专场：自动化到智能化测试实践
随着人工智能技术的日益成熟，智能化测试已成为提高软件开发效率和质量的关键。本次专场将围绕“智能化测试策略、自动化测试框架的智能化升级、AI在测试中的应用场景、以及智能化测试对提高测试准确性和效率的影响”等话题进行深入讨论。参与者将有机会了解和交流如何利用最新的人工智能技术，将传统的自动化测试转变为更高效、更精准的智能化测试实践。通过本次会议，我们旨在为参与者提供一系列行之有效的方法和策略，以帮助他们在快速变化的技术环境中保持领先，确保软件产品的高质量和可靠性。
专场出品人：齐彦松
字节跳动 用户增长测试团队负责人
历年负责过搜索、中台等业务测试和团队管理工作，拥有十余年的质量领域从业经验。现就职于字节跳动，任用户增长测试团队负责人，同时带领团队孵化多个行业领先的智能化测试技术，完成规模化推广落地。
王笑吉
百度 资深工程师
百度MEG团队资深测试开发工程师，7年从业经验，目前主要负责百度FEED检索业务的交付质效保障相关工作，探索如何利用大模型能力提升研发交付效能，带领团队率先实践完成交付模式从GUI向LUI交互形式转换。
待定
待定
研发交付智能体的探索与落地实践
传统交付模式下，高质效交付大多都需要强依赖人的能力，经验的积累和知识沉淀。整个交付过程往往需要跨多平台经过繁琐的长路径操作才能完成，对于新同学来说，交付门槛和学习成本很高。为了解决这些问题，我们探索了引入大模型，根据痛点场景建设相应的智能体应用，最终助力交付过程驱向无人化，达成交付质效和交付体验的提升。
内容大纲
1. 大模型时代下需求交付模式的转变
2. 智能交付引擎助力交付过程驱向无人化
2.1 线下高质交付智能体
2.2 线上风险管控智能体
3. 交付模式从GUI转向LUI助力提升需求交付体验
3.1 问题分析
3.2 核心Agent建设
3.3 意图识别
内容大纲
1. 大模型时代下需求交付模式的转变
2. 智能交付引擎助力交付过程驱向无人化
2.1 线下高质交付智能体
2.2 线上风险管控智能体
3. 交付模式从GUI转向LUI助力提升需求交付体验
3.1 问题分析
3.2 核心Agent建设
3.3 意图识别
黄智浩
字节跳动 高级测试开发工程师
字节跳动，高级测试开发工程师，10年测试开发从业经验，毕业后曾就职阿里巴巴、货拉拉等互联网公司，从事业务保障、自动化建设、稳定性保障、效能平台开发等工作，目前在字节跳动主要负责用户增长QA团队的人效提升、AI应用领域的专项工作。
待定
待定
智能化测试：大模型赋能测试设计生成
LLM时代下质量保障模式发生变革，在测试流程的测试分析、用例生成、用例执行等环节，通过AI实现在这些环节的智能化测试，传统的人工介入测试方式变成AI辅助测试或AI无人值守测试的模式，本议题主要讲述智能化测试在各个测试环节的应用流程和场景，以及测试人员工作模式的转变。
内容大纲
1. 背景
1.1 测试设计生成预估收益
1.2 测试设计关键性
2. 探索与实践
3. AI工程
3.1 模型训练思路概览
3.2 AI工程架构
3.3 RAG检索增强生成
4. 效果评估
5. 总结与展望
5.1 全流程智能化测试展望
5.2 智能化数字员工
听众收益
内容大纲
1. 背景
1.1 测试设计生成预估收益
1.2 测试设计关键性
2. 探索与实践
3. AI工程
3.1 模型训练思路概览
3.2 AI工程架构
3.3 RAG检索增强生成
4. 效果评估
5. 总结与展望
5.1 全流程智能化测试展望
5.2 智能化数字员工
听众收益
AI在质量保障全流程的应用实践，测试人员工作模式的转变启发
程毅
快手 策略测试工程师
快⼿安全合规线策略测试⼯程师，⽬前主要负责安全合规线系统⼯程质量保障，包含系
统质量体系搭建、业务策略质量、系统平台稳定性等⼯作；在项⽬上，参与安全领域多个⼤型项⽬质量保障，主 R 海外安全系统稳定性建设，同时探索⼀套策略质量保障⽅法论并落地，拿到较好的质量结果。毕业后曾就职于 360、滴滴等，⼀直从事服务端质量保障、策略质量保障⼯作。
