软件质量定义正在被改写?AI时代的质量治理与可信评测专场–议题解析

当大模型从实验室走向生产环境，当 AI Agent 开始接管核心业务链路，软件质量的定义正在被彻底改写。

过去一年，整个行业都在经历同一场阵痛：传统自动化脚本月均失效率突破 25%，测试团队疲于修复工具而非发现风险；纯端到端的大模型评估深陷 “高分补偿陷阱”，语义错误被高相似度评分掩盖；模型幻觉、决策黑盒、合规可追溯性缺失…… 质量风险的外延，早已从功能 Bug 延伸至模型安全、业务可信与治理合规的全维度。

2026年，修订后的《网络安全法》首次将人工智能安全治理纳入国家法治框架，金融、政务等关键领域相继出台 AI 系统专项质量规范。质量治理不再是工程问题，而是企业 AI 落地的生命线。

四大硬核议题，直击行业真问题

AI时代的质量治理与可信评测专场，邀请淘宝、岩山科技、Shopee、蚂蚁集团四家企业的一线技术专家，从移动端自动化、内容质量检测、智能归因诊断、全链路性能测试四大核心场景，拆解 AI 质量治理的真实挑战与落地路径。

AI时代的质量治理与可信评测

鸿蒙专场

专场

TEKO AI移动端多端一致自动化新实践

– 杨日东 淘宝

重塑AI原生视频质量防线——基于分层混合架构的视频内容检测方案

– 焦海棠 岩山科技

从多维感知到智能归因：AI Agent 在业务刻画与异常诊断中的实践

– 李松 蚂蚁集团

基于LLM+SKILL+MCP的APP全链路性能测试

– 郑惠芬 Shopee

以下是AI时代的质量治理与可信评测专场的四大核心议题全解析。

议题一：

TEKO AI移动端多端一致自动化新实践

–淘宝（讲师：杨日东）

议题介绍：

在我们的 AI 移动测试实践中，最核心的一项工作是将大模型驱动的 UI 自动化能力真正落地到手淘 Android、iOS、鸿蒙多端复杂业务场景中，但面临的挑战有：

(1) 多端技术栈异构，如何实现“一份自然语言用例，三端一致执行”？

(2) 长流程易遗忘、模型输出易幻觉，如何构建稳定可控的 AI 执行闭环？

(3) 纯 AI 推理耗时高、业务知识注入粗放，如何兼顾智能泛化与工程执行效率？

(4) 断言维度单一、优化依赖经验试错，如何实现全链路质量验证与迭代可归因？

本次分享将介绍我们团队在AI驱动的移动端多端一致自动化的核心实践，以及在这几个挑战上的探索与落地成效。

议题二：

重塑AI原生视频质量防线——基于分层混合架构的视频内容检测方案

–岩山科技（讲师：焦海棠）

议题介绍：

背景：随着 AI 视频生成技术步入工业化落地阶段，传统的软件测试与纯端到端的大模型评估体系正面临前所未有的挑战：不仅存在掩盖致命语义错误的“高分补偿陷阱”，还面临大模型调用成本极高、响应时延过长以及规则难以维护的“不可能三角”。

核心定位：本议题针对 AI 视频生成（AI原生视频）场景，提出一套“漏斗式分层混合检测架构”。

架构特色：通过三层递进式过滤（基础画质拦截 → 多维特征门控 → 大模型深度仲裁），结合意图路由与特殊场景专用链路，系统性解决语义偏差、属性错配等核心质量问题。

议题三：

从多维感知到智能归因：AI Agent 在业务刻画与异常诊断中的实践

–蚂蚁集团（讲师：李松）

议题介绍：

在蚂蚁数字支付场景架构日益复杂、数据爆发式增长的背景下，传统的人工分析正面临效率低下、链路断裂及专家经验难以传承的挑战。“Agent智能归因诊断分析系统”，深度融合了大语言模型逻辑推理能力与智能算法的下一代决策平台。系统核心构建了一个具备“自主规划、工具调用、深度推理、归因分析”能力的AI智能体。当业务指标出现异常波动时，Agent能像资深专家一样，自动跨越系统孤岛，实时调用SQL、日志分析及因果模型进行多维下钻。

