券组合 →目录促销+特定产品券组合→ 运费折扣券 →

无效折扣码
3.3 针对实战案例，用AI辅助审核AI生成的测试用例的完备性以及测试代码声明的准确性
3.4 针对实战案例，用AI辅助通过故障注入验证测试代码的运行时有效性
- 核心理念：Test the Tests（测试测试本身）
- 通过在Saleor业务代码中主动引入错误，验证AI生成的测试代码是否能准确捕获这些错误，从而证明测试的

运行时有效性。
4. 总结
从AI生成端到端和API测试代码的三大痛点出发：提示词撰写难、声明时覆盖难确认、运行时有效性难验证。通过以Saleor Commerce开源电商系统为例的"声明时三场一表+运行时故障注入"方法实战演示，展示“冒烟 + Happy Path + Sad Path + 决策表”的组合能够覆盖软件功能测试80-90%的关键场景，为这些长期困扰测试与开发人员的问题提供了系统性解决方案。特别是在GraphQL API和复杂业务规则系统中，决策表技术显著提升了AI生成测试的精准性和完整性。

听众收益
1. 掌握系统化AI功能测试方法：获得"声明时三场一表+运行时故障注入"的完整方法论，学会用决策表技术系统化分解复杂业务规则，可立即在GraphQL API项目和传统REST API项目中应用。
2. 提升AI协作效率：学会构建基于决策表的精准提示词，将AI测试生成的功能覆盖率从传统手工的40-50%提升到80-90%，减少与AI多轮对话的时间成本，显著提高一次性生成有效测试代码的成功率。
3. 建立质量保障体系：掌握从声明时覆盖性检查到运行时有效性验证的双重保障机制，学会识别和避免"测试覆盖率虚高"的风险，建立可信赖的自动化测试体系，特别适用于微服务架构、API优先电商和现代化API系统。