Agentic QA:最大障碍为何不在代码
Agentic QA: Warum die größte Hürde nicht im Code liegt | heise online
Agentic QA 让 AI 智能体快速复现缺陷、分析组件、生成回归测试并提出解决方案,但缓慢的组织审批流程成为主要障碍。质量保障需从测试软件扩展到测试智能体的规划、工具调用与动态决策,并配套组织调整和明确护栏。
正文 · AI 翻译
一个智能体收到一份缺陷报告。几分钟后,它已经复现了错误,分析了受影响的组件,创建了回归测试,并准备好了解决方案建议。不久前还像是未来主义会议演示的场景,如今已在首批开发组织中成为现实。智能体编写测试用例、分析日志、维护自动化脚本,并为整个软件生命周期中的决策提供支持。
AI 智能体能在短时间内分析错误、生成测试并作出决策,从而让测试进入“超高速”状态。
然而,组织内缓慢的审批流程阻碍了这些测试方法发挥潜力。
Agentic QA 不仅需要技术调整,也需要组织变革,才能充分把握智能体时代的机遇。
但随之改变的不只是我们的开发方式,更重要的是我们保障质量的方式。因为在智能体时代,仅仅测试软件已不再足够,我们还必须测试智能体。而测试领域真正的转型,正是从这里开始。
使用 AI 实现测试自动化:智能体能发现缺口,却识别不了谎言
将结构化代码信号用作 Agentic QA 系统的导航辅助
智能体质量保障:建立对 AI 辅助测试的信任
从测试分析师到智能体团队:以明确护栏保障质量
如何保障 AI 应用和智能体的安全:超越测试金字塔
从生产环境中的评审智能体工作流汲取的经验
智能体已经完成任务,组织却还在开会
Jakub Kratochvil 是应用、云与体验(ACE)投资组合经理,负责 Sogeti 德国公司云与技术产品组合的战略发展。他专注于及早识别云、AI、数据和质量工程领域的新趋势,并将其转化为面向客户的解决方案。在此过程中,他将技术创新与具体的客户需求及商业潜力相结合。此外,这位出生于捷克的专家还经常满怀热情地就云、质量工程、AI 和数据发表演讲。
从测试软件到测试决策
几十年来,测试的定义一直相对简单:落实一项需求,指定一个测试用例,再通过断言检查预期结果。智能体系统的工作方式则有所不同。智能体会自主追求一个目标,规划中间步骤、调用工具、评估结果,并动态调整其做法。两个完全相同的输入可能产生不同的解决路径,但两者仍然都可能正确。这使得传统的测试理念走到了极限。
以上是我们的 heise Plus 文章《Agentic QA:最大障碍为何不在代码》的试读内容。订阅 heise Plus 后,您可以阅读全文。
Ofen 3 不仅能为住宅供暖,还会同时挖掘比特币,以期降低取暖成本。我们实际测试了这样做是否划算。
在秘密拍摄引发争议后,Meta 扩充了 Ray-Ban 产品线。我们测试了两款智能眼镜——一款没有摄像头,另一款配有显示屏。
无需订阅,没有广告:18 款实用的免费应用,涵盖离线导航、PDF 编辑器、库存管理乃至游戏合集。
Samsung、Google 等公司多年来一直在制造折叠屏设备。我们的测试揭示了 Apple 的 iPhone Duo 仍在哪些方面胜过 Android 竞争对手。
Apple 为 iMac 换上了新处理器:从 M4 升级为 M6。我们的测试展示了这一升级带来的效果,以及还有哪些变化。
古老密码的克星:Hill-Climbing 算法通过有针对性的试探,在几秒内计算出它们的密钥。
AI 热点