仅隔月余，ChatGPT 4.0 ，横空出世，引起了整个互联网大小媒体的关注。

那么，它对软件工程领域会带来什么样的影响 ？

还真的需要那么多测试人员么？

如果人数一样多的话，

会让我们提升整体效率么？

如何才能提升软件整体质量与效率？

以上是本次会议，乔老师想与大家讨论的问题。

质量团队，尤其是能力较强的质量团队，存在着大量的开发需求：小到一个测试数据构造工具、一个业务数据查询平台，大到一个自建测试任务管理平台，或更复杂的专项测试平台。这些需求背后往往面临着以下的问题：

1. 前端资源匮乏：QA同学多因自动化要求而具备后端能力，但涉及复杂的前端与全栈开发则往往显得吃力，或能力非常初步；

2. 质量能力留存方案不优雅：数据构造、查询、恢复等小能力小脚本，接入测试平台则成本高没有人力，不接入则难以固化、积累留存；

3. 质量平台维护成本较高：因为较高的冷启动与维护成本，即使前期投入了人力进行了集中攻关，建设了质量平台，也往往因为不够极致易用等原因，导致很多应用年久失修，失去价值，造成人力浪费。

本次分享将介绍「活字」如何将低代码开发的模式引入质量团队，从而极大提升工具平台产出效率，降低维护成本，有效解决上述问题的。

为解决支付宝多年以来故障、舆情、线上问题的监控发现率较低的现象，以数字化度量、大数据挖掘和智能算法的手段，提升监控水位线和告警有效率，提前发现问题，预防事件恶化为重大舆情故障。

在敏捷开发和DevOPS浪潮下，如何保证质量成为一大难题：

（1）敏捷开发，快速迭代，测试资源与覆盖率跟不上；

（2）业务复杂度高，构造测试数据和维护测试用例成本高；

（3）DevOPS时代，测试时间和效率成为瓶颈。

本次分享将介绍我们团队为解决这些痛点，在自动化回归测试工具方面的探索和当前取得的初步效果。

2022年酷家乐公司内部实现接口测试转型，本次分享主要介绍在微服务化环境下自动化设计和低代码最佳实践

线下测试环境复杂多变，稳定性影响日常工作的效率和各项自动化工作的进展，是重要的底座。22年酷家乐面临着线下环境每日挂三挂，一挂一小时的窘境，这种情况下，如何进行稳定性治理？治理完成后环境稳定性如何长期运营？

本次分享将一一详细介绍。

酷家乐稳定性工作思路，组织管理&流程建设&数据运营&文化建设，监控&巡检，故障管理平台，变更管控，故障演练等。

酷家乐作为一家Saas服务商，面向客户群体范围广、分层差异性大，在稳定性领域也面临和传统互联网较大的差异性和不同挑战：

1、Saas行业的哪些不同特性对系统稳定性有显著影响？

2、从线上到线下稳定性保障体系如何构建？

3、多租户如何分层，稳定性保障和应对策略有哪些不同？

4、面对深度使用的高付费用户，如何提升迭代保障效率？

单链路复杂中后台面对大量业务流量下，如何快速建设质量保障体系，本次分享将从以下几个方面介绍我们的思路及成果：

1、多维度的流程体系建设

2、多方面的效能工具建设

3、线上大量客诉处理与反馈

随着游戏系统越来越复杂，大量玩法、系统、功能不断开发与迭代，导致测试的行为更加多样化，设计测试用例是测试流程中很重要的环节，如何能保证测试用例的效果，在版本发布的回归测试中如何评估测试质量？

