课程简介

随着AI应用形态日趋复杂、客户端迭代节奏不断加快，传统自动化测试用例编写门槛高、维护成本高、覆盖率难以提升，已成为制约质量与效率的普遍痛点。

 阿里千问的思考是让AI接管测试“编写、执行、判断”的重复劳动：用自然语言描述用例，由视觉大模型完成路径规划与视觉定位，通过多智能体协同执行，并以裁判模型加日志审计独立判定结果置信度；从而实现AI工程时代的测试范式跃迁。

 本次分享将围绕“需求→用例→执行→归因”闭环，分享GUI Agent AI自动化测试体系的整体架构、规划/执行/断言三个Agent ReAct协同、跨六端引擎与MCP标准化接入、失败用例自动归因等关键实践与落地思考。

 课程收益

目标：

1、为行业提供端到端AI测试架构的落地参考；

2、帮助AI测试团队突破脚本化自动化的瓶颈，探索从“编写用例”到“业务逻辑”的范式转变。

 成功要点：

1、六端统一视觉定位策略：核心构建视觉大模型与DeepLocate按截图语义定位，替代脆弱控件树，统一工具和驱动协议接入六端，实现多端用例复用率达 90%+；

2、多 Agent 协同架构设计：Planner、Executor、Assert多角色基于ReAct协同，结合任务拆解、视觉反馈和记忆机制，用例成功率达 90%+；

3、独立置信度评审机制：VL Judge 与日志审计独立复核轨迹、截图和断言，输出置信度并拦截false_success，达成生产级别的可信Agent；

4、知识与技能复用策略：通过知识库沉淀业务规则，Skill固化流程模板，决策缓存复用成功路径等方式，实现用例自进化，任务耗时下降50%；

5、自动化失败归因与缺陷闭环：失败按环境、Bug、用例、模型四维自动归因，联动项目管理平台自动建单、修复跟踪和回归验证，形成端到端质量闭环。

 启示：

AI测试的价值不止于执行用例，而是重构“需求→用例→执行→归因”的质量闭环。更关键的是，自然语言用例显著降低编写门槛；视觉grounding精度、执行效率与VL Judge二次审核可信度更是必须持续攻坚的工程要点。

 受众人群

测试负责人，软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，工程效能负责人，软件架构师，资深研发工程师以及其他对测试感兴趣的从业者。

课程周期

    0.5天（3H） 

课程大纲