【ChinaTest Conf.】AI驱动的软件测试分论坛内容一览

演讲介绍：

性能测试正面临微服务复杂性爆炸、知识壁垒高、效率瓶颈等严峻挑战。本演讲将系统阐述如何将AI技术（LLM+Agent）全面融入性能测试体系，实现从“人工配置→工具执行→人工分析”到“自然语言描述→AI生成方案→智能分析”的范式转移。我们将分享AI驱动的性能工具重设计、十大Performance Skills能力库、Multi-Agent协作架构，以及一个真实的AI性能测试平台设计方案。更重要的是，您将看到一条清晰的“辅助模式→增强模式→自主模式”三阶段落地路径，帮助您的团队在6-24个月内完成性能工程的智能化升级。

演讲介绍：

AI生成测试用例只是起点——如何让用例质量持续自主进化，才是真正的工程挑战。

1、评估引擎：自进化的“眼睛”。采用规则检查器（70%）+LLM评估器（30%）双评估架构，覆盖覆盖度、多样性、BDD合规性、可执行性、去重性五大维度，为用例质量提供可量化诊断；

2、自循环修复：自进化的”手脚”。L1规则自动修复（秒级）→L2LLM局部重生成（10-30s）→L3人工介入，三级递进，只重做评分低的部分，保护已有高质量内容；

3、自适应进化：自进化的”大脑”。用户操作即学习信号，驱动评估阈值自适应调整，越用越准。

演讲介绍：

在大模型辅助开发和生成式AI编程快速普及的背景下，软件开发效率显著提升，但软件质量保障正面临新的挑战：大模型擅长生成“合理答案”，却不擅长系统性覆盖边界场景、异常场景和反向场景，导致AI生成的测试内容和AI生成的软件实现都难以直接信任。本议题将围绕“软件测试如何做到可证可信”展开，分析纯大模型测试方案的能力边界，并分享一种“大模型+知识图谱+模型驱动测试+神经符号验证”的融合路径，探讨如何从需求评审、测试建模、用例生成到执行留证，构建可追溯、可解释、可复核的可信测试闭环。议题还将结合通信、金融、能源等行业复杂业务场景中的实践经验，讨论哪些问题可以由技术解决，哪些问题仍然需要人类判断。

演讲介绍：

中国银行软件中心构建了覆盖测试全流程的智能化工艺体系，融合传统自动化与AI技术，有效提升测试效率与质量。在测试分析阶段，智能识别风险，自动生成测试方案；在测试准备阶段实现案例、脚本的自动、批量生成与质量检查；在测试实施阶段实现UI、接口及非功能测试自动化，性能测试进行双重异常检测和智能化问题分析；在测试总结阶段由AI自动生成报告并检查文档质量，推动知识闭环管理；并且构建测试知识库，通过问题分析助手实现智能检索与分析。

演讲介绍：

1、AI编码时代下的“效率剪刀差”；

2、女娲可视化录制平台的贡献与瓶颈；

3、大模型生成测试案例的早期探索；

4、基于EventDom的智能录制——让AI看懂你的操作；

5、案例自己会“复活”——AI智能自愈机制；

6、实现效果与业务收益；

7、AI Agent时代的测试变革