鸿蒙NEXT原生应用UI自动化测试的创新落地实践

解耦与融合：鸿蒙NEXT原生应用UI自动化测试的创新落地实践P.09基于大模型生成接口自动化测试用例的探索P.16当运营遇见软件工程：构建体系化业务运营的方法论与实践P.3909

解耦与融合：鸿蒙NEXT原生应用UI自动化测试的创新落地实践16

基于大模型生成接口自动化测试用例的探索

探索应用

Explore

Applications23

证券期货行业压测方案升级：基于新一代平台的解决方案31

基于混沌工程的故障演练平台在金融券商系统稳定性测试中的应用研究39当运营遇见软件工程：构建体系化业务运营的方法论与实践44

十年磨一剑：开发测试模板机的落地实践与演进49

软件工程与生成式AI的共生演进：金融领域的范式重构58

基于Lumen的SQL存储过程迁移与测试数据生成技术研究67

反演平台自研推广的实践与探索72

软件自动化测试伴随视频录制实践

我们

We79

系列期权合约-创新驱动，专业护航79

解密安全新篇章：飞泰公司通过国家密评技术能力考核79

信创实验室简介

资讯聚焦

Information

Focus01

行业动态汇编05

质量技术前沿06国际热点追踪

专家视角

Expert

PerspectiveCONTENTS

目

录近日，大商所飞创公司的DCEX-One主用交易系统在山西三立期货完成切换上线。上线以来，系统运行稳定，各项性能指标均达到预期，充分验证了大商所飞创公司主用交易系统技术创新体系在期货核心交易业务中的稳定性与可靠性，为期货行业核心系统的技术创新升级提供了可推广可复制路径和重要实践参考。该系统具有四方面特点：一是安全性高，采用完全自主研发的冗余设计、故障自动转移与数据一致性保障机制，确保系统在高并发、分布式环境下具备持续的高可用性与业务连续性。二是承载性能强，通过多核并发、内核优化等技术手段，提升了峰值吞吐，降低了结算时长，充分满足交易需求。三是

运维高效，支持一键部署和一键启停、基础设施全面监控、风险实时预警、故障快速定位，全方位保障系统持续稳定运行。四是升级迭代便利，开放接口设计保证了功能迭代和业务扩展的灵活性。中国证监会于8月22日公布《关于修改<证券公司分类监管规定>的决定》，将原《规定》更名为《证券公司分类评价规定》，自2025年8月22日起施行。此次修改旨在

适应防风险、强监管、促高质量发展的要求，突出证券公司功能发挥，优化评价框架为风险管理能力、持续合规状况、业务发展和功能发挥状况三部分，强化对违法违规行为的惩戒力度，并引导证券公司聚焦高质量发展，支持中小机构差异化、特色化经营。修改过程中广泛征求社会意见并予以吸收完善，下一步证监会将持续推进分类监管体系建设，服务实体经济和资本市场高质量发展。中国人民银行中国证监会发布《金融基础设施监督管理办法》8月8日，上期所及其子公司上期能源、郑商所、大商所、中金所、广期所等五家期货交易所分别发布程序化交易管理办法，自2025年10月9日起实施，旨在落实中国证监会《期货市场程序化交易管理规定（试行）》各项监管要求，全面从严加强程序化交易监管，维护市场秩序和公平。DCEX-One主用交易系统为期货行业核心系统技术创新升级提供实践参考为落实《统筹监管金融基础设施工作方案》工作部署加强金融基础设施统筹监管，建立健全安全高效的金融基础设施体系，中国人民银行、中国证监会印发了《金融基础设施监督管理办法》(中国人民银行中国证监会令〔2025〕第7号)，自2025年10月1日起施行。资讯聚焦证监会发布《证券公司分类评价规定》发挥好监管“指挥棒”作用五家期货交易所同日公告，全面加强程序化交易监管 INFORMATION

FOCUS01为应对期货主用交易系统因硬件故障、软件缺陷及性能问题引发的风险，中国期货业协会(中期协)积极推动期货公司建设异构多活交易信息系统作为备份系统，以提升业务连续性。中期协委托中金所数据公司牵头制定了《期货公司异构多活交易信息系统建设指南》(以下简称《指南》)。6月27日，该指南的意见收集评审会成功召开，工作组成员包括4家期货公司和5家技术厂商，以“期货公司+技术厂商”模式分工合作，其中飞创公司与银河期货共同完成了方案选型与运行保障两大核心章节。此指南旨在通过异构多活架构提升期货公司交易系统的高可用性、容灾能力和业务连续性，助力行业稳步发展。中证协启动券商分支机构信息科技专项调研，

关注AI、大数据等部署进展2025年7月，中国证券业协会在行业内启动券商分支机构信息科技工作专项调研，旨在全面梳理券商在分支机构信息科技建设、运维、安全等方面的实践经验与痛点，推动分支机构信息科技建设管理的标准化与效能提升。据悉，此次调研聚焦三大维度，内容涵盖券商分支机构信息技术的基础运营架构、技术应用与数据安全实践、制度优化建议。中期协规范期货经纪业务竞争依托AI视觉识别、物联网传感器、大数据分析等技术，检测流程正从“人工操作”向“自动感知”“智能决策”跃迁。据相关数据预测，2025年智慧实验室市场规模预计突破800亿元，年复合增长率达25%。CIT华测检测的AI智能审核系统，实现检测报告自动生成、风险预警，将工作效率提升40%；地表水智慧检测项目融合传感器与AI算法，实时监测水质并完成溯源分析。广东省药品检验所运用Deepseek-R1大模型，实现药品标准解析与数据分析智能化；IACheck通过“AI测”与“测AI”双向赋能，将检测报告合规性审核效率提升超80%，凭借标准化接口与联邦学习打破数据孤岛。期货市场程序化交易配套法规即将出炉中国期货业协会发布《期货程序化交易系统功能测试指引》等团体标准征求意见稿，明确接口适应性、风险阈值管理、应急处置等技术要求，推动程序化交易系统合规性与稳定性升级，防控异常交易及系统性风险。同时，《经纪业务不正当竞争行为管理规则》规范手续费全流程管理，杜绝“内卷式”恶性竞争，保障服务质量底线。期货行业发展趋势与投资机遇洞察报告发布8月14日，中国期货业协会联合毕马威发布《2025年期货行业发展趋势与投资机遇洞察报告》。报告指出，金融科技应用推动行业效率提升，AI投研平台使策略生成速度提升40%，区块链结算系统将跨境衍生品交易周期从T+2缩短至秒级。同时，报告警示中小期货公司在信息安全投入上的不足，建议建立“技术中台

