一场说走就走的”旅行”就这么简单地开始了,同时我与MTSC的渊源也由此开始,这是我职业生涯中首次参与MTSC大会,感受完全程,有话要说。
场地
首次参会,那优先关注的肯定就是大会的场所和与会的小伙伴多不多啦,就不多言语,直接上图感受
内容
正所谓花架子再多也不如实实在在的东西,我个人印象最深的一场就是姚波老师分享的《基于AI的智能用例生成在淘天业务实践探索》,整场下来也是非常贴合我就职公司的现状。
其实我个人在公司的质量团队中也是经常做分享,我个人认为分享最重要的点就是抛出大家的痛点,正如姚波老师PPT里的”项目质量保障全生命周期耗时占比图”一下戳中了我——原来‘测试分析与用例编写’占比 25%,‘测试执行’占比 50%,这和我日常工作中‘总觉得时间不够用’的体感完全吻合,突然意识到‘用例编写和执行效率’才是破局关键。
那再往下听听呢——”现状与痛点”
需求质量不可控、用例核心资产无法管理与继承,新人复用困难、复杂项目依赖多个域的测试数据等等细节,确实是这么个事啊,内心不由得就会引出问题:从哪下手?怎么下手呢?
紧接着,解法就来了:
就这前三页PPT内容的质量,不得不说那是真的高啊
随后姚波讲师又极其细致地讲述了他们是怎么从利用AI来攻破用例编写,缩短质量/测试工程师的用例编写时长,以及引出了后续的议题《MobiusAI效能平台全链路造数/诊断智能化实践》,来缩短测试执行这部分的时长,不得不说这套”用例生成 + 测试执行”的组合拳,刚好打在了我们日常效率痛点上,听得特别”解渴”,我从个人的理解上为各位分享一下,大致是这四部分(如有理解不对的地方还望多多包涵)
用例生成的难点与突破
需求拆分与精准生成:按业务细分场域拆分需求,并行调用模型生成用例后合并,结合人工补全或多轮对话补充
知识沉淀与赋能:构建 RAG 知识库(沉淀历史需求、技术文档、用例等业务知识),将测试领域知识(边界值分析、正交实验等)固化到 Prompt 中,提升模型对业务的理解。
全篇需求直接生成用例效果差
通用大模型难以理解业务特定场景
整体架构与流程
从测试人员整理需求与技术文档开始,经需求格式化、按场域分片,调用模型结合 RAG 知识库生成用例(含功能、异常、资损场景),再通过人工确认增删改,最终完成用例落库与 Xmind 化呈现。
应用层:涵盖功能 / 异常 / 资损用例智能生成、需求格式化、用例数据构造等;
数据处理层:包括 Prompt 工程(结构化提示词设计)、流程编排、并行处理等;
数据层:依赖业务知识库、基线用例库、工具集知识库等;
平台底座:集成 AIStudio 模型、TData 工具、Mobius 等平台能力。
Prompt 工程设计
聚焦提炼需求中的资损点(如交易正向 / 逆向、佣金、权益发放等场景),结合专家经验与 RAG 知识库,通过少样本提示与格式约束,确保用例覆盖金额计算、退款同步等关键风险点。
采用结构化提示词,明确角色(专家级测试员)、约束(用例不省略、无逻辑错误)、目标(生成含标题、前置条件等的 Markdown 格式用例),并定义用例等级(P1/P2/P3,按核心程度划分)、工作流程(需求重写、测试方法应用、逻辑校验等)及输出格式。
AI 测试数据构造
通过集成用例管理平台、Mobius、TData 等工具,利用 AI 模型理解用例前置条件,自动识别多域造数需求并提取参数,生成测试账号、商家、营销活动号等数据,解决多域数据依赖问题。
有了AI用例的产出,怎么才能衡量它的价值呢?怎么体现出它提升了我们业务团队的质量/测试工程师们的效率呢?讲师又呈现出了他们的指标:相对采纳率、绝对采纳率、冗余率、AI生成占比。
议题的最后讲师也是贴心地进行了总结以及分享了对未来的展望
🤩哇,整场下来,就是,你们懂吗?你想要的都得到了的那种满足感,真的是太爽了。
收获
我相信从我上述提到的这个分享议题,大家应该能感受到我在这个大会的收获不是一星半点了吧,更何况这还只是一场,要不是同时间四个会议厅同步在分享,真的!每场都想要参与吸收一下,但也好在会后会有对应议题的PPT内容共享出来,也能便于我逐步地吸收消化
讲真,参与一次您就明白我说的这种感觉,测试领域的前辈们几乎已经为您将路铺平的感觉,也减少自己撞南墙的次数,非常棒的一次体验
彩蛋
除了满满的知识收获,主办方与合作伙伴们也准备了丰富的签到奖励,打卡活动等,奖励也是根本拿不完呀,我和我的小伙伴们也是非常荣幸地获得老师们的合影,浅秀一下。
我与MTSC的首次碰撞落幕了,第一次参加 MTSC 就像找到了‘测试同行的灯塔’——看到了 AI 在测试领域的清晰路径。已经开始期待下一场,也盼着能带着实践成果再来和大家分享!
最后也非常感谢TesterHome举办的MTSC大会,虽然没有华丽的辞藻,但衷心地祝愿大会越办越好!越办越出彩!
声明:来自AI应用案例库,仅代表创作者观点。链接:https://eyangzhen.com/1611.html