如何避免测试用例的设计受测试同学的经验、能力等因素影响？

如何降低测试人员review程序代码的门槛，更有针对性地设计测试用例？

如何快速将测试行为与程序代码联系起来，让测试与程序同学无缝对接？

如何快速了解代码里的边界及异常处理，定位长期累积的冗余及废弃代码，协助程序加以优化？

本次分享将围绕游戏测试中常见的痛点，结合多个大型游戏IP项目的实践应用，讲述实时代码染色系统的框架搭建以及落地效果。

英雄联盟手游复杂度高，品质要求高，本次分享将介绍如何搭建高效高质量的保障体系，保障游戏的品质与体验

（1）介绍项目的测试难点：功能测试数量多关联程度高，测试如何配合皮肤量产，端转手的体验还原等，以及对应的测试解决方案

（2）介绍覆盖功能用例级的自动化测试方案以及自动化应用中的难点如何解决，包括技术选型，场景构造，质量闭环，疑难问题测试，表现测试等

（3）介绍工业化的皮肤性能测试管线，在不同的制作阶段引入不同的测试手段和出口标准，结合自动化达到高效率测试

（4）介绍精细化的体验测试方法，包括如何量化评估连招还原和操作手感，如何开展皮肤的表现测试等

游戏项目组众多，需要进行多项测试，所以经常会用到许多设备，面临着多项挑战，（1）如何合理的分配资源，

（2）如何有效的管理设备、监控设备

（3）如何节省人力进行自动化测试

手游赛道越来越严苛，不论是来自版号的压力还是玩家日益提升的游戏标准，如何在当前工业化的趋势下，优良的保障好游戏项目的服务器性能质量？

本次分享将基于以下几点内容：

1、不同类型的手游，架构玩法差异极大，我们需要一款什么样的压测工具，才能应对业务的不同要求？

2、工业化测试下，如何更高效的完成测试任务、降低测试人力消耗？性能测试如何与研发管线快速打通对齐？

3、云上全链路开服压测，护航《暗区突围》百万在线，我们是如何做到的？

介绍朝夕光年手游质量管理体系，分享朝夕光年手游质量经验

介绍转转公司在持续交付上的实现方案，通过使用自研和开源平台，打造和转转业务匹配的持续交付流程

众所周知银行业务复杂并且链路长，系统庞大繁杂，单个业务系统涉及三五十个业务系统对接，一个产品全链路涉及几十个节点才能完成。

所以银行业务验收测试面临的难点尤为凸显：

1、繁杂的业务，庞大的系统，复杂的链路，如何借助技术高效的进行测试？

2、业务测试数据要求高，每年的测试数据准备量级达几十万级，如何高效的进行前置数据准备和复用？

3、两周一期的大版本，如何兼顾投产交付质量，效率，用户满意度？

4、人员能力层次不齐，如何合理的分配资源以及保障测试交付的真实性？

简介：随着业务迭代，自动化用例的不断增加，维护自动化成本代价也随之增高。需要大量的人力对失败的用例进行维护以及更新，若不及时排查原因以及更新用例，会导致自动化形同虚设。

该分享将会介绍我们团队在自动化自愈工作上做的一些实践，主要的内容有：

1.如何分析自动化执行的失败报告，利用神经网络进行失败分类

2.将测试框架与测试用例进行分离，包括参数配置化，测试数据配置化等

3.根据失败分类，系统对测试用例执行自愈策略

在SOFAServerless中，代码片段的最小粒度是模块，在此之前，我们一直都缺少对模块进行集成测试的有效手段，主要原因如下：

(1) 模块为sofaark模块，维系模块启动的条件成本较高

(2) 模块就算完成启动，也无法完成与应用、其它模块的集成测试

(3) 模块的集成测试要够快，接近serverless下的部署速度

本次分享将介绍我们团队在这几个方面的探索和当前取得的初步效果。

在我们测试过程中，经常面临一个灵魂拷问，需要用有的人力和有限的时间，确保项目如期上线且尽量无线上问题，那我们有啥手段？现实总往往面临下列问题：

1）自动化案例一直追加，日积月累，越来越多维护成本巨大，能有办法把一些没用的案例去掉吗? 但怎么确定哪个是没用案例？

2）项目测试中，测试环境绞尽脑汁发散场景， 但一上线又出线上缺陷，复盘时发现大概率都是场景没有考虑到，那怎么样把线上场景告诉测试？以及如何让其快速转化成自动化？

3）开发改动一点，测试啥范围？是开发说了算还是测试说了算，还是说有更专业的工具告诉你？

本次分享介绍我们团队在面对上述困惑时的探索和当前取得的初步效果

在实业数字化转型的浪潮中，IT的基础建设变得尤其重要。传统企业如何构建基于敏捷研发的工具链，实践DevOps理念，成为重要组成部分。本次议题主要介绍TCL实业DevOps平台的落地实践，从平台选型、需求改造、落地推广、平台进阶等方面分享平台在集团从0~1的实践经验。