+

数据中台”架构以应对勒索软件攻击风险。2025年

8

月

4日，中国期货业协会发布《期货公司经

纪

业务不正

当竞

争行

为

管理

规

则（征求

意见稿）》，向行业公开征求意见。此举旨在维护公平有序的竞争环境，防止“内卷式”恶性竞争，保障交易者合法权益，推动期货行业高质量发展。《规则》划定了规范边界，明确了不正当竞争行为定义，规范了手续费管理全流程，列明八类禁止性行为等。资讯聚焦中期协组织起草期货公司异构多活交易系统建设指南检测行业加速向“智慧检测”转型INFORMATION

FOCUS022025年7月，第四届证标委证券业务专业工作组（WG32）以视频形式召开2025年第一次工作会议。证监会科技监管司、证标委秘书处、组内专家，以及相关单位代表共40余人参加会议。与会专家围绕组内工作展开了讨论，并明确了下一步工作任务。会议强调，工作组要在有序推进标准建设和课题研究工作的基础上，进一步推动证券领域标准应用实施，切实做好已发布标准实施情况调研，发挥好标准支持监管、服务市场的重要作用。第四届证标委期货业务专业工作组（WG34）

召开2025年第二次工作会议近日

，

第

四

届

证标委期货业务专业工作组（WG34）在武汉召开2025年第二次工作会议。证监会科技监管司、证监会期货监管司、湖北证监局、期货业协会、证标委秘书处、组内专家，以及相关单位代表共30余人参加会议。会议强调，工作组要继续深入学习贯彻《关于加强证券期货业标准化工作的指导意见》《加强证券期货业标准化工作三年行动计划（2024－2026年）》等文件要求，推动相关行业标准的应用实施；要主动对接国际高标准市场规则体系，在积极采标国际先进标准的基础上，着力推动实施效果良好的国家标准、行业标准输出为国际标准，为全球证券期货标准化建设贡献中国智慧。第25届软件质量、可靠性与安全国际会议召开本次大会设置五大核心主题，覆盖AI质量新范式、AI+效能提升、AI+质量保障、游戏质量保障及淘宝AI+质量五大方向，深入探讨AI技术对测试领域的颠覆性影响与创新实践深港合作再添新篇香港综合基金平台面向市场提供核心服务7月3日，港交所和深交所合作建设的香港综合基金平台推出订单传递功能，正式面向市场提供核心服务。这是深港两所合作促进香港基金分销生态圈发展的重要成果。香港财经事务及库务局、香港证监会、港交所、深交所有关负责人出席当日服务上线仪式。上海清算所成功支持全球首单上海自贸区离岸债券发行的200多位专家学者和科研人员。大会设置了以“Next

25

Years

of

QRS:

Building

Resilient

Software

fortheFuture”为主题的高峰论坛，还围绕“Re-

thinking

Software

Quality,

Reliability,

and

Security

in

theEraofAIandLLMs”等主题展开研讨，并颁发了最有影响力论文奖和特别贡献奖。2025第十四届中国互联网测试开发大会7月12日在浦东举行7月16日至7月20日，第25届软件质量、可靠性与安全国际会议（QRS

2025）在杭州召开。本次大会由北京航空航天大学主办，吸引了来自全球各地资讯聚焦第四届证标委证券业务专业工作组（WG32）召开2025年第一次工作会议在中国人民银行的指导下，上海清算所于7月25 INFORMATION

FOCUS03深圳资本市场金融科技委员会近日举办第二届证券期货业网络安全技能竞赛决赛暨网络安全建设分享会，证监会科技监管司、公安部第三研究所、深圳证监局等单位相关人员及辖区机构代表参会。会上，各方就行业网络安全工作交流，强调提升保障能力、利用创新技术构建防御体系，加强行业合作，做好风险监测与应急处置。活动发布《深圳证券期货业网络和信息安全事件案例集》及《2023年深圳资本市场金融科技委员会研究报告选编》，

后者含17项课题成果，为行业发展提供借鉴。国信证券等机构专家分享了AI攻防、漏洞管理、大模型应用等实践经验。同步举办的AWD模式攻防赛决赛中，南方基金、国信证券、招商基金分获冠亚季军。金科委将持续推进辖区网络安全建设，助力资本市场高质量发展。国家网信办就H20算力芯片漏洞后门安全风险

约谈英伟达日支持中国银行香港分行成功发行全球首单上海自贸区离岸债券。该债券发行主体为中国银行香港分行，中银香港作为次级托管机构，引入多家境外投资者参与投资。首单上海自贸区离岸债券的成功发行，标志着离岸债券市场产品类型的进一步丰富，是上海国际金融中心建设的重要成果，也是上海清算所作为全国唯一一家总部设在上海的中央证券存管机构,加快推动上海自贸区离岸金融市场高质量发展、助力上海国际金融中心建设能级提升、多维度拓展人民币海外资产池的重要里程碑。深圳资本市场金融科技委员会举办第二届深圳证券期货业网络安全技能竞赛决赛暨网络安全建设分享会曝出存在严重安全问题。此前，美议员呼吁要求美出口的先进芯片必须配备“追踪定位”功能。美人工智能领域专家透露，英伟达算力芯片“追踪定位”

“远程关闭”技术已成熟。为维护中国用户网络安全、数据安全，依据《网络安全法》《数据安全法》

《个人信息保护法》有关规定，国家互联网信息办公室于2025年7月31日约谈了英伟达公司，要求英伟达公司就对华销售的H20算力芯片漏洞后门安全风险问题进行说明并提交相关证明材料。中国人民银行中国证监会发布《金融基础设施监督管理办法》近日，中国人民银行、中国证监会印发了《金融基础设施监督管理办法》，

自2025年10月1日起施行《办法》聚焦金融基础设施业务监管，健全金融基础设施运营、风险管理、公司治理等制度规则，明确系统重要性金融基础设施认定标准和宏观审慎管理要求，完善金融基础设施检查、处罚、恢复处置、退出等监管规定，实现金融基础设施监管标准统一

，为金融市场安全稳健高效运行提供基础保障。《办法》共六章三十七条，包括总则、设立、运营要求、监督管理、法律责任、附则。资讯聚焦7月31日，据21经济网报道，英伟达算力芯片被INFORMATION

