2025QECon全球软件质量效能大会：基于数据服务生态的测试数据智能体建设实践

张洁芳｜中国工商银行软件开发中心金融科技经理工商银行软件开发中心广州研发部测试开发工程师

，测试数据智能体产品经理

，专注于研发测试领域的效能提升与工具赋能，

曾在《中国金融电脑》、《高效运维》等渠道发表相关文章。张洁芳工行软件开发中心金融科技经理目录CONTENTS04

测试数据智能体成效与展望01

金融业测试数据准备的痛点02

测试数据智能体建设思路03

测试数据智能体建设实践PART

01金融业测试数据准备的痛点剖析银行系统分布式架构下准备功能测试数据面临的困境客户信息

个人金融

投资理财生成一笔端到端交易的测试数据：构建链路长，关联应用多。以生成一笔购买了理财产品的借记卡数据为例，需要流经3个业务系统，6个模块，10+个接口。银行系统交易特点：

“三多”业务种类多

客户群体多

监管规则多购买理财存钱新开客户开卡开理财户确认份额分布式架构转型后一笔测试数据存储在多个业务系统的异构数据库，各系统数据不同步导致大量数据不可用的“测试灾难”

，且每个版本迭代都出现。客户信息个人金融主机环境投资理财分布式环境购买理财新开客户开卡开理财户存钱确认份额投资理财个人金融)投资理财客户信息客户信息个人金融多版本数据同步7月版环境8月版环境9月版环境信创转型需要一类借记卡需要北京地区借记卡需要纯芯片借记卡需要活期存折需要二类借记卡需要美元活期账户每天有大量时间用于提供上下游联测数据，希望大家能自助造数查数，减少被打扰。测试数据如此“金贵”

，测试数据的需求源源不断。优点：数据真实准确且

生成效率高。落地难点：业务链路长，难以简单、灵活串联多

个接口。优点：大量、多次

，数据丰富多样。落地难点：跨系统抽取规则难统一

，客户敏感信息合规监管要求高。优点：简单、快捷落地难点：

因涉及复杂业务逻辑

，无法准备长链路数据。接口生成测试数据SQL语句更新数据库导入生产环境数据PART

02测试数据智能体建设思路介绍基于数据服务生态体系的测试数据智能体建设思路通过统一数据服务规范，制定数据保鲜管理机制，融

合大模型等智能技术，实现

从数据需求解析到智能查数、造数全流程闭环，降低用数

成本，提升AI赋能研发测试

的收益。实现造数、查数全自助，解决自动化测试数据误报困扰，全面提升功能测试用数效率。快统一各系统数据服务规范

，可一

键式生成跨系统数据

，无需手工串

联多接口和传参

，提高准备效率。准引入知识库+大模型技术

，精准

解析数据需求

，实现智能查数或智

能造数

，减少对数据提供方的依赖。多覆盖80%用户高频使用的数据种

类或数据服务

，减少因数据种类不

足而测试遗漏导致生产安全隐患。定时维护数据质量

，确保数据有

效可用

，避免自动化案例因数据问

题失败

，减少人工分析。实现路径好寻找匹配数据服务如何从众多服务中找到合适的造数服务建立造数知识库，通过知识检索精准推荐识别所需数据如何解析数据需求准确识别数据特征条件建立查数知识库，通过知识检索和大模型解析数据种类和特征条件数据服务报文赋值上百个报文字段如何赋值以满足数据要求建立造数知识库，通过大模型生成字段赋值解决自动化数据误报版本升级数据不可用导致大批自动化案例失败提供接口查数方式，实现案例与数据解耦串接多个数据服务涉及多个造数服务，如何串接执行统一数据服务规范，实现搭积木式跨系统造数保障数据可用数据冲突、失效，无法保证随时有数可用通过数据建模定时刷新建立数据保鲜机制造数挑战解决查数挑战解决支持灵活的用数方式构建测试数据知识库基于大模型建设测试数据智能体建立数据保鲜管理机制统一规范封装数据服务手工造数造数链条1

造数链条2数据服务

数据服务1

2开立客户

开立信息

空白卡造数链条3

造数链条4...

数据服务N应用接口...

