2025-AiDD-人工智能行业2024AI+研发数字峰会：AI辅助测试开发端到端研发提效.pptxVIP

AI辅助测试开发端到端研发提效;目录

CONTENTS;;PART01

Re景;;PART02

问题/痛点;业务痛点和挑战;PART03

解决思路/整体方案;大模型应用方案对比分析;AI应用落地思路;AI应用（触点工具）;知识工程;;测试开发AI应用端到端方案;PART04

具体实现/技术实践;?本?例?成;实现?案：基于知识?程建设标准，通过建?测试?例知识库（测试点》?本?例QA对），分别通过关键字检索和语义检索对相似测试点进

?召回，从?获取复??例，TSE??检查测试步骤后?键关联PR;实践技术点一：复用用例推荐;知识?程建设

知识获取

举措1：?本?例名称治理专题

根据?例设计规范和测试点设计规范，对存量的?例名称进?专项治理（??），使得?例名称的语义显著与测试点接近，语义相似度提升15%以上;知识?程建设

知识库建设

基于?例名称的语料和?模型抽取的语料建设向量知识库，共建设18w+测试点》?本?例QA对;知识?程建设

知识评估

实现?案：当知识库RAG?案更新触发评估，从AI辅助测试设计活动中提取?产知识（测试点新增?例,测试点复??例（包含

ReuseableCase,ReuseableCase_Manual））通过RAG进?评估，针对召回的?本?例ID和?产数据库中进?对?，计算召回率

?标：提升NewCase和ReuseableCase_Manual维持ReuseableCase

**召回率=检索回来准确的?例数/评测数;知识?程建设

知识应?

实现?案：通过DNStudio?级应?编排实现根据测试点检索复??例，分别根据关键字检索和先通过?模型对测试点进?Transformation后语义检索，知识合并后返回;;RAG?案介绍

通过RAG检索相似?例作为?本?例?成的few-shot来提升?本?例的?成质量，基于测试点优先从本PR中检索最相似的测试点，从?获取?本

?例，当本PR中?关联的?例，则从测试?例知识库中检索最相似的测试点并获取?本?例作为Prompt中的few-shot;度量驱动改进：

结合2个实践技术点定义了2个关键指标;实践二：AI辅助脚本开发活动提效;脚本?成;知识?程建设

知识规范

说明：?动化脚本开发是采?了基于关键字驱动的Robotframework框架，关键字的设计有效性基本决定了关键字推荐的召回率总体原则：

基于?户视?设??关键字需综合考虑可读性，易?性，可复?性，分为4?类环境配置类关键字、业务通道类关键字、配置检测类关键字、

业务验证类关键字;;知识?程建设

知识获取

举措3：在线获取语料

将知识的获取嵌?到?动化脚本开发活动中，ATE在对AI?成的脚本进?修改的时候同步增加语料;知识?程建设

知识库建设

三种语料在同?个知识库中进?建设，分为不同的?件夹?便知识更新和管理，RF关键字知识库共2735切?（持续增加）;;知识?程建设

知识应?

步骤1：【DSL关键字库召回】根据?本?例通过?模型进?意图识别后召回的关键字库组合Prompt，输?给?模型召回意图映射的DSL关键字库;知识?程建设

知识应?

步骤2：【DSL?例设计】将?然语?的?本?例和DSL关键字库组合Prompt输?给?模型对?然语?的?本?例进?DSL设计;知识?程建设

知识应?

步骤3：【关键字推荐】将DSL?例的步骤根据逗号等符号进?切?后进?关键字检索，召回TOP3相似度的RF关键字，并获取RF关键字和签名;;度量驱动改进：

结合2个实践技术点定义了2个关键指标;PART05

总结与展望;总结推广;展望未来;THANKS