夜雨聆风
“效能跃迁,工具驱动:AI赋能测试效率提升”主题活动在北京举办
本文转载自“中国金融电脑+”
当前，以大规模预训练模型、多模态交互、知识图谱为代表的新一代AI技术，正在重塑金融业发展范式。与此同时，金融业竞争加剧，用户对服务体验要求的持续提升，使得软件系统的迭代需求与日俱增、迭代速度显著提升，传统测试模式已无法有效满足高频迭代下的质量保障要求。唯有基于“工具驱动”，将AI技术深度融入测试全生命周期，才能实现测试效率的跨越式提升。
4月24日，由《中国金融电脑》杂志社主办，神州信息协办的“效能跃迁，工具驱动：AI赋能测试效率提升”主题活动在北京举办。此次活动邀请了多家不同类型的金融机构与科技企业的专家、技术骨干，分享其在AI测试领域的长期实践与创新探索，共话AI赋能软件测试的机遇与挑战。
以“双支撑”方案为支点，
推动AI工具应用工程实践
神州信息总裁徐启昌在致辞中围绕AI时代软件测试的发展变革分享了核心观点。徐启昌表示，在AI深刻影响软件工程的当下，开发岗可能率先面临颠覆性冲击，但测试环节因涉及主体责任与“人在环路”验证，人的参与始终不可或缺。他指出，AI Coding已从技术探索迈向工程化落地，当前核心瓶颈并非技术本身，而是工程化两端的约束——左侧高质量SPACE（需求与规范标准）与右侧高质量测试验证。
针对测试环节“自动执行从来不是问题，精准生成与定位才是痛点”的现状，徐启昌提出“双支撑”解决方案：第一支撑通过交易回放、业务系统预制、人工补录三者结合，解决大模型测试生成的起点问题；第二支撑应用状态机构建、控制流图（CFG）生成等底层技术手段，构建更强大的测试数据模型，持续提升测试质量与智能化水平。两大支撑协同发力，为AI Coding高效稳定落地提供坚实保障。他同时呼吁行业同仁开放分享实践经验与失败教训，共同探索AI赋能测试效能跃升的有效路径。
以自主能力为引擎，
共促AI测试实现效能跃迁
在大模型与AI技术的推动下，软件工程正加速迈入以“人机共生”为核心特征的3.0时代，各机构纷纷结合自身业务需求与技术能力，积极推动AI工具与软件测试的深度融合。其中，金融机构作为软件工程的重要应用主体，坚持以业务需求为核心导向，依托AI原生平台等自主能力，搭建专属测试框架，创新多智能体协同机制，完善知识库与术语图谱，从而实现软件测试的高效率与安全稳定。
科技公司作为技术创新的主体，其具体实践为金融业AI 测试的智慧升级提供了重要支撑。在会议演讲环节，多家科技公司的技术专家围绕AI 工具突破测试效率瓶颈、重构质量保障体系等关键议题展开深度分享，提出具有参考价值的解题策略。
神州信息服务BG解决方案部副总经理韩秋泉发表了题为“智能质效：大模型应用及测试和‘AI+’的一体化测试、运维解决方案”的演讲。他提到，神州信息目前正在AI测试领域并行推进“AI for Test”与“Test For AI”双线路径：“AI for Test”聚焦用AI赋能传统测试，提升测试效能；“Test For AI”则针对应用AI的业务系统乃至AI原生系统，探索有效测试方法，助力迈向“TestAI”全新阶段，实现智能测试的全面落地。
演讲中，韩秋泉重点介绍了神州信息最新发布的四本白皮书，包括《大模型应用解决方案》《大模型应用测试解决方案》《“AI+”一体化质量测试解决方案》《“AI+”一体化运维解决方案》，全面展示了神州信息近年来在AI测试与运维领域的技术积累与实践能力。
腾讯云资深AI解决方案专家叶贵强发表了“金融行业AI Agent测试应用”主题演讲，提出传统测试模式存在测试流程与开发流程割裂、人力资源严重浪费等问题。而AI的深度应用，能够智能生成测试用例、检测异常、自动执行脚本，有效提升了测试效能。
火山引擎金融解决方案总监张珙在题为“AI驱动测试效能跃迁：大模型与TRAE，从编码到质量”的演讲中解答了“开发过程的质量管控”和“人机协同新模式”等核心问题。针对金融行业快速迭代与稳健合规的双重诉求，张珙以火山引擎TRAE开发工具为例，提出依托契约驱动、智能精准回归、知识库投喂等方式，在软件研发与测试全流程筑牢质量防线。
以人力资源为核心，
筑牢AI应用安全合规防线
在AI工具深度渗透、AI测试效能持续释放的背景下，以人力为驱动的传统测试模式正面临主要职能的再分配与调整。当人力逐步摆脱重复劳动的束缚，如何重新定位其角色职能，实现效能充分释放，已成为金融业关注的重要课题。
词元无限解决方案专家安辉发表了“Harness Engineering时代的质量控制”主题演讲，从质量管控角度阐述了人力与AI的协同逻辑。他强调，AI时代的软件质量保障不能单纯依赖AI自主输出，而应将前置意图约束与后置行为约束相结合，将传统软件工程的规范与规则融入AI编码全过程；同时借助自动化测试、静态分析等手段强化质量管控，将Harness约束机制沉淀知识库并持续优化，推动人力从代码编写者向规则制定者、AI管理者转变，从而确保AI编码安全合规。
叶贵强认为，未来人力将聚焦边界检测、核心业务规则探索和测试验收，同时还将承担制定模板及调校Agent等管控职责，以确保AI驱动下的存量软件实现测试覆盖、质量、效率的均衡输出。
除了角色转型与质量管控，人机协同的新模式也成为激活人力效能的关键。张珙在演讲中重点强调了人机协同模式，即由人力承担监管政策解读与架构把控等核心工作，AI负责编码、用例生成、日志分析等重复性工作，实现测试效能提升与质量把控的双向升级。
此次活动不仅集中呈现了AI测试领域的前沿理念与实践成果，更为金融业同仁搭建了高质量的交流合作平台。与会嘉宾一致认为，AI已成为推动软件测试深刻变革的核心动力，且随着AI Coding、Agent、多模态识别等技术的不断成熟，软件测试将加速实现三大转变：从人力驱动向人机协同、从被动测试向主动防御、从单点智能向全流程智能的转变。以AI为核心引擎，软件测试将为金融业高质量发展筑牢智慧根基。