1. DevOps平台多种多样，如何有效的做技术选型

2. 如何从0~1落地推广新平台

3. 工具与理论相结合，让团队形成惯性，才能发挥最大的价值

4. 工具如何有效支撑大型项目的研发管理

技术类故障导致的客诉舆情的发现和定位一直是蚂蚁技术风险的一大难题，随着技术风险能力逐步提升，如何使用数据智能的手段，帮助提前感知客诉风险、诊断故障根因以及缩短止血时间也是我们近几年的工作重点。

面临的挑战有：

1、 定位信息缺失：很多客诉的场景属于小流量场景，非核心业务，监控和埋点覆盖也不全面，造成可获取到用于定位的信息有限；

2、业务上下游信息缺失：根据对历史故障的复盘，客诉时根因系统也可能是业务系统上下游系统，需要额外业务信息辅助定位。

3、 文本语义信息挑战：以客户在支付宝钱包app上体验到的异常表现case为例，其可能的成因有：外部问题、安全管控、营销策略、客户端、服务端等可能性，在实际应急中，所有的可能性都需要进行排查，也需要专家经验的验证。这就对我们分析和理解客诉语义提出了更高的挑战。

本次分享将介绍我们团队在客诉舆情场景的发现和定位领域探索和当前取得的阶段性成果。

大数据测试体系建设

--测试环境管理

--测试数据管理

--测试过程管理

--人员管理

--测试方法和工具建设

等等，将围绕效能和质量，展开整个体系的一些介绍

在 摩斯隐私计算产品 测试体系建设中，最核心的一项工作是评估 质量模型 的丰富度和可测性，但面临的挑战有：

(1) 针对上层业务应用和底层计算引擎的不同验证目标，如何设计质量分层策略和测试方案？

(2) 随着DAG画布中算法组件丰富度提升，如何低成本验证各类组件串联关系，提升场景覆盖度？

(3) PPML相关算法组件的计算结果准确性测试，怎样结合密码学算法来实现？

(4) 大样本量级的算子性能测试，制约因素多且场景复杂，如何评估性能基线水位？怎样高效完成性能测试，持续保鲜数据？

本次分享将介绍我们团队在这几个方面的探索和当前取得的初步效果。

企业达到一定规模后，质量问题会越来越突出，需求变更频繁，开发效率低下，测试效果不佳，上线后重做等等。本次分享将介绍从零开始，逐步提升团队的质量意识，提升产品质量与研发效能。

本次我们主要分享Sonic在一些开源过程的探索经验和学习成果。

1. 什么是云真机平台，中小企业里能发挥什么作用

2. Sonic云测平台的发展与目标

3. Sonic基础通信模型，功能实现解读

4. 我们项目的后续发展规划

传统iOS性能测试依赖埋点或者系统指标采集分析，存在诸多弊端：

1. 指标的统计口径不一致，不同的业务可能存在差异；

2. 随着业务的迭代或者架构的调整，会出现埋点对不齐或者失效的情况，维护成本高

3. 易受环境干扰，数据波动大，归因和劣化报警准确率低，需要投入大量人力初筛；

4. 无法拦截子阶段劣化问题，容易出现劣化问题逃逸，因为只要指标没有劣化，就不会有报警，所以一旦子阶段发生劣化，就会100%出现逃逸；

本次分享将介绍我们团队基于静态代码分析和动态插桩、Hook技术研发的精准防劣化服务；

介绍支付宝客户端在体验度量和诊断方面的积累和沉淀。涉及客户端诊断能力及线下精细化诊断能力建设、工程及效能提升、技术难点攻克。端内重点场景体验优化治理、功耗诊断能力建设等。

如何实现脚本一次编写多平台运行, OCR在自动化中能发挥多大的作用。如何提高自动化的成功率？本次分享将为你解答这些问题

本次分享将介绍微盟在全链路压测上的探索与实践，在困难与挑战中如何落地全链路压测并取得的初步效果