FOCUS042025年7月，中期协就期货交易信息系统和程序化交易信息系统测试两项团体标准征求意见，旨在维护期货交易秩序和市场公平，指导期货公司规范开展相关测试工作。其中，《期货公司交易信息系统测试指引（征求意见稿）》针对合规要求、性能容量提出测试要求，明确测试指标与通过标准；《期货程序化交易系统功能测试指引（征求意见稿）》从接口适应性、异常监测等6个方面，制定了期货程序化交易系统的具体测试要求与通过标准。中证协就信息系统稳定性标准征求意见8月7日，中证协正就《证券行业信息系统稳定性保障体系标准（征求意见稿）》向行业征求意见。该标准旨在融合证券公司稳定性保障体系的最佳实践，建立数据驱动的稳定性保障工作模式与可量化的稳定性水平度量体系，构建“三位一体”的稳定性保障体系框架，包含组织保障、制度保障、过程保障等多方面内容，以此推动证券行业技术能力的数智化、规范化与协同化发展。《安全可靠测评工作指南（V3.0）》发布第十四届双态IT用户大会在浙江乌镇举行。本届大会以“AI管理与数据管理的金融行业升级路径”为核心，形成三大技术主线:AI评测标准体系落地:中国电子

标

准

院

发

布“

求

索

”AI

评

测

基

准

体系，包

括ASBench(系统性能测试)、LMBench(大模型评测。覆盖金融推理等12个维度)、AIM(AI管理能力评估)，首次针对金融行业设计反洗钱指令安全测试、理财产品合规生成等专属数据集，填补行业空白。大模型金融应用深化:金融机构实践从单点试验转向核心业务重构。工商银行推出“工银智涌”大模型，信贷审批效率提升40%;招商证券“招证天启”体系实现投顾响应速度提升3倍。国金认证提出“双级适配”模式(L1通用金融模型+L2机构定制模型)，平衡技术创新与合规风险。数据治理协同升级:金融行业DCM(数据管理能力成熟度)领先其他领域，75家机构通过评估，证券行业数据安全治理得分达92.3分。AIMM与DCMM协同成为新趋势，推动数据资产化与隐私计算应用。喷墨打印机搭载的主控芯片。安全可靠测评主要面向计算机终端和服务器搭载的中央处理器（CPU）、人工智能训练推理芯片（新增）、操作系统、数据库，以及激光或喷墨打印机搭载的主控芯片（新增）。双态IT用户大会定义金融AI测评新标2025年7月1日，中国信息安全测评中心更新了《安全可靠测评工作指南V3.0》，对比2.0版本扩充了CPU产品的测评品类：人工智能训练推理芯片以及激光或资讯聚焦中期协就期货交易系统测试标准征求意见 INFORMATION

FOCUS052025年8月，由全国网络安全标准化技术委员会归口的7项国家标准正式发布。标准具体内容如下：

GB/T

19714-2025《网络安全技术

公钥基础设施

证书管理协议》、GB/T19771-2025《网络安全技术

公钥基础设施PKI组件最小互操作规范》、GB/T20520-2025

《网络安全技术公钥基础设施

时间戳规范》、GB/T

31722-2025《网络安全技术

信息安全风险管理指导》、GB/T34942-2025《网络安全技术

云计算服务安全能力评估方法》、GB/T

45940-2025《网络安全技术网络安全运维实施指南》、GB/T

45958-2025《网络安全技术人工智能计算平台安全框架》。国家标准《信息技术政务服务码码系统接口要求》发布，并于2026年2月1日起正式实施7月30日，具身机器人在金融业务中创新应用与探索培训成功召开。培训讲师围绕具身智能机器人产业背景、技术路线与架构、金融应用场景以及未来发展展望等进行分享。培训结合金融机构实践，分享了具身机器人在迎宾接待、业务答疑、展厅讲解、交易引导、实物交付等领域的场景化应用；最后分析了具身智能规模化应用仍面临的伦理、数据、技术等方面的挑战。2025年8月，由TC28（全国信息技术标准化技术委员会）归口，由中国人民大学

、清华大学

、北京大学

、中国电子技术标准化研究院

等联合起草的国家标准《信息技术大数据跨域数据可信共享参考架构》发布，并于2026年2月1日起正式实施。具身机器人在金融业务中创新应用与探索信息技术政务服务码码系统接口要求》发布，并计划于2026年2月1日起正式实施。国家标准《信息技术大数据跨域数据可信共享参考架构》发布，并于2026年2月1日起正式实施设》研究报告。该报告对银行业未来五年的技能需求和发展趋势进行了全面评估。调查结果显示，97%的受访银行认为科技发展将成为未来主要增长动力，其中93%的银行特别强调了对AI技术相关技能的需求。2025年8月，由TC28（全国信息技术标准化技术委员会）归口，北京航空航天大学

、中国电子技术标准化研究院

、国务院办公厅电子政务办公室

、公安部第一研究所等联合起草的《GB/T

45957-2025资讯聚焦8月18日，香港金管局联合香港银行公会及香港银行学会共同发布了《2026至2030年未来银行能力建香港金管局等发布报告：银行应加大AI、可持续金融、跨境业务能力建设7项网络安全国家标准获批发布，并于2026年2月1日起正式实施INFORMATION

FOCUS06上海证券交易所与巴西证券期货交易所ETF互通合作取得新进展，巴西伊塔乌资产管理公司成功发行了跟踪中国A50ETF的基金产品，推动中巴两国资本市场合作持续深化。该巴西ETF跟踪的标的为在上交所上市的易方达中国A50ETF，其指数成份股覆盖中国A股市场核心龙头上市公司。通过ETF互通机制，巴西等美洲投资者能够高效投资中国优质资产，以更加便捷的方式分享中国经济增长红利。全球首个AI智能体安全测试标准发布7月14日，世界数字科学院（WDTA）已在联合国日内瓦总部正式发布AI

STR系列新标准《AI智能体运行安全测试标准》，标准由蚂蚁集团、清华大学、中国电信牵头，联合普华永道、新加坡南洋理工大学、美国圣路易斯华盛顿大学等二十余家国内外机构、企业及高校共同编制，为全球首个单智能体运行安全测试标准。该标准针对智能体跨越“语言墙”所带来的“行为”风险，首次将输入输出、大模型、RAG、记忆和工具五个关键链路与运行环境对应起来，构建了全链路风险分析框架；同时，细分了智能体风险类型，完善并创新提出了模型检测、网络通信分析和工具模糊测试等测试方法，弥补了智能体安全测试技术标准的空白。Manpower与Workday相继披露数据泄露事件8月15日，新西兰金融市场管理局（FMA）概述未来监管重点，包括促进创新、增强市场信心和保持高行为标准。执行董事克莱尔

·博林福德表示，监管机构希望与行业合作应对共同挑战，建立让投资者和消费者信赖的金融服务业，且监管应着眼未来而非仅应对过往危机。安联人寿140万客户数据遭窃，第三方云系统暴露安全短板7月16日，黑客通过社会工程学攻击入侵安联人寿北美公司使用的第三方云端CRM系统，窃取美国140万客户及员工的个人身份信息（含金融专业人士数据）。事件于7月17日被发现，安联紧急控制漏洞并通报联邦调查局（FBI），但未发现其核心保单系统被渗透，该问题凸显第三方风险，攻击直击供应链安全薄弱环节，黑客利用云服务商身份认证缺陷突破防线，暴露企业依赖外部系统的结构性风险。6月30日，上海证券交易所与哈萨克斯坦阿斯塔纳国际交易所签署合作谅解备忘录，进一步加强双方资本市场之间的业务合作与交流。英国金融行为监管局将大宗商品衍生品持仓头寸

