2025QECon全球软件质量效能大会：数字员工AIQA的探索实践

数字员工AIQA的探索实践刘道伟｜百度资深测试开发工程师2014年加入百度

，

MEG

QA效能方向负责人

，在搜索、商业等多个核心业务负责质效工作

，专注于研发效能提升、

DevOps实践、智能交付等方向。在工作期间

，

既负责过新业务的质效从零建设

，也负责过成熟业务的质效重构

，具备不同类型业务研发效能提升的丰富经验。担任百度技术学院金牌讲师

，负责员工的持续集成的课程培训

，

曾多次在百度效能大会、

QEcon等会议进行主题分享。刘道伟百度资深测试开发工程师目录CONTENTS01

AIQA的设想和理解03

AIQA实践案例02

AIQA整体方案04

未来展望PART

01AIQA的设想和理解 AI编程的快速增长带来效能挑战•海外AI编程渗透率50%-60%，是当前AI落地最快的应用场景之一•AI

Coding带来的研发效能提升给测试效能带来了更大的挑战研发模式变了，交付速度能跟否上？部分公司披露的AI代码生成的比例典型场景：AIQA应用现状：大部分公司在质效领域暂未涉及

，少数公司已开始相关探索典型场景：用例生成应用现状：多数公司集中在交付过程单环节的Copliot实践

，如用例生成、

自动化、问题定位等环节AI在质效领域的应用变化•质效领域：大模型的应用逐步深入

，从助手到单节点赋能（如用例生成）

，部分开始探索全环节的AI赋能问答机器人典型场景：值周问答应用现状：在问答场景普遍应用，难以承担复杂任务2024

数字员工质效Copliot20252023 AIQA设想–打造下一代交付•在百度软件交付的发展过程中，我们经历了由全面的手工测试(1.0)到自动化测试及部分智能化（2.0）的过程•随着大模型技术的不断发展，我们认为下一代的交付（3.0）应该是以交付Agent为核心的交付模式，通过交付Agent在交付的各环节赋能提效，实现端到端的AgenticDevOps

如何理解数字员工AIQA•AIQA不是一个虚拟的概念，每个AIQA都是一个可承担复杂任务的Agent，在能力上不弱于真人•AIQA具备企业内数字身份，能够操作内部工具，可以独自或与真人协作完成一项任务•AIQA不是一个通用的Agent，而是一个矩阵，可以按照业务、场景等建设擅长不同工作的AIQA真人员工的测试经验来源于个人的日常学习积累，，数字员工可以学习历史上的各个项目的测试经验，并能够持续成长，每个数字员工都是一个质效领域的专家。真人员工很难掌握业务的全部的工具，而数字员工通过MCP能够看到各类工具，并且能够进行智能的选择工具，完成各项测试执行工作真人员工可能只熟悉自己日常接触的业务，而数字员工基于RAG能力，可以比任何一个人，甚至比团队所有人加起来更懂业务02更懂测试03更能测试01更懂业务 AIQA交付模怯变化•

端到端交付：

AIQA作为测试owner，

替代真人完成交付全环节，

交付过程由真人主导+自动化测试工具转换为AIQA主导+真人辅助•

质效Copilot：

按质效场景构建专家Agent，

能够承担复杂任务，自主规划执行，

给每个真人配备多个AIQA助理

数字员工VS

自动化&助手数字员工为目标负责，基于目标进行思考规划，不达目的誓不罢休，超出能力范围寻求真人帮助•自动化工具和平台是为执行负责，执行完成即完成职责，不会考虑目标是否达成•问答机器人等助手是基于Query的响应，简单的回复或者推个工具，难以承担复杂任务的拆解PART