它不仅能精准定位问题的技术根因，还能将碎片化的数据串联为端到端的业务动线，生成技术业务都能看懂的可视化分析报告，实现从“看到波动”到“理解原因”的飞跃。有效打通了业务增长与技术保障之间的“最后一公里”。通过持续沉淀组织经验，助力质量同学从被动救火转向主动洞察，实现更高维度的数智化决策与运营范式

议题四：

基于LLM+SKILL+MCP的APP全链路性能测试

–Shopee（讲师：郑惠芬）

议题介绍：

在Shopee App的性能测试中，我们长期面临三座大山：

• 时间成本高：脚本编写、环境配置、数据解析等“准备和善后”工作占用了工程师超80%的时间。

• 维护地狱：12个国家、多个APP版本、频繁的ABTest，让UI元素定位和脚本适配的维护工作量呈指数级增长。

• 人才困境：工具链（Poco/Airtest/Python）复杂，新人上手难，能力难以规模化复制。

这些“高重复、有规则、可描述”的工作，恰恰是AI最擅长的。本次分享将介绍我们如何放弃“用AI替代整个测试流程”的幻想，转而采用一种更务实的方案：用 LLM（大脑）理解需求、用 SKILL（知识库）注入硬约束、用 MCP（手脚）封装并调度基建能力。通过这个“铁三角”，我们将脚本编写、元素维护、任务调度等环节全面AI化，最终实现端到端测试效率提升约80%，将核心测试耗时从“人天级”缩短至“小时级”。

为什么这是不能错过的AI质量专场？

当下行业里的AI测试分享并不少见，但大多逃不开两种局限：要么停留在概念科普与趋势预判，听着热闹却落不了地；要么局限于单点工具的小范围试用，缺乏完整业务链路的验证。而这场专场，恰恰补上了这两块短板 —— 四个议题全部脱胎于亿级用户体量的生产环境，每一套方案都经过了复杂业务场景的反复打磨与迭代。

1. 不回避真问题，拆解AI落地的真实踩坑路径

我们不做 “全程零障碍” 的滤镜式分享。多端异构下的执行一致性难题、长流程中的模型幻觉与遗忘、大模型调用的成本与时延困局、脚本维护的指数级膨胀…… 这些所有团队在 AI 测试落地中都会撞上的 “暗礁”，都是本场议题的核心讨论对象。嘉宾会完整还原从方案选型到踩坑调优的全过程，把走过的弯路、试过的错、最终的决策逻辑一并讲透。

2. 不堆砌热概念，输出可复用的生产级方法论

拒绝 “大模型赋能”“AI 原生” 这类空泛表述，每个议题都交付完整的技术闭环：有明确的架构设计（如漏斗式分层检测、LLM+SKILL+MCP 铁三角架构），有可落地的实施路径，有可验证的量化效果（如端到端效率提升 80%、核心耗时从天级压缩至小时级）。你带走的不是几句口号，而是一套可以直接对照落地的操作框架与优化思路。

3. 覆盖全链路场景，不同岗位都能找到精准参考

本场专场没有局限在单一测试环节，而是贯穿了 AI 时代质量治理的完整链路：从端侧的多端 UI 自动化，到内容侧的 AI 生成质量检测，再到运维侧的智能异常归因，最后到全链路的性能测试升级。无论是一线测试工程师、质量负责人，还是架构师与技术管理者，都能对应到自己的工作场景，找到可借鉴的实践经验。

4. 一线实战派主讲，对话真正把方案做出来的人

淘宝、岩山科技、蚂蚁集团、Shopee，四家企业分别代表了电商、AI 内容、金融支付、跨境电商四大赛道的高质量实践水准。登台分享的不是行业观察者，而是亲手带队把方案从0到1落地到亿级业务中的技术负责人。现场不仅能听到一手经验，更有充足的交流时间，帮你解答自己团队落地中遇到的具体难题。

简单说，这不是一场用来 “听个新鲜” 的趋势分享，而是一场专门给正在 AI 质量落地路上爬坡的从业者准备的 “实战补给站”。