刘鑫-AI辅助测试开发领域端到端流程提效实践.pdf

1、AI辅助测试开发端到端研发提效刘鑫 中兴通讯股份有限公司目 录CONTENTS1.背景2.问题/痛点3.解决思路/整体方案4.具体实现/技术实践5.总结与展望演讲嘉宾刘鑫中兴通讯有线研究院测试域AI应用负责人硕士毕业于南京大学，2012年入职中兴通讯；资深软件测试专家，中兴通讯有线研究院安全技术教练，拥有CISP-PTE、CISP-IRE等注册信息安全认证背景PART 01业务场景背景介绍从传统单智能网关到FTTR（Fiber To The Room）组网的转变，显著提升了网络覆盖范围、带宽性能、设备扩展性和智能家居支持。这种转变通过一台主网关加多台从网关的方式实现。然而，这种组网和业务需求的

2、变化对系统测试带来了更复杂和更高的挑战。尤其是在面对运营商客户的强定制和短交付周期时，系统测试效率面临着巨大的压力。这是每个测试领域在提升研发效率方面必须应对的关键挑战IP络机APPWiFiPOTSLAN管服务器业务服务器IP络管服务器业务服务器机APPWiFiPOTSLANWiFi单智能关家庭业务场景FTTR家庭组业务场景（1:3组）从关从关从关主关关问题/痛点PART 02业务痛点和挑战010302痛点测试例存在重复冗余，例腐化，后端动化脚本开发和执分析存在重复浪费；迭代内需求数多，迭代内需求例交付速率不能及时匹配集测节奏，存在集测时等待例的问题；脚本开发速度赶不上例增加速度，动化脚本交付

3、效率低，动化覆盖率提升达到瓶颈，甚出现覆盖率下降的现象挑战随着FTTR等组业务场景的应，例复杂性和脚本复杂性都成倍增加，给脚本交付效率带来更的挑战解决思路/整体方案PART 03大模型应用方案对比分析案优点缺点适场景提示程1、经济可，效快 成本最低,灵活性，户可优化2、适于上下优化和为优化1、受限于模型的数据窗2、复杂的提示词消耗量token，影响响应速度和成本1、适于快速试验和验证、初步优化模型应效果2、户可助创建和分享提示词模板RAG1、为模型补充外部知识，解决模型知识局限性2、有效的改进Token限制1、不擅改变模型为；2、需要额外的内容检索和数据源；3、实现复杂度较1、模型需要动态获取

4、外部知识2、知识更新频繁的场景3、上下信息量，提示程难以处理精调1、改变模型为，提升输出稳定性2、适合特定任务的优化3后续调速度快，节省token1、成本较，需次性投2、数据准备和处理复杂3、不适合频繁变化的知识补充1、固定任务的频使场景2、需要稳定输出格式的场景3、为优化需求强烈的场景from:https:/ 提升研发效率：通过在研发流程中嵌AI具，动化和智能化处理量重复性和复杂性任务，减少为错误，提效率。优化决策过程：利AI的分析能，提供数据驱动的决策持，帮助研发团队更快、更准确地做出决策。提升创新能：AI具可以快速迭代测试新的想法和案，促进创新和改进。AI应(触点具）知识积累与共享：系统

5、化地积累和共享研发过程中的知识和经验，形成知识库，持团队成员快速获取和利知识。提升创新能：通过系统化的知识管理，促进知识的传播和应，激发创新思维和创新能。持续改进：利知识库中的数据和经验，不断优化和改进研发流程和法，提升整体研发能。知识程AI应用（触点工具）触点具思路：围绕站式FM体化AI测试平台建设，将AI能嵌到测试开发员的研发流程中聚焦测试域价值AI应（测试设计、脚本开发、执分析）持续演进，探索Autowork；并基于测试执业务流拓展AI应场景（测试策略制定、执、遗漏故障分析）；知识工程基 于 知 识 规 范 通 过 模 型 从 各 种 来 源（icenter、Ztest、Gerrit等产

6、系统）中抽取知识知识获取基于知识建模（档树、QA、知识图谱）将获取的知识系统化存储、组织和管理，前向量化知识库存储在DN Studio平台，档类数据存储在项端知识库建设基于AI应的案通过RAG的式将知识库中的知识应于实际问题的解决过程知识应基于AI应的案并结合知识库的建设和应对知识的质量进评价，确保知识库中的知识能够满实际应需求知识评估基于各个业务活动的要求对知识进系统化、标准化的定义和描述，通过制定明确的规范，可以确保知识的致性、可理解性和可操作性知识规范知识规范知识获取知识库建设知识评估知识应模型知识程建设思路：基于知识程建设标准流程，以模型为核的数据知识程体系建设，结合AI应改进不断建设