A2--过一峰--大模型在质量管理领域的落地实践.pdf

1、AI大模型在质量管理领域的落地实践过一峰小米、质量信息化部负责人过一峰小米科技有限责任公司 质量信息化负责人当前主要负责小米手机业务的项目交付质量管理，用户质量管理，过程质量管理的数智化转型工作。带领团队建设数据仓库，质量看板，智能助手等数智化产品。通过推动质量管理活动数字化、网络化、智能化升级，提高产品和服务质量，促进产品，组织的高质量发展。目录C O N T E N T S1.小米软件质量管理数智化转型2.案例1：JIRA智能助手3.案例2：用户反馈智能助手4.经验总结小米软件质量管理数智化转型01小米软件质量管理数智化转型工作模式：数据工作模式：数据+智能智能 替代替代 人力人力+工具工

2、具数字化数字化(管理模式改变)提升效率提升效率：自动化和标准化流程流程固化流程固化：不改变流程和业态信息化信息化(线下到线上线下到线上)智能化智能化(人机智能协作人机智能协作)2024202420212021质量管理质量管理数智化数智化20232023思维模式思维模式：管理思维转向服务思维协作模式协作模式：质量主导转向业务主导LLM 2024年发展趋势风向变化风向变化从追赶潮流到追求落地从追赶潮流到追求落地模型私有化，专用化模型私有化，专用化AIAI观念三大派观念三大派乐观：认为乐观：认为AIAI能够大量替代人能够大量替代人悲观：悲观：AIAI落地的问题很多落地的问题很多AgentAgent成

3、为主流形态成为主流形态理性：关注理性：关注AIAI应用场景应用场景数字化质量管理 VS 智能化质量管理利用数字化技术，利用数字化技术，人工进行分析与决策，人工进行分析与决策，来进行质量管理来进行质量管理利用智能化技术，利用智能化技术，使系统能够进行自我学习和优化，使系统能够进行自我学习和优化，实现自动诊断和质量改进。实现自动诊断和质量改进。数字化数字化智能化智能化LLM在质量管理领域的应用场景数据智能数据智能分析分析用户反馈质量用户反馈质量管理管理研发过程质量研发过程质量管理管理代码质量评估设计质量评估用例生成执行 质量问题分析客服服务反馈标注反馈分析风险评估数据问答智能分析异常检测报告生成J

4、IRA智能助手02广泛使用的BUG管理系统（JIRA）用户用户XXXXW W人人每年每年XXW W个个JIRAJIRA单单每年每年XXXXw w次次JIRAJIRA操作操作JIRA业务流程中存在诸多问题问题堆积严重流转次数多内容混乱重复问题多问题定级不准01010202缺少定位信息根因分析混乱0303问题问题提交提交问题问题流转流转问题问题定位定位操作规范性低操作规范性低处理过程成本高处理过程成本高经验未固化经验未固化缺少辅助指导问题问题解决解决0404AI全流程辅助JIRA作业AI对提交的JIRA进行结构化和内容审查。AI学习历史规律，协助研发进行问题流转。AI分析问题现象，给出排查方向AI

5、学习技术知识和历史解决方案，给出解决思路。问题提交问题流转问题定位问题解决全流程管理制度检查研发团队人工创建的结构化JIRA数据质量与测试团队标注的有/无效JIRA和重要等级数据研发人员关闭JIRA时按规范备注的问题根因和修改方案集团内外部研发相关的海量技术文档集团内外部研发相关的代码数据资源训练数据结构化与内容审查统一语言结构统一语言结构检查内容是否充足检查内容是否充足基于Prompt提示词工程的语言审查能力，为问题排查和修复提供为问题排查和修复提供充足信息。充足信息。提供具体的任务说明，制定输出所需要的格式。有一个问题，描述为。请根据操作步骤改写此问题。要求：把问题描述按照场景，行为，现象

6、格式进行改写。技巧：1.告诉大模型清晰明确的任务目标(语言简洁，避免歧义，通俗易懂)2.要求越具体越好3.提供与业务场景相似的案例问题解决方案l缺少关键内容l问题描述不清晰问题查重基于语义的重复问题识别系统问题大量重复问题阅读3000+人时解决方案最近邻检索近似最近临检索智能流转基于历史问题记录的智能流转系统，自动进行问题分发。l业务负责人BUG堆积上千个l一个BUG最多被流转8次l研发响应时效慢数量数量时间时间问题解决方案监控器调度模块调度模块AI大模型数据仓库JIRA工具JIRA系统数据工程向量数据库推理执行记