统质量体系搭建、业务策略质量、系统平台稳定性等⼯作；在项⽬上，参与安全领域多个⼤型项⽬质量保障，主 R 海外安全系统稳定性建设，同时探索⼀套策略质量保障⽅法论并落地，拿到较好的质量结果。毕业后曾就职于 360、滴滴等，⼀直从事服务端质量保障、策略质量保障⼯作。
待定
待定
从自动化到智能化：策略质量保障的演进之路
在安全领域，xxxx是保障底线的关键，依赖于精细的安全规则策略来识别风险，并运用判罚规则策略进行风险控制。策略的任何疏漏都可能导致安全漏洞或误伤，引发舆情风险，后果从轻微的监管约谈罚款到严重的APP下架。本次演讲将探讨xxxx策略在系统工程中的实现，如何从零开始构建质量保障体系，以及策略质量保障的持续演进，介绍一套策略质量保障的方法论及其实践应用，同时展示智能化如何提升质量和测试效率。
内容大纲
1. 策略在 xxxx 规则场景的应⽤
1.1 xxxx规则概览
1.2 规则的重要性与影响
1.3 策略与规则的关联
2. xxxx 策略系统质量保障方案演进
2.1 系统架构图介绍
2.2 质量保障⽅案的演进
2.2.1 阶段⼀：从⽆到有建⽴质量保障体系
2.2.2 阶段⼆：策略质量保障意识的提升
2.2.3 阶段三：智能化的引入与效益
3.质量保障结果与收益
4. 未来展望
通过本次演讲，参与者将获得对xxxx策略在安全领域应用的深入理解，以及如何通过智能化手段提升策略质量保障的实践知识。
1.1 xxxx规则概览
1.2 规则的重要性与影响
1.3 策略与规则的关联
2. xxxx 策略系统质量保障方案演进
2.1 系统架构图介绍
2.2 质量保障⽅案的演进
2.2.1 阶段⼀：从⽆到有建⽴质量保障体系
2.2.2 阶段⼆：策略质量保障意识的提升
2.2.3 阶段三：智能化的引入与效益
3.质量保障结果与收益
4. 未来展望
通过本次演讲，参与者将获得对xxxx策略在安全领域应用的深入理解，以及如何通过智能化手段提升策略质量保障的实践知识。
陈磊
前京东 测试架构师
前京东测试架构师，阿里云 MVP ，华为云 MVP ，中国商业联合会互联网应用工作委员会智库专家，中关村智联软件服务业质量创新联盟软件测试标准化技术委员会委员， Asian Journal of Physical Education & Computer Science in Sports 编委会委员、 EXIN DOM 。著有图书《接口测试方法论》、《持续测试》、《软件研发效能权威指南》、《京东质量团队转型实践-从测试到测试开发的蜕变》等。极客时间专栏《接口测试入门课》作者、拉勾教育《软件测试第一课》作者。多年质量工程技术实践经验，专注于研发质量效能提升、手工测试团队自动化测试转型实践、智能化测试等方向，公开发表学术论文近30篇，专利20余篇，国内多个技术峰会的演讲嘉宾，出品人。
待定
待定
大模型驱动接口测试的方法与实践
通过讲解在当前大模型的浪潮之下，选择不同大模型的应用技术赋能接口测试的实践，给出一种行之有效的大模型赋能接口测试的技术方案，详细讲解接口测试的生成、测试数据的解决以及大模型在使用过程中的思考以及趟过的坑。
内容大纲
1. 大模型时代下测试技术的困境
2. 大模型应用技术的选择
3. 测试和大模型走过的弯路
4. 大模型驱动下的接口测试
5. 基于LLM的接口测试数据生成
6. 一次运行的执行流程
7. 大模型技术选择的教训
听众收益
1. 了解大模型的技术难度和技术成本
2. 了解大模型解决接口测试代码的问题
3. 熟悉大模型解决测试数据生成的实践方案，会后可以实际上手尝试
4. 实际的大模型技术的选择方法
1. 了解大模型的技术难度和技术成本
2. 了解大模型解决接口测试代码的问题
3. 熟悉大模型解决测试数据生成的实践方案，会后可以实际上手尝试
4. 实际的大模型技术的选择方法
李志群
字节跳动 质量技术专家
