大模型在端到端交互测试的探索与实践原玉娇贝壳找房
北京理工大学硕士毕业，曾就职于滴滴，目前在贝壳担任架构师，负责大模型技术在测试域企业级的工程化探索和应用，基于“产研域提效场景+领域知识+AIagent”在垂直域实现大模型能力延伸，包括测试需求分析、测试用例自动生成、缺陷追踪和智能定位等，优化协同流程机制、助力业务快速迭代从而提升自动化产能。原玉娇贝壳找房技术效能-质量架构团队负责人 演讲嘉宾
1.背景2.问题/痛点3.解决思路/整体方案4.具体实现/技术实践5.总结与展望目录CONTENTS
PART01背景介绍
业务介绍贝壳appA+被窝appWeb类产品一站式居住服务平台，涵盖二手房、新房、租赁及家居装修等业务
?安全性与合规性数据洞察知识融合?业务场景复杂?个性化智能化匹配?业务链路长?产品形态多 业务介绍?多角色协同权限管理技术创新模式探索特点整体协同增效场景驱动
PART02问题和痛点分析
测试与研发流程割裂，质量反馈环滞后工具提效有上限 痛点分析-传统需求驱动多角色串行协同18%32%
AI提效应用难点分析问题：质量域工具有细分，多类别多领域，覆盖前端、后端、环境、数据、自动化等业务多元化导致工具实现比较复杂，工具人的维护成本都很高工具如何结合?识别哪些工具可以与AI结合?传统工程开发与AI如何结合?AI如何增强测试能力架构如何迭代?上层：如何扩展和适应变化?底层：原子基建能力如何支撑关注用户体验?用户问题如何准确触达对应的智能体，降低体验损耗挑战
PART03大模型在端到端测试探索进阶之路
AI加持下，个人效率提升到协同成本降低的路径2023年2024年 演进过程
copilot方式-实现个人提效极致应用【解决方案】CUI\对话、多入口、agent化的形式即时触达，和测试行为紧密结合，利用模型意图识别能力和决策执行的能力完成各类各项测试任务
对话交互式应用举例数据提效自动化提效
AI工具那么多，我该用哪个？【单点提效--交付提效】 与之而来的新挑战”
演进-agent模式驱动全流程协同增效需求驱动测试，通过多个智能代理（Agent）的合作，基于自然语言描述，自动化的进行从交互到检查的全链路测试过程测什么怎么测测得怎么样变化
端到端全链路智能化测试能力牵引测试模式迭代服务端agent……端到端测试效果智能化分析 整体方案设计思路核心思路以智能应用为底座，质量基建更新换代，建立标准和作业流程创新实现生成力提升满足生成提效的实际诉求为出发点匹配不同场景的智能应用灵活应用扩展AI化标准化测试策略生成UI端测试提效需求澄清方案生成测试执行结果分析反馈能力建立智能验证
PART04技术实践
agent智能体 1创建助手（Assistant）?给它特定场景的工具（Tools）?提示它如何使用工具如何思考执行（Prompt） 2提问（Question）?可以把问题丢给它（Question） 3推理解决（Answer）?由它自己运用通用知识结合手 实现核心技术点上的工具一步步将问题拆解（AutoPlan-Answer）
流程自动化/接口需求澄清智能调度端到端精准分析UI自动化/交互 建立模型工程标准化基建，重塑测试工作流程结果多维度评估分层/动态prompt需求知识测试策略独立智能体结果分析传统工程+大模型agent智能化
agent模式+开放能力基于assistantApi，以需求作为原点，实现测试策略生成，包括需求澄清、风险关注、测试建议等，沉淀领域工具先提供全景画像辅助用户选择用什么、指导测试实践、加速岗位认知，同时通过开放能力实现业务小工具开源共建，旨在构建一个更加高效、协同的测试知识