限制设定权移至交易场所8月19日，全球人力资源公司Manpower及企业软件提供商Workday近日先后确认遭遇网络攻击，涉及的数据泄露事件引发广泛关注。两起事件虽发生在不同背景下，但共同凸显了社工攻击与第三方平台风险对企业数据安全的威胁。英国金融行为监管局（FCA）将于2026年7月起将大宗商品衍生品持仓头寸限制设定权移至交易场所，区别于欧盟现行的中央监管机构制定相关规则模式，标志着其监管模式从集中管控转向交易所自主决策。资讯聚焦新西兰金融市场管理局(FMA)瞄准人工智能、代币化和咨询访问等未来监管重点上海证券交易所与巴西证券期货交易所ETF互通合作取得新进展上海证券交易所和阿斯塔纳国际交易所签署合作谅解备忘录 INFORMATION

FOCUS07澳大利亚证券交易所已与东京证券交易所和富士通合作，为澳大利亚ETF市场提供RFQ平台服务。通过合作，富士通将基于东京证券交易所的CONNEQTOR系统开发该平台，此次发行有望带来电子交易创新，支持澳大利亚ETF市场发展。南华期货境外子公司率先完成LME香港交割仓库交割，助力提高香港大宗商品定价影响力2025年7月15日，南华期货境外子公司横华国际与HenryDiaper、外运香港，中金岭南成为香港首批LME仓单持有机构。自2022年以来，香港能源矿业与大宗商品联合会(HKEMCA)便携手行业伙伴展开持续协作，积极推动香港建设成为伦敦金属交易所(LME)交割枢纽。而横华国际成为香港首批LME仓单持有机构，既呼应了香港建设世界级大宗商品仓储中心的战略布局，也为南华期货境外业务布局在亚洲金属市场的深耕带来新机遇。国外多家证券交易所考虑延长交易时间2025年8月1日，美国证券交易委员会（SEC）宣布启动一个人工智能（AI）任务小组，SEC首席AI官Valerie

Szczepanik将领导该任务小组。鉴于AI的变革性潜力，该任务小组将推动加速AI集成，促进内部跨机构和跨学科协作，移除进步障碍，支持SEC各部门和办公室的创新，引领监管机构通过负责任地使用AI来增强其在运营中的创新和效率。美联储终止加密货币业务监管计划美东时间8月15日，美联储宣布终止2023年设立的“新型活动监管计划”，该计划曾用于加强对银行加密货币业务的监管，美联储表示，今后将把这部分监管工作纳入常规银行监管体系中。（以上资讯来自互联网）讨论，包括全天候运营或分阶段延长交易时段。相关讨论已被纳入新业务拓展的整体规划框架，涉及与监管机构及市场参与者的多边协商。技术可行性分析显示,系统升级成本及跨时区清算结算流程是主要挑战，目前已有多国的主流证券交易所考虑延长交易时间。美国证券交易委员会成立AI特别工作组资讯聚焦7月21日，英国《金融时报》报道，目前伦敦证券交易所(LSEG)正就延长交易时间的多个实施方案展开澳大利亚证券交易所、东京证券交易所和富士通合作开发RFQ平台INFORMATION

FOCUS08在此背景下，构建高效稳定的鸿蒙UI自动化测试体系成为保障项目交付质量与进度的关键。通过自动化测试将重复性、高强度的回归测试任务自动化，可使测试团队将80%的资源投入到创新功能验证，有效提升项目整体研发效能。二、方案选型（一）核心挑战在东莞证券鸿蒙NEXT原生应用UI自动化测试项目中，我们面临以下技术壁垒与不确定性：1、测试生态成熟度不足。鸿蒙NEXT是否有类似Android

UiAutomator2/iOS

WebDriverAgent的独立测试引擎，能否融入现有Android/iOS统一测试框架，技术路线存在不确定性。2、金融行业特性带来的业务测试挑战。工具是否存在复杂UI场景下的定位技术瓶颈，是否需引入OpenCV实现图像模板匹配，能否支撑高频交易多分支逻辑处理，在长流程执行效率、稳定性保障方面同样存在未知。3、系统版本碎片化引发的兼容性风险。期间鸿一、项目背景2024年，华为相继发布鸿蒙NEXT操作系统开发者预览版和正式版，鸿蒙系统生态进入全场景原生开发新阶段，成为继iOS和Android之后的全球第三大手机操作系统。随着"纯血鸿蒙"生态建设的推进，金融行业积极响应，各大券商纷纷投入鸿蒙原生应用研发，加速完成应用适配并上架鸿蒙应用商店。东莞证券掌证宝APP鸿蒙版研发项目于2024年获得首批原生鸿蒙应用上架认证，项目实施过程中曾面临多重挑战：1）时间紧迫：从需求确认到应用上架仅150天，需完成全功能开发与测试；2）迭代频繁：核心交易模块需完成5次重大功能迭代；3）技术复杂：HarmonyOSNEXT采用全新ArkUI开发框架，缺乏成熟测试方案与行业经验参考；4）测试量大：传统手工测试难以覆盖高频迭代产生的回归测试需求，测试人员日均执行用例量超200条。本文以东莞证券掌证宝APP鸿蒙版研发项目为背景，针对HarmonyOSNEXT原生应用UI自动

化测试面临的技术难题，深入剖析华为DevEcoTesting

Hypium框架特性，通过创新性地突破

其固有约束，实现自研自动化测试框架与Hypium核心能力的深度融合。基于分层模块化架构

设计，运用鸿蒙设备管理重构、标准化控件操作封装、pytest数据驱动等关键技术，成功构建

自主灵活的自动化测试体系。实践结果表明，该体系使核心交易模块回归测试效率提升80%，

测试覆盖率从75%提升至92%，为金融领域鸿蒙原生应用的自动化测试提供了可复用的工程化

解决方案。 EXPERT

PERSPECTIVE解耦与融合：鸿蒙NEXT原生应用UI自动化测试的创新落地实践朱逸峰、莫仕军、罗昕晖/东莞证券股份有限公司专家视角09蒙NEXT版本及API迭代频繁，可能导致测试脚本重构成本偏高。（二）市场方案分析通过调研GitHub、StackOverflow等技术社区发现，HarmonyOSNEXT作为新兴平台，其原生应用自动化测试方案稀缺，且方案普遍存在适配性差、扩展性不足等问题，无法满足东莞证券复杂业务场景的测试需求。（三）Hypium框架评估华为DevEco

