李庆泉-质量大模型及其在接口测试场景下的实践

大模型如何解决质量域问题

大模型具备赋能软件研发全流程的能力，包括需求文档、环境搭建、软件开发、质量测试等环节。在质量域下，大模型可应用于测试用例生成、测试断言生成、测试输入生成、质量知识查询、问答、故障定位/修复、线上问题总结分析等场景。大模型能够解决质量测试领域的问题，如测试覆盖率要求高、自动化难度大、人工成本高、全面准确地发现各种特殊情况与边界问题、经验密度大、业务特异性高等。质量测试领域呼唤质量大模型，通过LLMs作为知识中心、执行中心和服务中心，整合质量知识、业务经验、语言理解和质量工具调度，提升质量测试效率。

质量大模型的构建路径

质量大模型的构建路径包括数据构建、模型训练和部署应用三个阶段。数据构建阶段涉及非结构化数据和质量知识的清洗与增强；模型训练阶段包括继续预训练、指令微调和专业知识注入，以提升语言模型的多任务能力；部署应用阶段则通过端到端对话、检索增强问答和工具调用与执行等方式，实现大模型在实际场景中的应用。构建过程中需关注问题归因、数据飞轮、训练任务选取、指令构建、微调注意事项等关键点。

质量大模型在接口测试中的实践

接口测试的特点包括专业性、场景化和复杂性，对专家知识和经验要求高，人工成本和时间成本较高。质量大模型在接口测试中的应用包括校验点生成、业务知识问答和工具执行。校验点生成通过Prompt组装输入信息、推理步骤规范要求、任务所需的必要信息、接口名称、入参出参等，实现自动化校验点生成；业务知识问答通过知识文档知识分片爬取+切片嵌入模型工具向量库，实现知识增强问答；工具执行则通过对话形式调用工具，实现工作流开发工具集合的工具调度。

未来展望

未来，质量大模型将围绕“质量+大模型”的提效工作，开发垂类解决方案，构建大模型行业赋能框架。技术趋势包括浩如烟海的质量知识与业务经验、多样的质量任务、前置的问题发现、代码能力与问答能力的兼顾等。