计划写一个大模型赋能智能化测试的合集，分享一下各家先行者的案例，共同学习。目前网上大多数都是泛泛而谈，只是说可以借助大模型自动生成用例、脚本、数据、缺陷诊断等。但是具体怎么用，有哪些坑少有人能说出来，所以借助这个合集来分享些真正有价值的干货。本次拆解案例来自于2024年QECon大会北京站-趣丸科技。

接下来给了一个基于大模型云服务的接口测试实践完整流程图，用的是智谱清言的API，目前也有多种线上免费模型可以使用，包括百度、阿里、腾讯等厂商。这里面值得我们学习的是：在接口测试过程中最重要的就是接口参数的测试数据，而在生成接口测试用例的时候，可以进一步告诉模型基于什么样的测试用例设计方法，如“等价类方法”。“技术人该死的优越感”，大家还是要理智。这也是印证了我之前的说法，在做微调过程中需要投入大量

导语：在金融业数字化转型的浪潮中，测试环节的效率与质量矛盾愈发突出。传统人工测试依赖经验、耗时长，而大模型技术的引入却面临生成质量不稳定、学习成本高的难题。邮储银行用一套“技术+工程”组合拳，实现了智能测试的规模化落地。本文将从技术内核、落地逻辑、行业启示三个维度，拆解这场金融测试领域的AI革新。邮储银行的智能测试方案核心在于“给大模型装方向盘”——通过三大技术调优，解决生成质量参差不齐的痛点。​

接上一期，本次拆解案例来自于2024年QECon大会北京站-字节跳动。

大模型赋能UI自动化测试属于难度较高的领域，而且UI自动化本身也有着细分。在技术应用方面，分为界面图像识别OCR技术和界面XPath元素定位；在应用类型方面，分为基于移动APP和基于Web应用；在测试类型方面，分为探索性测试和回归性测试。而大模型赋能场景下，实际落地效果比较好的是基于图像识别的移动APP探索性测试。

大模型赋能UI自动化测试属于难度较高的领域，而且UI自动化本身也有着细分。在技术应用方面，分为界面图像识别OCR技术和界面XPath元素定位；在应用类型方面，分为基于移动APP和基于Web应用；在测试类型方面，分为探索性测试和回归性测试。而大模型赋能场景下，实际落地效果比较好的是基于图像识别的移动APP探索性测试。

计划写一个大模型赋能智能化测试的合集，分享一下各家先行者的案例，共同学习。目前网上大多数都是泛泛而谈，只是说可以借助大模型自动生成用例、脚本、数据、缺陷诊断等。但是具体怎么用，有哪些坑少有人能说出来，所以借助这个合集来分享些真正有价值的干货。本次拆解案例来自于2024年QECon大会北京站-趣丸科技。

接上一期，本次拆解案例来自于2024年QECon大会北京站-字节跳动。

在软件测试流程中，自动化测试结果的分析工作量往往被忽视，尤其是当一个企业内部有数万自动化用例执行，即使90%的成功率，遗留的失败用例确认分析耗时也依旧很可观。本次就是介绍大模型在自动化测试结果分析方面的具体实践案例。

接上一期，本次拆解案例来自于2024年QECon大会北京站-字节跳动。