AiDD研发数字峰会

智能缺陷检测与定位

智能缺陷检测与定位是保障软件质量、提升研发效率与系统安全性可靠性的核心支撑技术。当前，大语言模型技术持续迭代，重塑了代码审查、软件测试、漏洞溯源、缺陷归因的传统模式，更在工业场景和复杂系统中实现深度落地。本论坛聚焦大模型技术飞速发展的背景下，智能缺陷检测与定位的前沿技术突破、实际应用痛点、以及产业落地路径，深入探讨技术迭代中的新机遇、新挑战与新范式，搭建学界与业界的交流桥梁，推动技术创新与产业实践深度融合。

出品人：谢晓园

武汉大学教授、博导，武汉大学珞珈青年学者，武汉大学特色化示范性软件学院副院长，外国优秀青年学者研究基金获得者。主要研究方向为蜕变测试、软件缺陷定位、智能软件工程等。主持了多项国家自然科学基金，参与多项国家自科基金重点项目、国家重点研发项目等，参与两项软件测试国家标准的制订。在软件工程顶级或知名期刊会议上录用论文50余篇。曾获NASAC青年软件创新奖、ACM SigEvo HUMIES银奖、ACM SigSoft Distinguished Paper Award等学术奖励。

武汉大学计算机学院教授

AI时代GUI Agent赋能软件缺陷检测

张雅坤

哈尔滨工业大学（深圳）副教授

内容简介：

在 AI 时代，GUI Agent 正逐渐成为提升软件缺陷检测能力的重要技术路径。传统软件缺陷检测方法在面对复杂图形界面、多步骤交互和动态上下文时，往往存在自动化程度低、场景覆盖不足以及语义理解能力弱等问题。报告人围绕“GUI Agent 赋能软件缺陷检测”开展了一系列研究，探索如何结合大语言模型、界面感知与智能体决策能力，提升缺陷检测的自动化、准确性与实用性。
报告将介绍该方向的最新研究进展，展示 GUI Agent 如何从“能操作界面”进一步发展为“能理解任务、能发现问题、能辅助分析”的智能缺陷检测主体，为 AI 时代软件质量保障提供新的思路与方法支撑。

演讲提纲：
1. GUI Agent在软件工程领域与软件缺陷检测的使用
2. 本课题组在GUI Agent赋能软件缺陷检测的代表工作
3. GUI Agent潜在研究点

听众收益：
1. 了解GUI Agent的现状
2. 启发希望做GUI Agent 赋能软件工程相关的科研的听众

哈尔滨工业大学（深圳）计算机学院副教授，博士毕业于北京大学，师从张路教授和郝丹教授，曾赴新加坡国立大学访问；入选腾讯“青云计划”、字节跳动“筋斗云计划”、快手“快STAR计划”、中国科协青年人才托举工程（博士生专项）、北京市优秀毕业生、CCF系统软件专委优博提名奖、北京大学校长奖、中科院院长奖。长期从事智能化软件工程和大语言模型相关研究，主要关注移动应用测试、智能需求工程、多智能体协作等。研究成果发表于 ICSE、ISSTA、TOSEM 等CCF-A类软件工程国际会议/期刊，担任CCF-A类软件工程会议ICSE、ASE的程序委员会成员及期刊TSE、TOSEM 的审稿人。研究成果在微软、华为等公司应用。

双维度软件缺陷智能化检测：从功能漏洞到性能瓶颈

任晓雪

浙江大学软件学院“百人计划”研究员

内容简介：

内容软件缺陷是影响系统可靠性与用户体验的核心挑战。传统缺陷研究多聚焦于功能正确性，而忽视了性能层面的隐性缺陷。本报告围绕功能性缺陷与性能缺陷两个维度，系统介绍基于大语言模型（LLM）与智能Agent的缺陷定位与检测前沿进展。

演讲提纲：
1. 研究背景与动机：软件缺陷的双维度挑战，阐述功能性缺陷与性能缺陷的现状、危害与传统方法局限性
2. 功能性缺陷定位与检测：基于LLM的代码故障定位Issue级精准定位技术
4. 性能缺陷度量与检测：代码效率基准构建与项目级性能瓶颈智能识别，填补性能缺陷系统化评估的空白
5. 总结与展望：双维度缺陷检测的统一视角，以及Agent驱动的下一代智能缺陷检测技术趋势

