AiDD研发数字峰会

议题提交

出品人：曾梦良

2011年加入OPPO，现主导AI辅助测试技术研发与测试工程体系构建。带领团队推动测试业务全面数字化升级，实现测试能力规模化落地与效能持续提升；成功孵化用例精准推荐、系统测试代码生成、缺陷智能分析等AI测试应用，并完成全业务场景推广。

OPPO 测试工程团队负责人

AI测试工具开发与应用

聚焦AI赋能测试工具链的创新实践，涵盖智能用例生成、缺陷预测、视觉比对与接口推演等核心技术。分享在复杂系统中提升测试覆盖率与效率的前沿工具与工程落地案例，推动测试智能化从点工具向平台化演进。

小米Android GUI AI Agent自动化测试实践

张海峰

小米手机测试部自动化中台负责人

内容简介：

在Android App测试领域，Monkey算法以其实现简单、执行快速的优势，被广泛应用于评估应用的稳定性和健壮性，但其盲目随机的测试模式难以系统性地发现深层缺陷是其主要短板。为解决这一问题，我们设计了一个GUI AI Agent，该智能体融合了传统随机测试的高效执行能力，大语言模型（LLM）对GUI语义理解能力，以及强化学习的序列决策优化能力，从而实现了一种高效、自适应的App探索性测试新范式。

演讲提纲：
1.背景介绍
传统随机测试（如Monkey）的局限性与现代App的测试复杂性，提出愿景。
2.目标蓝图
构建一个具备智能探索、异常感知、自主进化三大核心能力的GUI AI Agent。
3.技术架构：GUI AI Agent全景图
宏观展示系统组成，引入三大核心支柱：智能探索、精准判定、持续进化。
4.核心能力一：自主智能探索能力
4.1广度探索：基于图模型的系统性覆盖算法，确保基础覆盖率
4.2深度探索：基于大模型的场景化理解与规划（GUI理解大模型+强化学习训练），聚焦关键业务场景
4.3决策中枢：动态权衡“执行速度”与“探索深度”的自适应调度模块
5.核心能力二：多模态精准的缺陷分析能力
5.1统一分析框架：基于多源数据的可扩展缺陷分析框架
集成探索序列、图像、日志、视频，覆盖GUI显示异常、功能、性能、内存、功耗、稳定性等缺陷的异常分析和判定
5.2能力构建案例：详解基于大模型的GUI显示异常检测能力的落地实践
6.核心能力三：持续优化的自我反思能力
6.1发现盲区：基于历史探索序列，主动挖掘低频操作路径与“边缘场景”
6.2闭环进化：针对高失败率场景，自动触发强化学习训练，实现策略的自我迭代与优化
7.实践验证：带来的业务收益
展示该智能Agent在提升测试效率、覆盖率、缺陷发现深度等方面的具体数据与案例
8.总结与与展望

听众收益：
1.如何应用大模型解决传统随机性测试的盲目性
2.如何应用大模型实现GUI异常判定能力
3.基于AI Agent构建系统化的自动化测试能力

13年工作经验，自2017年加入小米以来，一直深耕于自动化测试能力构建。积极将AI技术与自动化测试结合，经历并见证了机器学习、深度学习、大模型三次技术变革在自动化测试中的落地实践

从数据治理到基于知识图谱脚本生成探索之路

华凯建

OPPO高级测试开发工程师

内容简介：

2025年,AIGC测试脚本生成技术在业界已实现初步落地，但受限于历史数据质量，企业实践中常面临生成脚本偏离预期、提效效果欠佳等问题。针对该痛点，我们提出创新解决方案:依托大模型对测试aw及文本用例实施质量治理，同步构建框架代码结构化知识图谱，建立脚本-aw调用链。通过调用链实现历史脚本用例的-致性检测，形成高质量数据闭环。最终基于优质数据输入与调用链推理机制，推荐aw调用路径，生成符合工程规范的高质量脚本，为AIGC测试脚本工程化提供一种新的解决思路。

演讲提纲：
1.测试aw质量治理探索实践，主要包括aw的标准化注释和ui变更快速适配兼容。
2.文本用例质量治理探索实践，从用例格式类、错别字、二义性、专业词汇、步骤与期望对应等维度对用例进行检查。
3.代码结构化知识图谱的构建
4.脚本用例一致性检测探索与实践
5.脚本生成落地

听众收益：
1.了解代码结构化知识图谱的构建和应用
2.了解aw、文本用例、脚本质量提升的思路并用于实践
3.扩展测试脚本生成的解决方案思路

多年测试开发工作经验，专注于利用 ai技术推动测试的创新与实践。在ai助力动效智能测试，测试框架及流水线构建，缺陷分析等领域有深入研究。

Al+DevOps：构建平安可持续API自动化测试智能生态体系

吴朝雄

平安高级产品经理

内容简介：

依托于平安金融背景下API治理+DevOps工具链的底座，在AI热潮中构建可演进、可观测、可提效的API测试质量智能生态。

演讲提纲：
1.变“被动管理”为“主动发现”，构建可演进的API资产智能地图。
1.1困境：在DevOps持续交付的高速轨道上，传统API治理正面临资产模糊、依赖混乱、变更无痕、测试无源等挑战。
1.2应对：我们提出在DevOps体系中构建可演进的AP|资产地图，让测试不再是“事后补丁”，而是成为研发流程中可度量、可优化、可演进的智能资产中枢。
2.变“拍脑袋”为“智能推演”，构建金融圾真实、合规、可复用的测试数据引擎。
2.1困境：面对金融系统对数据真实性、多样性与合规性的严苛要求，传统手工造数模式已难以为继。
2.2应对：我们推出基于业务规则建模与AI驱动的数据推演引擎，让测试数据从“成本中心”转型为“质量杠杆”，支撑高并发、高复杂度场景下的可信验证。
3.变“事后检查”为“测试左移”，构建代码变更的测试智能预判系统。
3.1困境：在敏捷迭代节奏下，缺陷发现越晚，场景漏测越多，修复成本越高。
3.2应对：我们引入基于静态分析+AI模式识别的代码变更质量预判机制。将质量保障从“救火” 转向“防火” ，真正实现“在代码提交那一刻，质量已开始守护”。

听众收益：
1.你可以了解AI在复杂金融领域自动化测试发挥的实践应用能力
2.你可以了解智能测试到自主测试的探索到落地
3.你会发现有生命力的API资产地图是API测试的根基

现任平安科技DevOps自动化测试 & API管理平台产品负责人，累计管理API超百万，统管1.5 +万开发者质量体系，主导AI 注入平安集团测试工具链，打造集团级“AI-First Testing”平台，助力企业提升测试效率与质量。
过往经验：计算机专业科班出身，多年DevOps研发工程深耕与实践，曾主导过微众、深农行、人保、吉利、荣耀、Vivo、信通院等超30+金融、国企、央企、互联网头部企业落地研管体系。

AiDD峰会

K+峰会

联系我们