课程简介

在「多端兼容 + 品牌碎片 + 周级迭代」的极端场景下，传统自动化深陷「高维护、低鲁棒、难扩展」的死局。1.8w+ 脚本规模遭遇周级迭代冲击导致维护崩塌，弹窗碎片化引发高中断，元素强依赖致使定位脆弱，人工排查导致诊断低效，加之脚本依赖人工编写致使资产沉淀难。如何打破这一困境，构建从生成到自愈的全链路闭环，成为亟待解决的核心挑战。

 为破解上述痛点，我们着力构建 AI 驱动的UI自动化全链路闭环体系。生成侧聚焦步骤降噪与视觉模型辅助，基于 AI 轨迹自动生成高质量 DSL，从源头夯实脚本健壮性；执行侧构建「截图+OCR+DOM+控件画像」多模态融合感知体系，通过弹窗智能处理与元素重定位，攻克碎片化识别难题；自愈侧创新「控件画像+五步分层诊断」机制，依托结构化决策实现步骤级精准重试，确保自愈过程可解释、可追踪、可进化，全面推动自动化测试向智能化闭环演进。

 本次分享将揭秘本企业质量团队在「生成 → 执行 → 自愈 → 迭代」闭环中的创新实践。我们将系统拆解生成侧的 DSL 自动生成突破、执行侧的多模态感知与弹窗处理落地细节，以及自愈侧的分层诊断与精准重试机制。通过真实业务场景的实战经验，为与会者展示如何以 AI 赋能测试全生命周期，提供打破传统自动化瓶颈、实现UI自动化可持续演进的可借鉴路径。

 课程收益

目标：

1、深度拆解货拉拉 UI 自动化在多模态感知及分层诊断自愈等核心环节的工程化落地细节，为行业提供可直接借鉴的实战路径与避坑指南。

2、全面输出基于 AI 执行轨迹自动生成 DSL 脚本的核心能力，为行业提供自动化资产快速复用与持续沉淀的创新思路。

 成功要点：

1、以多模态融合感知重塑UI自动化范式，打破“脚本激增、成本线性攀升”的传统魔咒，将海量脚本维护工作从“人工驱动”升级为“AI自愈”，全面实现高频迭代下的降本增效。

2、基于 AI 执行轨迹自动生成高质量自动化脚本，从源头重塑脚本生产模式，实现自动化资产的快速复用与规模化沉淀。

 启示：

AI 在测试领域的落地不能仅停留在“辅助写脚本”的单点工具层面，必须构建贯穿测试全生命周期的系统性工程保障体系，以应对规模化挑战。同时，在应用大模型强大的泛化能力时，必须结合具体业务场景进行“工程化约束”（如知识库建设、分层诊断、结构化决策），避免 AI 沦为新的黑盒，确保智能化真正可解释、可落地、可复用。

 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