目前在字节质量中台工作，服务端资深测试开发工程师，深耕代码白盒分析领域，在静态代码检测、单元测试、用例充分度度量、效能度量等方向，孵化打造多款公司级质量基建产品，有丰富的质效工具方案设计及落地经验。
待定
待定
单元测试用例有效性提升实践
在软件开发过程中，单元测试用例对于确保研发代码质量至关重要，其中覆盖率是评价用例质量的一个重要指标，然而覆盖率越高能说明用例质量越好吗？怎么找出那些仅为了覆盖率，但是却发现不了问题的用例？如何提升用例的有效性使其能够帮助研发发现更多问题？基于上述问题，本文将介绍用于检测用例有效性工具的实现方案及挑战，同时分享工具的具体业务场景的实践过程及收益。
内容大纲
1. 单测的基本概念及其存在的问题：介绍单测的概念及重要性，单测在业务实践中存在的问题，引出有效性工具建设的背景。
2. 用例有效性工具及挑战
2.1 有效性
2.1.1如何度量用例的有效性？
2.1.2 如何在增量、存量场景进行用例有效性提升？
2.2 增量场景的用例有效性提升
2.2.1 智能变异测试技术实现方案及其挑战
2.2.2 无效用例检测技术实现方案及其挑战
2.3 存量场景的用例有效性提升
2.3.1 存量代码用例生成技术方案及其挑战
3. 案例分析
3.1 案例展示，收益分享
3.2 实践中的问题教训总结
4. 总结及规划
4.1 主要观点回顾
4.2 后续技术规划
听众收益
结合新兴的LLM技术，降低了工具能力的业务落地使用成本，并积累了一些痛点解决方案和实践技巧。
基于增量 + 存量的双场景治理模式，较好地扩大了工具能力在真实业务场景落地时的辐射范围。
主要包括技术成本及认知成本两方面。技术上，当前的技术实现存在一些长尾case，导致研发需要处理识别一些噪音结果数据，存在额外的一些时间花销；认知上，业务侧首先要从意识层面接受认可单测的重要性和必要性，才能在工具的辅助下将单测实践做起来或做的更好。
内容大纲
1. 单测的基本概念及其存在的问题：介绍单测的概念及重要性，单测在业务实践中存在的问题，引出有效性工具建设的背景。
2. 用例有效性工具及挑战
2.1 有效性
2.1.1如何度量用例的有效性？
2.1.2 如何在增量、存量场景进行用例有效性提升？
2.2 增量场景的用例有效性提升
2.2.1 智能变异测试技术实现方案及其挑战
2.2.2 无效用例检测技术实现方案及其挑战
2.3 存量场景的用例有效性提升
2.3.1 存量代码用例生成技术方案及其挑战
3. 案例分析
3.1 案例展示，收益分享
3.2 实践中的问题教训总结
4. 总结及规划
4.1 主要观点回顾
4.2 后续技术规划
听众收益
结合新兴的LLM技术，降低了工具能力的业务落地使用成本，并积累了一些痛点解决方案和实践技巧。
基于增量 + 存量的双场景治理模式，较好地扩大了工具能力在真实业务场景落地时的辐射范围。
主要包括技术成本及认知成本两方面。技术上，当前的技术实现存在一些长尾case，导致研发需要处理识别一些噪音结果数据，存在额外的一些时间花销；认知上，业务侧首先要从意识层面接受认可单测的重要性和必要性，才能在工具的辅助下将单测实践做起来或做的更好。
李延山
郑州易盛 风控平台测试负责人
郑州易盛高级测试工程师，目前主要负责郑州商品交易所风控平台测试，保障风控平台全方面质量的测试。
待定
待定
UI智能测试为引擎的立体化测试初探
以智能UI为引擎构建立体化测试。以往的自动化测试的本质是：按照预定轨道执行的机械手！本次分享尝试让测试工具从执行者变成探索者！同时建立多维度质量保障体系，从而提供更加全方面的质量信息。
1. 从传统自动化工作开展流程去分析，自动化测试的“三个困境”
2. 智能测试应有的样子
2.1 用例生成
2.2 测试结果获取
2.3 结果判定
3. 数据中台测试数据构造的困境及解决方案
3.1 数据中台数据构造的困境
3.2 基于信息熵增益率进行测试数据生成
4. 测试与日志分析
5. 构建立体化测试
5.1 环境准备及监控
5.2 自动化运维