听众收益：
1. 掌握LLM赋能缺陷定位的最新方法：了解大语言模型如何突破传统故障定位的语义理解瓶颈，从代码故障到Issue级别的精准定位技术路径与实践经验
2. 建立性能缺陷的系统化认知：突破""缺陷=功能错误""的传统认知局限，学习如何对代码效率进行科学度量与基准评估，填补性能缺陷研究视野的空白

现担任浙江大学软件学院“百人计划”研究员，研究方向聚焦于智能化软件工程、软件质量保证、vibe coding。近年来在 ICSE、FSE、TSE、ASE、ICLR 等软件工程及人工智能顶会顶刊上发表 CCF-A 类论文二十余篇，申请发明专利十余项，受邀担任 FSE、ICSE、ASE、TSE 等软件工程国际会议/期刊审稿人。曾获 FSE'25 以及 APSEC'24 杰出论文奖（Distinguished Paper Award）。近年来，主持国家自然科学基金青年基金、宁波甬江引才项目、字节跳动、支付宝、华为合作项目等国家级、省部级及企业横向课题多项。部分研究成果已经在支付宝、字节跳动和华为得到应用。

从多维感知到智能归因：AI Agent 在业务刻画与异常诊断中的实践

李松

蚂蚁集团高级测试开发工程师

内容简介：

在蚂蚁数字支付场景架构日益复杂、数据爆发式增长的背景下，传统的人工分析正面临效率低下、链路断裂及专家经验难以传承的挑战。“Agent智能归因诊断分析系统”，深度融合了大语言模型逻辑推理能力与智能算法的下一代决策平台。系统核心构建了一个具备“自主规划、工具调用、深度推理、归因分析”能力的AI智能体。当业务指标出现异常波动时，Agent能像资深专家一样，自动跨越系统孤岛，实时调用SQL、日志分析及因果模型进行多维下钻。
它不仅能精准定位问题的技术根因，还能将碎片化的数据串联为端到端的业务动线，生成技术业务都能看懂的可视化分析报告，实现从“看到波动”到“理解原因”的飞跃。有效打通了业务增长与技术保障之间的“最后一公里”。通过持续沉淀组织经验，助力质量同学从被动救火转向主动洞察，实现更高维度的数智化决策与运营范式。

演讲提纲：
1. 诊断困局：复杂链路下的“感知失真”与排查低效
1.1 痛点分析：系统复杂度提升与专家经验依赖的矛盾。
1.2 实战复盘：从“碰支付”案例看传统监控阈值的归因盲区。
1.3 破局思路：构建智能感知驱动、智能体协同的自动化诊断体系。
2. 核心框架：业务多维感知与“四层诊断”体系
2.1 架构设计：构建“看、定、溯、决”的一体化闭环能力。
2.2 动态刻画：从技术异常到用户体验动线的数据洞察分析。
2.3 智能降噪：利用 Agent 聚类分析实现“高风险信号”诊断归因。
3. 技术实现：Agent 智能诊断与 Canvas 动态报告
3.1 决策大脑：基于 ReAct 框架的自主规划、执行与自我修正。
3.2 工程攻坚：读SQL、查Trace、诊断Workflow等能力集成。
3.3 视觉驱动：基于skill约束上下文驱动Canvas可视化报告。
4. 实践落地：分钟级定位与分析资产闭环
4.1 量化收益：自动定位耗时从“小时级”跨入“分钟级”。
4.2 范式转移：从“人找结论”到“结论反哺SKILL”，降低专家资源依赖。
4.3 资产沉淀：实现“诊断-沉淀-自动防御”的经验自动化复用。
5. 总结与演进
5.1 总结：总结“感知+刻画+归因”的标准化诊断路径。
5.2 未来展望：从智能助手到诊断专家，实现“业务智能诊断”。

听众收益：
1. 了解大模型 Agent 在复杂系统场景下的落地实战：基于 ReAct 框架构建具备“逻辑脑”与“执行手”的智能体，如何攻克大模型推理幻觉及业务语义对齐等核心工程难点，获取可复制的 Agent 架构经验。
2. 获取从“人找结论”向“AI 喂结论”的效能突破方案：Agent 自动跨越系统孤岛，实现异动定位耗时从“小时级”到“分钟级”的跨越，实现从被动救火到主动洞察的范式转型。
3. “逻辑推理”与“Canvas 动态渲染”融合的可视化方案： Agent 如何通过定制 V-DSL 驱动 Canvas 引擎，将硬核的因果证据链转化为技术、业务双端通用的可视化诊断长图

同济大学控制工程硕士，现就职于蚂蚁集团，从事智能测试平台建设5年，深耕数字化场景下的质量保障与智能化探索。

AiDD峰会

K+峰会

联系我们