Testing

Hypium(以下简称Hypium)作为专为HarmonyOS设计的UI自动化测试框架，具备以下核心优势：1、全链路支持：提供用例编写插件、控件识别、报告生成等一站式能力；2、操作便捷：支持通过BY.text()、BY.type()等语法快速定位控件，提供touch()、swipe()、input_text()等常见操作方法，以及host.check()、driver.check_-

component_exist()等断言机制(见表1)；表1：Hypium测试框架的核心API操作核心方法设备连接管理UiDriver()控件/窗口查找driver.find_component(BY.text())driver.find_component(BY.type().isAfter(BY.text()))

driver.find_all_components(BY.type())driver.find_window()……控件操作driver.touch()driver.swipe()driver.press_key()driver.input_text()断言host.check_true()driver.check_component_exist()driver.check_window()（四）方案创新突破1、现有方案痛点分析当前业内鸿蒙NEXT原生应用UI自动化测试多采用Hypium全链路方案，该方案虽可完成简单功能验证，但在数据驱动的复杂业务场景中，存在测试数据与逻辑强耦合问题，难以实现数据批量导入及结果统一分析，无法满足高频次、多维度的业务验证需求。以普通交易登录为例，业务要求手机号、身份证号、资金账号均可登录(见图1)：限制维度具体表现工程影响开发环境依赖依赖Pycharm及专用插件技术栈单一，限制团队协作

与工具链整合数据驱动能力仅支持静态模板参数配置无法满足金融交易场景动态数据需求框架兼容性封闭式工程结构设计难以集成到公司自研的测试管理平台3、生态适配：深度契合HarmonyOS原生应用，有效减少兼容性问题。然而，该框架在实际应用中也暴露出以下局限性(见表2)：表2：Hypium测试框架的局限性专家视角EXPERT

PERSPECTIVE图1：交易登录10若将模板工程中的driver=UiDriver()调用改为driver

=Ui

Driver.connect(device_

sn="your_de

-

vice_sn")，可实现：1、框架解耦：剥离Hypium与模板工程的强依赖关系，使测试代码可独立运行；2、三端统一：复用Android（UiAutomator2）、iOS

（WebDriverAgent）测试架构设计经验，构建跨平台测试引擎；3、生态融合：保留Hypium核心API和对ArkUI组件的精准识别能力。在此基础上，再结合pytest强大的数据驱动能力（详见下文“（三）关键技术实现→3、pytest数据驱动”示例），最终实现三端测试引擎的统一架构，从而显著提升测试框架的自主性和灵活性。二、工程实践（一）架构设计本项目采用分层模块化架构设计(见图2)：1、测试入口层：基于pytest管理测试用例执行，提供统一的测试入口；2、核心引擎层：统一封装三端测试核心逻辑，实现测试流程标准化；3、设备适配层：针对鸿蒙、Android、iOS平台实现差异化驱动，确保各平台兼容性；4、数据驱动层：通过pytest参数化实现动态测试数据注入，满足复杂业务场景测试需求。（二）工程结构本项目的测试开发脚本采用分层目录结构设计，遵循模块化、高内聚低耦合原则，确保代码的可维护性与扩展性。整体目录结构如下(见图3)：各目录功能说明如下：1、config目录：集中管理项目配置文件，包括设备连接参数、测试数据配置及pytest运行参数，便于快class

LoginTest(Testcase):#初始化def

init

(

self

,

config

s

):self

.

TAG=

self

.

class

·

name

Testcase

.

init

(

self

,

self

.

TAG

,

configs

)self

.

driver

=

uiDriver(

self

.

device1)#

创建UI驱动实例

,

用于后续操作设

备#测试前置步骤defsetup(

self):step('1.打开APP

进入交易'

)self

.

driver

.start

app('com

.

dgz9.zzb

','EntryAbility

')self

.

driver.wait

for

component(BY.

text('

交易

')).click()#

执行测试逻辑defprocess

(

self):step(

'2

.普通交易登录

')self

.

driver

.

wait

for

component(BY.

text('

账号

',Matchpattern.

CONTAINS)).inputText('xxx')输入账号(手机号/身份证号/资金账号

登录)self

.

driver

.

wait

for

component(BY.

text('

密码

',Matchpattern.

CONTAINS)).inputText('xxx')

并输入密码self

.

driver

.

wait

for

component(BY.

text('登录

')).

click()#

清理测试环境def

teardown(

self):step(

'3.关闭APP'

)self

.driver

.stop

app('com

.dgz9.zzb')2．创新解决方案受AndroidUiAutomator2和iOSWebDriverAgent独立测试引擎的启发，本方案尝试突破对Hypium模板工程的依赖，构建独立于单一框架的鸿蒙自动化测试体系。通过逆向工程分析Hypium核心类库，发现其UiDriver类作为UI测试的入口类，封装了设备连接、元素操作等核心能力。关键方法connect()定义如下：class

uiDriver(IuiDriver

,pluginMixIn)

:@classmethoddef

C·。·

nnect(cis

,C。nnect。r

s

"

hdc","kwargs

)

-

>

·uiDriver"

:@func

在非hypium

用例类中快速创建driver

,hypiuM

用例类中请使用

uiDriver(

self

.

device1)创建uiDriver

。默认连接第

一可用的设备@paraM

Connector:设备连接模式

,当前仅支持hdc@param

kwargs:

……device=device

connector

.connect

device(connector

,**kwargs

)

returncls

(device

,

**kwargs

)按Hypium模板工程编写自动化测试脚本，测试用例无法通过参数动态化输入（如手机号/身份证号/资金账号登录），需为每种场景编写独立的测试代码，导致代码冗余度高专家视角 EXPERT

PERSPECTIVE11图2：自动化架构设计测试入口层测试执行层核心引擎层设备适配层控件操作层数据驱动层鸿蒙设备驱动HypiumAndroid设备驱动UiAutomator2iOS设备驱动WebDriverAgent速调整测试环境。2、drivers目录：通过对Hypium、UiAutomator2、WebDriverAgent的封装，实现三端统一的设备操作接口。3、pages目录：采用PageObject模式，将页面元素与操作封装为独立类，降低测试用例与页面元素的耦合度，提高代码复用性。4、test_cases目录：按功能模块划分测试用例，结合pytest.mark.parametrize实现数据驱动测试。5、utils目录：提供通用工具类，涵盖数据处理、日志记录、报告生成等功能，支持跨模块调用。6、report目录：系统化管理测试报告相关文件，实现测试结果的可视化呈现、数据存储及历史备份。7、run_tests.py：作为测试执行的统一入口，通过命令行参数灵活控制测试范围、执行模式及报告输出路径。此目录结构有效分离了测试数据、驱动逻辑、页面操作与测试用例，支持团队协作开发，并为后续功能扩展和框架升级奠定基础。此外，针对跨平台融合的技术挑战，我们在工程设图3：项目工程目录计中以“底层驱动标准化、中层逻辑抽象化、上层应用通用化”为原则，将跨平台设备驱动动态适配体系与跨平台元素定位抽象引擎作为核心技术切入点，构建具备高扩展性的测试框架。下文将基于分层架构对业务流程的支撑，结合上述工程架构设计与普通交易登录业务场景示例，从技术实现维度展开深度解析。专家视角EXPERT