5.3 数据质量可视化
5.4 测试
5.5 日志分析
6. 总结与展望
1. 从传统自动化工作开展流程去分析，自动化测试的“三个困境”
2. 智能测试应有的样子
2.1 用例生成
2.2 测试结果获取
2.3 结果判定
3. 数据中台测试数据构造的困境及解决方案
3.1 数据中台数据构造的困境
3.2 基于信息熵增益率进行测试数据生成
4. 测试与日志分析
5. 构建立体化测试
5.1 环境准备及监控
5.2 自动化运维
5.3 数据质量可视化
5.4 测试
5.5 日志分析
6. 总结与展望
听众收益
1. 打破自动化测试的固有认知
2. 引发智能化与测试结合的思考
3. 考虑更加立体化的测试思路
王文皓
恒生电子 技术平台测试架构部
测试开发专家
恒生电子-技术平台测试架构部 测试开发专家 负责自动化测试工具和相关平台的研发、精准测试、可信测试、代码覆盖率等相关技术研发和布道。曾就职于华为技术有限公司和中国电信，从事网络产品的测试、测试管理平台、自动化测试工具、Devops平台的开发等工作。至今已拥有超10年的软件测试和开发的从业经验。
待定
待定
智能分析在自动化测试中的探索与应用
在当前的软件测试领域，自动化测试已成为提升测试效率和质量的关键手段。然而，自动化测试在实际应用中仍面临着诸多挑战。其中，自动化测试失败的用例数量较多，这不仅增加了测试团队的负担，也影响了测试的准确性和可靠性。此外，当测试失败发生时，传统的分析方法往往耗时较长，效率低下，导致问题解决周期延长，进而影响整个软件开发周期。因此，如何通过智能分析技术提高自动化测试的准确性和效率，减少失败用例，缩短问题分析和解决时间，已成为自动化测试领域亟待解决的重要问题。探索智能分析技术在自动化测试中的应用，不仅可以优化测试流程，提高测试效率，还能为软件质量的提升提供有力支撑。
内容大纲
1. 背景介绍
1.1 自动化测试应用的场景
开发自测、冒烟测试、集成测试、系统测试、现场测试等，每个场景下都有失败的用例，分析的工作存在重复且耗
时长的问题
1.2 当前分析工作的痛点
关键BUG发现周期长、人力投入大、从缺陷预测模型上看缺陷越晚发现，遗漏到线上的概率就越大
2. 解决思路
引入自动化测试执行结果的智能分析，缩短分析的时长，避免重复的分析
3. 技术实现
3.1 自动化失败的原因归类定义
3.2 智能分析的实现流程
规则匹配->历史分析结论（模型匹配）->大模型分析
3.3 规则匹配的实现
3.4 模型匹配的实现
3.5 LLM分析的实现
4. 落地效果
减少低价值失败用例的分析投入，聚焦疑似缺陷的分析，分析周期的缩短
5. 未来展望
提升置信度、自动化执行日志分析结合失败点的业务日志进行分析、训练纵向的模型，对大模型进行调优
听众收益
如何搭建自动化执行结果智能分析的功能，实现对自动化分析的提效
1.2 当前分析工作的痛点
关键BUG发现周期长、人力投入大、从缺陷预测模型上看缺陷越晚发现，遗漏到线上的概率就越大
2. 解决思路
引入自动化测试执行结果的智能分析，缩短分析的时长，避免重复的分析
3. 技术实现
3.1 自动化失败的原因归类定义
3.2 智能分析的实现流程
规则匹配->历史分析结论（模型匹配）->大模型分析
3.3 规则匹配的实现
3.4 模型匹配的实现
3.5 LLM分析的实现
4. 落地效果
减少低价值失败用例的分析投入，聚焦疑似缺陷的分析，分析周期的缩短
5. 未来展望
提升置信度、自动化执行日志分析结合失败点的业务日志进行分析、训练纵向的模型，对大模型进行调优
听众收益
如何搭建自动化执行结果智能分析的功能，实现对自动化分析的提效
关注QECon公众号
议题投稿
lijie@qecon.net
商务合作
151-2264-3988 木子
票务联系
135-2067-8913 郭梦媛
媒体合作
135-1619-6409 皮皮
添加QECon小助手，获取
会议最新资讯
购票咨询
13520678913 郭梦媛
