2025-03-25-中智凯灵_北京_科技-大模型在端到端交互测试的探索与实践_32页_4mb

大模型在端到端交互测试的探索与实践

背景介绍

贝壳找房作为一站式居住服务平台，业务涵盖二手房、新房、租赁及家居装修等，其测试面临多角色协同、复杂业务场景、个性化智能匹配等问题，传统测试方法难以适应快速迭代，亟需通过大模型技术实现测试流程的提效。

技术痛点

1. 工具复杂：覆盖前端、后端等多领域，工具种类繁多，集成成本高。
2. 建设困难：传统工程开发与AI结合困难，架构迭代难以支撑快速反馈。
3. 体验割裂：测试与研发流程割裂，质量反馈环滞后，测试需求与执行存在效率瓶颈。

大模型探索路径

通过从个体效率提升到协同增效，提出AI加持的端到端全链路测试解决方案：

• 自动化提效：结合大模型与测试工具，优化测试执行。
• 对话交互+AI Agent：引入对话式交互和智能体模式，覆盖测试全流程。
• Agent驱动全流程：以需求驱动测试，构建多智能体协同链路，实现需求到结果的智能化闭环。

技术实践

1. 智能体设计：
   • 构建助手（Assistant）并结合特定场景工具。
   • 利用Prompt拆解任务，实现自动化测试计划生成。
2. 工程与模型结合：
   • 服务端：在代码阶段自动生成功能测试用例。
   • 碎片化工具整合：用AI能力优化或淘汰现有测试方式。
3. 精度与效率提升：
   • 使用多模态大模型辅助UI自动生成测试用例。
   • 借助动态Prompt设计实现精准数据匹配，提高用例生成效果。

难点分析

• 多场景、跨角色数据链路依赖基础设施的稳定性。
• 中介平台如环境变量、Traces等需高效互斥，保障前后端一致性。

业务实例

推城项目，结合动态Prompt与智能体调度：

• 输入Excel模板实现测试策略自动化。
• 提供prompt优化、用例推荐、自动回测全流程提效。

总结与展望

1. 模型工程深耕：强调prompt工程与垂直领域模型能力的结构化积累。
2. 流程协同优化：开发测试与研发双重应用通道，形成敏捷闭环。
3. 知识工程与AI融合：构建统一知识体系，辅助智能决策，形成标准化、模块化的测试方案。

未来，持续推动大模型在测试提效中深度应用，赋能质量提升和创新协同。