PERSPECTIVE12class

controlActions:@classmethoddef

find

element(cls

,by,

value

=

None

,

name

=

None):lookup

methods

=

{}#查找元素方法的映射表if

cls.

device

=

=

'harmony'

:lookup

methods=

{'text'

:lambda:cls.

driver

.

wait

for

component(BY.

text(value))

,'

textcontains'

:

lambda:cls.

driver

.

wait

for

component(BY.

text(value

,

Matchpattern

.

CONTAINS)),'id'

:

lambda:

cls.

driver

.

wait

for

component(BY.id(value)),

'xpath'

:

lambda:cls.

driver

.

wait

for

component(BY.

xpath(value)),'

type'

:lambda:cls.

driver

.

wait

for

component(BY.

type(value)),'text

type'

:lambda

:cls.

driver

.

wait

for

component(BY.

text(value).

type(name))}elifcls.

device=

=

'android'

:lookup

methods=

{}elifcls.

device=

=

'ios'

:lookup

methods

=

{}ifby

in

lookup

methods:returnlookup

methods

[by]()else

:raisevalueError(f

'Invalid"

by

"value

:

{by}

')四、总结与展望（一）实践成果东莞证券掌证宝APP鸿蒙版研发项目构建的UI自动化测试体系，通过技术创新与工程化落地，取得了显著的应用实效（见图4、图5）：1、核心交易模块测试效率大幅提升通过构建分层模块化架构及三端统一测试引擎，核心交易模块回归测试效率提升80%，测试周期从2.5天大幅压缩至0.5天，单日可支持12轮高频用例自动化验证，有效满足敏捷开发中“小步快跑”的迭代节奏，为研发团队争取到40%的联调时间窗口。效率提升的技术驱动因素如下：（1）分层架构的解耦效应通过

策略

模

式

封

装

不同

操

作

系

统（鸿

蒙

、

Android、iOS）的元素定位逻辑，提供统一的查找接口（如text/id/xpath），实现测试代码与底层平台的解耦，屏蔽各引擎（Hypium/UiAutomator2/WebDriver-

Agent）的实现差异：3、pytest数据驱动以上面普通交易登录改进后的测试代码为例，通过pytest.mark.parametrize实现参数化与数据分离，实现“一次编码、多场景验证”：login

data

=

[{'account'

:

'资金账号',

'password'

:

'xxxxxx

'}

,{'account'

:

'

手机号',

'password'

:

'xxxxxx

'}

,{'account'

:

'身份证号',

'password'

:

'xxxxxx

'}]@pytest

.mark

.p@pytest

.

mark

.parametrize('

test

case',login

data)@allure.story('登录用例')def

test

01

login(test

case):"""

普通交易登录

"""account=test

case[

'account'

]password=test

case[

'password'

]#

登录find

element('textcontains',账号

').inputText(account)find

element('

textcontains','

密码

').inputText(password)

find

element('

text','

登录

').

click()importwdaimport

uiautomator2as

u2fromhypiumimportuiDriverclassDriver

:@classmethoddef

get

driver(cls

,

serial

=

None):driver

=

Noneif

cls

.

device=

='harmony'

:driver=uiDriver

.connect(device

sn

=

serial)elifcls.

device=

=

'android'

:driver=

u2

.

connect(

serial)elifcls.

device=

=

'ios'

:driver=wda.

USBclient(

serial)returndriver（三）关键技术实现1、跨平台设备驱动动态适配通过抽象底层测试引擎，构建动态适配机制，可根据操作系统类型（鸿蒙、Android、iOS）智能加载对应自动化测试框架，实现多平台测试能力的统一调度与无缝切换：专家视角2、跨平台元素定位抽象引擎 EXPERT

PERSPECTIVE13图4:

自动化执行结果图5:

自动化执行结果明细②数据与逻辑分离：采用pytest.mark.parametrize实现参数化测试，以上面单场景用例覆盖多账号类型（资金账号/手机号/身份证号）为例，测试用例数量从36个精简至12个，用例维护成本下降66%。（2）三端统一引擎的性能优化①

测试用例与底层驱动解耦。通过Driver工厂类动态切换鸿蒙/Android/iOS驱动，避免为三端重复开发测试脚本，代码复用率接近40%，减少重复开发工作量

达

2

000

+行，维

护成

本

较传

统

独

立框架

降低30%，为多端协同测试提供了可复用的工程化模板。专家视角EXPERT

PERSPECTIVE14重构鸿蒙驱动的connect()方法，从打开APP到登录完成，耗时由15.6s降至9.6s（通过TCP长连接替代HTTP短连接），前置交易登录操作时长缩短近40%。（3）并发测试能力构建目前测试平台支持6台设备并行执行交易测试，单日测试吞吐量从300用例提升至1800用例。2、质量保障能力实现跃升测试体系覆盖从UI交互到交易逻辑的全链路场景，测试覆盖率从75%提升至92%，核心交易流程覆盖率达100%，并在首版应用上架测试中提前拦截21个交易逻辑缺陷，保障了应用的稳定性与可靠性。3、工程化推广价值本方案以鸿蒙Hypium核心API为技术底座，通过模块化架构设计实现“底层技术依赖、上层应用解耦”的灵活体系，既兼容Hypium生态，又构建独立于单一平台的行业级测试能力，可深度适配金融行业高频交易、多终端协同等核心需求，有效解决当前测试痛点，普适性显著。实践数据表明，该UI自动化测试体系不仅为掌证宝APP鸿蒙版的首批上架认证提供了关键支撑，更成为金融行业鸿蒙原生应用质量保障的经验示范性解决方案。（二）未来规划尽管

本项目

实

现

了自

研自

动

化

测

试

框

架

与Hypium核心能力的深度融合，构建了跨平台测试体系，但在工程化落地过程中仍面临技术瓶颈，需从以下维度持续优化：1、多设备并行执行用例技术攻坚当前测试框架暂未支持多设备动态分发用例并发测试，导致硬件资源利用率不足。后续计划引入基于分布式调度的测试框架（如结合Redis实现设备队列管理、利用Jenkins