02AIQA整体方案

整体方案•基础依赖：包含知识建设、工具建设、模型建设三个部分，给Agent提供知识供给、思考能力、使用工具的能力；•Agent建设：通过multi-agents模式建设主Agent和各专家Agent，负责任务的拆解、规划、执行、反思等能力•工程基建：包含任务中心、事件中心等能力，主要是为Agent提供任务管理、上下文等能力，保障AIQA的长程工作的能力•交互入口：交互入口包含IM、平台入口以及新增的工作台界面，提供更丰富的交互能力实现多端互通。 AIQA实现–知识建设•通用大模型不具备公司内部的业务知识和测试经验，

因此必须依赖RAG能力才能实现大模型在质效场景落地•知识产出的方式对知识库文档（MRD文档、测试方案文档、测试经验文档）通过大模型进行理解后进行图谱建设或向量切片，部分知识也通过人工梳理的方式进行补充知识挖掘过程图谱知识示例GUIAPI

？•通过测试能力的MCP化，让AIQA能和真人一样操作公司内的各类测试平台和测试工具•测试能力的API直接转换成MCP是一个短平快的方案，但更推荐面向AI构建工具•好的MCP工具描述要像API文档一样严谨 AIQA实现–

MCP工具建设使用场景MCP规范限制条件功能边界参数范围业务MCP空间通用MCP空间业务1MCP业务3MCP。。系统测试MCP记忆能力MCP。。业务2MCP智能交付MCPAIQA实现

-任务及事件驱动•AIQA要能够处理长程任务、异步任务，

自主解决异常情况

，可以随时退出或被拉起•AIQA要能够感知质效过程中的关键事件

，并根据事件做出响应•工作过程“Humanin

Loop”

，关键环节可找真人确认或主动寻求真人帮助模式主Workflow+专家Agent模式完全自主规划模式工作模式•

主Agent通过workflow固定串联交付流程，不同类型项目有不同的flow•

专家agent负责完成flow中任务，通过

react模式进自主规划•

PlanAgent负责分配任务、合并结果、解决冲突、评估当前进度•

专家Agent处理具体事务、路径拆解、工具调度、状态判断模式特点•

在交付流程等明确步骤场景通过workflow模式能够更加精确控制交付步骤，避免模型幻觉•

在进行任务拆解时更加灵活，能够根据不同的需求特点灵活的规划后续步骤•

对Prompt和模型的规划能力要求较高 AIQA实现–Agent建设•整体都是Multi-Agents的架构，在实现上根据场景特点有不同的路线，不要陷入路线之争•Agent架构在不断发展，各种精巧的开源框架不断出现，快速构建Agent并不困难•“上下文工程”和“工具”才是AIQA能力不断成熟的关键1.需求提测后，给AIQA发消息“测试xxx需求”；2.AIQA主Agent接收到任务后，主要进行以下操作：•WorkFLow类：获取本次需求信息，按照需求特点，编排不同的flow•自主规划类：获取本次需求信息，按照需求特点，生成后续的测试计划3.根据flow或者测试计划，创建子任务，并调用专家Agent完成子任务4.专家Agent被调度后，接收任务目标，并开始执行•

检索任务相关知识•从MCP

Server获取可用的工具信息•通过react模式结合任务执行工具并进行反思，直至目标达成5.主Agent持续跟进需求直至需求达到完成状态，中途可挂起及多次唤醒 AIQA实现–Agent流程示例 AIQA实现–产品交互设计具备IM账号通过数字身份与真人直接交流独立AIQA的工作界面提供更丰富的LUI交互体验IM的侧边栏实现更复杂的展现和交互PART

03实践案例

业务实践–测试方案生成•

在项目交付过程中，AIQA负责测试方案生成、测试用例生成、测试执行、测试风险评估等工作，展示的只是一个环节•

测试方案生成中，AI先理解文档和代码，再对已有知识进行检索，结合理解内容和知识生成最终方案整体方案效果录屏

业务实践–

自动化测试执行和修复•

AIQA会根据前置生成的测试方案等信息，思考本次测试中自动化测试所需的步骤•