TID质量竞争大会分享议题丨构建AI Coding的质量反馈闭环：测试智能体的工程化实践

当 AI Coding、Vibe Coding 与研发智能体逐渐进入真实研发流程软件生产方式正在发生变化。代码可以被更快生成需求可以被更快拆解修复也可能被更快完成。但随之而来的一个关键问题是AI 生成的代码是否真的符合真实用户行为预期仅依赖代码检查、单元测试或让智能体进行自我验证已经很难覆盖真实应用中的复杂行为反馈。尤其是在多端应用、GUI交互、复杂业务流程和持续交付场景下质量反馈需要更加独立、真实、可解释。在本次 TID 质量竞争大会中腾讯 PCG 质效团队技术负责人张晔将带来议题分享《构建AI Coding的质量反馈闭环测试智能体的工程化实践》本次分享将围绕 AI Coding 时代下的质量反馈机制展开聚焦测试智能体如何从概念探索走向工程化实践。一、AI Coding 提速之后质量反馈成为新挑战AI Coding 正在改变研发交付节奏。代码生成速度变快之后质量验证不能只停留在“代码是否能跑”“单测是否通过”“智能体自己判断是否正确”这些层面。在真实业务中一个功能是否可用往往需要通过真实界面、真实操作路径、真实用户行为来验证。这也带来了一个新的质量问题当 Coding Agent 参与生成、修改和修复代码之后谁来对最终行为结果负责张晔的分享将聚焦这个问题AI Coding 不仅需要生成能力也需要一个独立、真实、可解释的外部行为反馈机制。二、测试智能体不是传统自动化脚本的简单增强本次议题中的测试智能体并不是把传统自动化测试脚本加上一层 AI 包装。它更像是一个面向验收目标的质量执行单元能够围绕目标完成理解规划感知执行判定恢复反馈也就是说测试智能体关注的不只是“执行一段脚本”而是能否围绕真实应用行为完成一次可验证、可解释、可追踪的测试过程。在这个过程中截图、日志、Trace、失败归因、风险判断等信息都可能成为质量反馈的重要证据。这些反馈也将进一步服务于 Coding Agent、PR、CI/CD 和质量平台让 AI 生成的变更不只是“被提交”而是能够被真实行为验证。三、本次分享有哪些看点本次议题将结合腾讯业务实践重点介绍测试智能体从 Demo 走向生产可用过程中面临的关键挑战。包括但不限于1. 目标理解测试智能体如何理解验收目标而不是机械执行固定脚本。2. GUI 感知面对真实应用界面智能体如何识别页面状态、交互对象和关键行为路径。3. 动作可靠性智能体在执行点击、输入、跳转等操作时如何提升稳定性与可控性。4. 结果判定执行完成之后如何判断结果是否符合预期而不是只看流程是否跑通。5. 失败恢复当页面异常、流程中断、元素变化或执行失败时智能体如何进行恢复与反馈。6. 多端适配在不同终端、不同应用形态下测试智能体如何面对真实工程环境中的适配问题。这些内容将帮助听众理解测试智能体要真正进入生产流程需要解决的不只是“能不能跑起来”更是能不能在复杂研发环境中提供可信质量反馈。四、从基础自动化到智能测试形成质量反馈闭环本次分享也将进一步探讨一种更现实的路径以基础自动化能力为底座结合智能测试能力逐步形成 AI Coding 的质量反馈闭环。在这个闭环中测试智能体可以为 AI Coding 提供更真实的外部反馈让每一次 AI 生成的代码变更都有机会被真实应用行为验证并形成可追踪的证据与归因信息。这对于 Coding Agent、PR 审查、CI/CD 流水线和质量平台来说都具有重要意义。它关注的不是单点工具能力而是 AI Coding 进入工程体系之后质量如何被持续验证、反馈和沉淀。五、适合谁来听如果你正在关注 AI Coding、研发智能体、测试智能体或质量平台建设本次分享会非常值得关注。尤其适合以下人群测试开发工程师自动化测试工程师质量平台负责人研发效能团队DevOps / CI/CD 相关团队正在探索 AI Coding 落地的研发团队关注智能测试工程化实践的技术管理者对于已经在尝试 AI Coding 的团队来说这场分享可以帮助大家重新审视一个关键问题当 AI 可以更快生成代码之后质量反馈机制是否也跟上了六、为什么值得关注AI Coding 的价值不只在于让代码生成更快也在于能否真正进入可控、可信、可持续的工程体系。而测试智能体的意义正在于为 AI Coding 提供一种外部的、真实的、可解释的行为反馈机制。它不是为了替代传统自动化测试而是尝试让 AI 生成的每一次变更都能够被真实行为验证、被证据化归因并持续反馈到生成、修复和发布过程中。在 AI 逐步深入研发流程的今天质量反馈闭环将成为 AI Coding 工程化落地中绕不开的一环。张晔将结合腾讯 PCG 质效团队的实践分享测试智能体在真实业务场景中的工程化探索与挑战。这场分享值得每一位关注 AI Coding 与智能测试落地的从业者认真听一听。