Pipeline构建分布式执行环境），构建设备集群管理模块，实现鸿蒙、Android、iOS三端设备的并行调度与状态监控。2、三端代码工程一体化重构目前三端测试代码仍以独立工程形式存在，维护成本较高。未来将基于统一的跨平台框架底座，建立标准化接口层与差异化适配层，实现设备驱动、控件操作、数据驱动等核心模块的代码共享。通过抽象三端共性逻辑、封装平台特异性接口，减

少重复代码量，形成“一套代码、三端运行”的工程化体系。3、AI增强自动化测试体系构建将人工智能技术深度融入UI自动化测试框架，重点突破动态UI识别、智能用例生成、预测性测试三大场景，如引入YOLOv8目标检测模型与Transformer视觉架构，构建UI元素智能识别引擎；借助NLP模型，实现需求文档到测试用例的自动化生成；训练LSTM时间序列模型，根据历史测试数据预测测试结果，并实时监控系统异常（如交易卡顿、内存泄漏），实现从"规则驱动"到"智能驱动"的测试能力升级。通过上述技术升级迭代，项目团队致力于打造集“高效执行、工程化复用”于一体的下一代自动化测试平台，为鸿蒙生态及多端融合应用的质量保障提供更具前瞻性的解决方案。参考文献[1]华为HarmonyOS开发者指南.应用UI测试（基于python）[EB/OL].https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/hypium-python-guidelines.[2]pytest官方文档[EB/OL].https://docs.pytest.org.专家视角 EXPERT

PERSPECTIVE15一、当前接口测试现状传统模式下测试人员设计接口测试用例，一般是测试人员需要理解接口的定义，阅读接口文档，结合接口的参数属性和约束条件，根据经验人工设计用例，以验证接口在不同场景下的用户输入对应的预期行为和异常处理能力是否和预期设计保持一致。完成用例编写后，测试人员再结合接口执行工具执行用例，并检查执行结果，最后进行用例入库，整个过程需要依赖人力大量投入，自动化程度有限。二、大模型生成接口测试用例研究方向传统模式下的接口测试用例设计在效率、准确性和灵

活

性

方

面

都

面

临

诸

多

挑

战。大模

型（L

a

r

ge

Language

Model

LLM）在自然语言处理方面和数据处理能力比较突出，在各种应用场景中发挥出巨大的价值，为接口测试用例的生成提供了新的思路，结合传统接口测试用例的痛点，我们提出了一个基于大模型生成接口测试用例的方案，通过该方案的实施，不仅利用大模型实现了接口测试用例的自动生成，同时还和原有工作流程的无缝衔接，提升测试用例质量及编写效率。研究中，我们把大模型生成接口测试用例方法拆分成两步，第一步，大模型根据第一提示词要求，结合接口是系统前后端或者系统之间数据交互的重要部分，传统的接口测试，通常由测试人员基于

个人经验撰写测试用例，覆盖面受个人因素干扰比较大，且有时难以触及所有潜在边缘情况和

异常流程。基于大模型的强大的自然语言处理与文本处理能力，我们提出将大模型与接口信息

结合，实现接口测试用例自动化生成的方案。本文将从四方面进行探索：首先分析传统接口测

试的现状与痛点；其次提出基于大模型的接口自动化测试用例生成技术方案，分析核心实现逻

辑；接着通过实际案例对该方案进行效果展示，最后分析其优势与潜在挑战。接口描述、接口样例、接口属性及约束，业务规则生成测试用例概述；第二步，大模型根据第二提示词要求，结合第一步生成的测试用例概述，按照指定格式（一般指定为json格式）生成该用例对应的入参参数值。最后将用例对应的入参参数传入一站式自动化测试平台执行。以下是第一步调用大模型获取测试用例概述的代码简单实现：三、大模型生成接口测试用例实现思路目前广发证券自动生成测试用例使用的大模型是广

发私有化

部

署

的开

源

大

语

言

模

型

通义千

问Qwen2.5，大模型通过HTTPAPI提供访问服务。大模型生成用例服务部署在广发证券质量团队自研的一站式自动化测试平台上，一站式通过http接口调用大基于大模型生成接口自动化测试用例的探索黄丛珊/广东证券股份有限公司专家视角EXPERT

PERSPECTIVE16图1：大模型生成接口测试用例流程图执行加载参数约束测试用例参数属性及接口描述人工调整业务规则测试用例概述Step4：结合Step3的测试用例概述和接口参数样例，大模型按照用例入参生成的提示词要求，生成可执行的测试用例入参（一般为json格式）。Step5：用户对生成的测试用例概述和测试用例参数进行复核和人工调整，以确保生成用例的符合业务场景。调整后的测试用例可一键导入自动化测试用例库，方便后续回归测试。Step6：将Step5中生成的接口测试用例参数传递自动化测试平台，平台接收测试用例参数，结合接口默认的其他入参参数和用户选择的接口执行环境，自动化执行用例，并返回用例执行结果。四、大模型生成测试用例举例展示我们以某集中交易业务系统的接口为例，演示在自动化测试平台上如何利用大模型辅助生成接口测试用例。Step1：用户登录自动化测试平台，根据下拉选择测试接口，平台自动将接口的基本信息加载到表格中：模型的能力生成测试用例。以下是利用大模型自动生成接口测试用例的流程图以及关键节点说明：下面进行详细描述：Step1：平台加载接口基本信息，用户通过平台管理的接口筛选所测接口，获取接口的参数属性和接口描述，常见的参数属性包括：参数类型，参数描述，是否允许为空，是否必填，参数长度等；Step2：用户填写参数约束和业务规则；参数约束如取值范围限制、输入格式限制等等；业务规则指的是：这个接口设计层面需要遵循的一系列业务逻辑和约束条件，这些规则确保接口能够正确地处理业务数据。业务规则有助于大模型理解接口的含义，并生成符合业务逻辑的用例。Step3：将Step1和Step2信息组合后投喂给大模型，大模型按照用例概述生成的提示词prompt要求，生成多条满足不同测试场景的测试用例概述，测试用例概述是用来描述当前测试场景的一段描述。专家视角 EXPERT

PERSPECTIVE一站式自动化测试平台调整后测试用例概述接口基本信息接口参数样例人工调整例入参17LLMLLM图3：系统加载接口的基本信息图2：筛选需要生成测试用例的接口务规则有助于大模型理解接口的含义，并生成符合业务逻辑的用例。Step3：用户填写输入完成后，平台将：接口描述和参数属性、用户输入的参数约束以及业务规则，这三类数据组合，基于提示词要求，调用模型能力，生成测试用例概述，自动化测试平台提供一套默认的接Step2：用户自主选择接口中的重要测试参数，在接口参数表格中的“参数说明”处输入参数约束，如参数名称、参数取值范围、输入格式限制等等；接着用户在“业务规则”处录入业务规则，业务规则指的是：这个接口设计层面需要遵循的业务逻辑，这些规则确保接口能够正确地处理业务数据。业专家视角EXPERT