应用接口N灵活串联跨系统造数场景规范数据服务（串联的基础

）造数方式造数场景数据服务系统接口对话式造数基于统一标准规范，支持组合复杂造数场景，调用真实系统接口，实现一键造数。业务领域数据种类常用表述特征条件特征转义个人金融一类借记卡个人卡一类卡活期卡**333北京地区一类借记卡**444上海地区一类借记卡**555广州地区数据服务数据服务业务描述字段常用表述个人客户信息开立开客编开个人客户找个人客户数据客户证件类型证件类型客户手机号码电话国籍国度、国家●数据种类层：系统提炼数据种类，并以此为基础补充

其多种表述方式作为检索要素，用于识别查数需求并匹配数据种类。●特征条件层：以数据种类特征条件为基础，补充特征的同义词、口语化表达等，作为提示词内容上送大模型，推理生成与数据需求一致的数据特征。●数据服务层：以数据服务信息为基础，补充多种表述

方式作为检索要素，用于识别造数需求匹配数据服务。●报文字段层：以数据服务报文字段为基础，补充字段

赋值的多种表述方式，作为提示词内容上送大模型，推理生成匹配造数需求的报文赋值。造数知识库查数知识库1、已有客户编号开一类借记卡2、已有客户编号开一类借记卡存钱以知识检索模型为基础，深度融入银行业务规则识别数据需求，提高检索准确性。1、新开客户编号开一类借记卡2、查询可用客户编号开一类借记卡3、新开客户编号开一类借记卡存钱用数需求识别我需要一张借记卡，客户编号是123***通过业务规则识别真需求我需要一张借记卡

，客户编号是123***基于现有客户编号开借记卡基础知识检索模型基础知识检索模型最匹配的数据服务最匹配的数据服务PART

03测试数据智能体建设实践测试数据智能体的建设小结及踩过的坑关键词业务常识**333地区一级行

，常用网点2网点

，柜员***

人民币账户钞户外币账户日元、美元、加元

............调优分析原因分析用户表达习惯与业务规则产生冲突，“言行一致”的智能体因未同步替换网点、柜员，导致无法成功造数。解决路径新增常识库提升智能体业务“成熟度”

，让其成为一名合格的数字测试经理。问题情况用户数据需求我需要新开一张上海地区的借记卡。造数智能体反馈推荐服务“开立一类借记卡”

，并且地区号字段赋值“上海”

，造数结果因为上送网点号、柜员号错误，开卡失败。原因分析除了将数据需求与知识库匹配，还要额外解读请求报文默认值，而且不同特征条件的文字差异性小，推理过程反复“纠结”。提示词指令调优●提示词删除了报文默认值，减少大模型无效的推理“工作量”。●增加对大模型的约束要求：##

注意事项:

报文生成过程要严格遵从以下原则-所有未提及的字段必须赋空值，必须严格执行。调优后的效果减少思考过程，推理耗时48524毫秒，速度提升6倍。用户数据需求要一张3602地区的一类借记卡，余额5000元。提示词##

根据用户描述和查数知识库内容填写到请求报文。若请求报文参数没有值，则赋予对应的请求报文默认值

推理效果耗时278000毫秒！输出5697字符。优化前

优化后优化后解决方式顺势而为发挥大模型识别数字的特点，先将特征拆解为2列：数字、中文，以数字列上送大模型，获得数字推理结果，然后再拼接，最后准确获得“数字-中文”特征条件。数据种类特征条件特征条件-数字模型推理结果拼接特征条件一类借记卡1-军保卡111-军保卡一类借记卡3-商友卡333-商友卡一类借记卡14-社保卡141414-社保卡一类借记卡其它00其它优化前问题现象查数知识库存在“数字-中文”形式

的特征条件，而大模型推理生成的特征仅得到数字，与实际业务不符合。数据种类特征条件模型推理结果一类借记卡1-军保卡1一类借记卡3-商友卡3一类借记卡14-社保卡14一类借记卡其它0PART

04测试数据智能体成效与展望总结测试数据智能体的成效与提升方向测试数据智能体首批接入高频造数、查数能力，覆盖一线用户主流的测试数据需求，实现自助对话式数据准备，提升准确性和效率，为AI赋能测试提效提供参考范式。以测试数据服务生态为基础，统一客户信息、电子银行、信用卡、个金、对公等核心应用知识打造智能测试底座，形成可扩展、可共享、可信任的企业级知识库资产。基于银行业务特性与痛点需求，构建造数智能体、查数智能体，降低用数门槛和协作成本，提升数据种类丰富程度，有效解决测试数据准备顽疾。开创人机对话准备数据的新范式，为大模型赋能更多的研发测试场景提供参考借鉴。可扩展的智能测试基础设施开启测试数据准备新范式精准施策解决测试数据难题泛化智能用数触点封装数据智能体能力，提供原子服务接口，在接口测试工具、OA即时聊天、企业级研发平台等渠道提供智能用数服务

，让测试用数更方便。扩展知识库在已有数据服务、数据建模知识的基础上

，拓宽知识库的数据源

；逐步构建更多业务系统的知识库

，不断打造更强大的研发数智资产。为了增强测试数据智能体的数