直播回顾 | “大模型在测试用例质效提升中的探索与实践”圆满结束

7月25日，TiD质量竞争力提升计划邀请到了腾讯工程效能与AI算法研究工程师刘琮伟。他详细介绍腾讯探索大模型在测试用例质效提升中的探索与实践的精彩历程，以及对AI技术的畅想与展望、在研发过程中沉淀的思考与方法及相关落地实践。

首先，刘老师介绍了case项目的背景，以及研发过程中的一些心路历程。刘老师指出，研发过程中团队常年是发现一个问题找一个解决方案，也就是拿着钉子找锤子，但是当我们面对大模型这样一个带来革命性变革的这样一把超级锤子，我们应以锤子为主体进行思考。那如何找到切入点，把锤子用好呢，刘老师指出，需求是产品的核心，代码可是研发的核心，测试用例是质效工作的核心。接着刘老师介绍了测试用例的治理，编写和执行这三方面内容。对于大模型的不确定性问题，刘老师指出，可以先从确定性较高的任务入手，随着模型效果在应用中不断提升，再慢慢的一些确认性比较低的复杂任务上。在确定了发展路径之后，再去对具体的痛点去做分析。

接着，刘老师向大家介绍了项目目前的成效和功能。在用例检查上，用例检查已具备多项检查能力，各检查项准确率持续提升，综合评测准确达80%，在用例生成上，已完成用例生成模型研发，可根据用例标题生成用例步骤，除生成结果外，还可提供多条推荐结果，提升模型可用例，修改后可用比例达 70%。

随后，刘老师展示了项目技术架构，为大家介绍分析了项目技术架构中的大模型底层、资产层、Agent层、应用层。接下来他具体介绍了项目中的Agent层面是如何展开的、用拆分任务的方式提高整体任务的确定性、从Agent的角度思考打造项目Agent能力。

最后，刘老师探讨了大模型定位与建模方式，项目的规划及未来展望。他指出大模型落在质效中的各个阶段，在这个阶段的痛点问题中，引入大模型的能力，是能带来非常大的帮助的。

在结束了内容分享后，刘老师还针对听众提出的问题进行了解答，使与会者们对于大模型辅助测试用例质效提升有了更深入的了解，更明晰的看法。