PERSPECTIVE18图4：用户录入参数约束图6：生成测试用例概述默认提示词图5：用户录入业务规则专家视角 EXPERT

PERSPECTIVE19图7：大模型生成测试用例概述口测试用例生成提示词，同时支持用户自定义提示词，默认的测试用例概述生成提示词如下（图6）：Step3执行后，大模型生成多个不同测试场景的测试用例，平台获取执行结果，经过简单数据清洗后，加载到自动化测试平台前端，用户可以对大模型生成的测试用例进行修改，以确保用例符合业务逻辑。Step4：根据调整后的测试用例概述，结合接口参数样例，结合生成测试用例入参的提示词prompt要求，大模型为测试用例概述对应生成测试用例入参（json格式），用户可对测试用例入参进行调整，以确保参数入参的准确性和适用性。生成测试用例入参的提示词prompt如下：你是一个测试用例生成器，用户会给你测试用例概述和接口参数样例，你需要生成且只生成一个满足用例描述的用于测试的参数，你的输出应该只包含当前测试的参数的参数值，且严格遵守用户所提供的样例的json格式，不要解释。接口参数样例是指，根据用户勾选的测试参数的参数默认值作为参数示例，格式为json，输入给大模型，然后让大模型通过one-shotlearning生成类似的测试用例来，以确保大模型的输出用例覆盖尽可能多的输入空间和场景。Step5：大模型生成测试用例后，测试人员可直接在平台展示的用例概述和用例入参进行细节微调（图9），以此确保测试用例的准确性和适用性。调试完成后，接口用例可直接在平台上自动化执行（图10），和原有的自动化测试流程无缝对接。五、大模型生成接口测试用例效果总结及展望通过上述示例，我们展示了大模型根据接口基本信息，结合参数属性和参数约束生成接口测试用例，单个测试

用例平均生成时间约1s左右，经

过人工评测，大模型生成的接口用例测试用例基本满足接口测试所需，预计对测试用例编写辅助提效20%左右。专家视角EXPERT

PERSPECTIVE20图8：大模型生成测试用例概述和用例入参图9：用例微调方式专家视角 EXPERT

PERSPECTIVE21当然我们在实践过程中也发现大模型也存在以下不足，大模型对用户输入数据的质量要求较高，在生成接口测试用例时，需要用户将接口信息、参数属性和参数约束基本信息等告知大模型；其次，即使我们通过提供格式要求、具体示例、业务背景等方式去有效约束大模型的输出，需要测试人员结合实际情况进行进一步调整。大模型为接口测试用例的自动生成提供了新的思路。未来，我们将聚焦大模型在测试领域的深度应用，通过提示词优化、工作流编排等方法，持续探索大模型在测试用例智能设计、自动化执行优化、缺陷预测与精准定位等核心环节的创新实践。通过构建智能化测试体系，充分释放大模型在需求分析、逻辑推理等方面的技术优势，实现测试流程的全链路提能增效，助力打造更高效、更精准的质量保障体系。

专家视角EXPERT

PERSPECTIVE图10：测试用例自动执行22一、证券期货行业压力测试现状：问题与挑战随近年来，证券期货行业数字化转型持续深化，高频交易策略得到广泛应用，交易数据实时处理需求呈爆发式增长，复杂业务场景持续拓展，这些都对核心交易、行情及结算系统的响应效率与容量提出了更为严苛的要求。目前，行业内系统仍存在订单延迟、积压等状况，这充分表明性能问题依旧是影响业务连续性的关键风险因素。在高度竞争的市场环境中，毫秒级响应延迟便可能影响交易决策，系统容量不足会直接导致业务中断，而架构层面的资源竞争更易引发重大经济损失与合规风险。在此背景下，压力测试已从传统的质量保障手段，演进为支撑业务稳定运行的核心技术保障。然而，行业在压力测试实践中仍面临以下诸多挑战：1.复杂场景覆盖不足：当前测试场景多聚焦于基础业务流程，缺乏对行业复杂链路、边缘场景及综合性风险场景的覆盖。这种覆盖度的缺失易导致难以有效识别系统潜在性能瓶颈，造成关键风险点的遗漏，为业务稳定运行埋下隐患。2.测试数据与生产业务特征契合度低：若测试数据与生产实际业务特征存在偏差，会导致测试结果无法如实呈现系统在真实业务场景下的性能表现，易出现“测试达标但生产出问题”的脱节现象。3.压力模拟与真实负载存在差异：传统压力工具模式单一，难以精准模拟生产环境中动态波动的压力曲线，导致测试结果无法真实反映系统在面对陡增压力时的性能表现，造成压测结果与系统实际表现存在偏差。4.结果分析深度有待提升：当前压测结果大多仅用于判断是否满足性能要求，缺乏对系统整体性能均衡性的综合评估及与行业先进水平的对标分析，对系统优化和决策制定的支撑作用有限。面对上述挑战，证券期货行业亟需对压力测试能力进行系统性升级。本文提出一套涵盖场景全面化、数据真实化、执行精准化、分析多维化四个维度的升级方案，旨在实现监管合规与风险场景的全覆盖、测试数据模拟的高保真、压力模拟的高精准，以及测试结果价值的深度挖掘。此方案为突破传统压力测试的瓶颈提供了系统性的解决思路，更为行业系统性能保障奠定了坚实基础。基于此，飞泰公司推出自主研发的新一代压力测试平台，该平台完整落地上述升级方案，从场景构建、数据模拟、执行控制到结果分析四个关键层面，筑牢系统稳定运行的技术基石，为证券期货市场稳健发展提供坚实屏障。二、证券期货行业压力测试升级：方法与实践本文聚焦证券期货行业压力测试领域，剖析数字化转型背景下，该领域在复杂场景覆盖、生产特

征数据模拟、高精准压力执行及深度结果分析等方面面临的共性挑战。大商所飞泰测试技术有

限公司依托新一代自研压力测试平台，推出行业压力测试升级方案，可全面满足行业主流交易系

统的压力测试需求，为机构系统稳定运行提供有力保障，助力行业测试水平整体提升。

EXPLOREAPPLICATIONS证券期货行业压测方案升级：基于新一代平台的解决方案赵馨璐、陈雪皎/大商所飞泰测试技术有限公司探索应用23吞吐率订单峰值吞吐率基础数据容量系统账户容量时延订单处理时延成交峰值吞吐率系统产品容量查询响应时延订单持续吞吐率系统品种容量登录响应时延成交持续吞吐率系统合约容量基本行情频率开户处理峰值吞吐率系统