内容简介:
在项目落地自动化测试的过程中,测试人员需要耗费大量的时间进行元素定位与脚本调试,系统变更后又面临失败问题定位与脚本修复难题;测试经理往往只能关注到自动化脚本的整体通过率,对脚本的真实覆盖情况,校验点的有效性缺乏科学量化的评估手段;在持续集成环节,因为脚本前后关联,常规的简单并行策略,无法满足灵活多变的调度要求。
本议题是咪咕公司测试团队借助大模型与机器学习算法在自动化测试过程中的一次端到端智能化测试实践,为项目开展自动化测试提效赋能。
演讲提纲:
1.测试用例与脚本智能生成
1.1 测试智能体构建(以中移动“九天”大模型、DeepSeek为基座,结合知识库与知识图谱等技术,构建测试智能体)
1.2 测试智能体应用(根据提示词与需求描述自动生成测试用例和自动化脚本,提升写作维护效率)
2.自动化有效性客观评价
2.1 多维度实时度量大盘(脚本覆盖率、Bug发现率等指标实时度量)
2.2 自动化过程改进(基于各项指标,自动分析自动化实施过程中的不足,提供改进方向和意见)
听众收益:
1.为正在落地自动化测试的项目团队,在不同环节的提效手段提供参考;
2.与企业测试开发与效能提升团队,在自动化测试平台建设方面共同交流,互相启发。
十几年测试工作经验,分别在华为和咪咕工作多年,多次参加业界各种技术分享大会,一直致力于测试效能提升、 质量保障和团队管理等工作,有丰富的自动化测试、性能压测、精准测试等经验。