把复杂的测试，
做成可靠的系统。

项目难点

在 iOS / Android / HarmonyOS 差异、账号与样张依赖、动态界面定位之间建立稳定的执行链路；同时明确 AI 判断与确定性执行的边界，避免生成结果无法运行、失败原因无法追溯。

我的贡献

• 主导平台从 0 到 1 的设计与开发，形成 Kakashi 编排层与 Kai 执行层分工；通过 Blockly 编排、YAML 导入和 Codegen 生成 Python 测试脚本，以 AppProfile 隔离应用及平台差异。
• 主导的平台封装账号登录、Mock 配置和样张打开等前置操作，通过 Git 管理用例资产与变更，支持单用例调试及批量回归。
• 通过 MCP / CLI 向外部 AI Agent 提供设备感知、用例操作、执行及失败证据查询能力，让智能体在明确的工具接口内完成操作，并依据实际执行结果判断下一步。
• 针对动态界面带来的定位失效，支持高置信度候选修补与重新验证，将截图和失败证据用于问题分析；存在歧义时保留人工或外部 Agent 判断入口。
• 结合 AI 测试工具调研，梳理界面感知、确定性回归与 Agent 探索的选型思路，从执行成本、稳定性和可调试性评估平台的扩展方向。
• 解决 WDA 等自动化依赖的批量构建与专用测试账号白名单问题，推进桌面打包、Python 环境内置及环境检测，打通业务接入环节。

交付与成果

• 完成预发行版本上线，覆盖 iOS、Android 与 HarmonyOS（鸿蒙）场景，提供真机调试、批量回归与失败证据追溯能力。
• 打通用例编排、脚本生成、多端执行和失败分析，形成可供业务团队及外部 AI Agent 复用的自动化入口。

项目难点

将分散的业务需求和测试经验转化为模型可理解的输入，约束生成范围，并建立用户反馈机制，持续改善用例的准确性、完整性与可用性。

我的贡献

• 从 0 到 1 主导用例生成模块设计，调研业务需求与模型能力，参与平台技术架构评审，明确使用场景与流程。
• 推动接入 OpenAI、Bard 等预训练大语言模型，将业务场景、测试范围与用例要求组织为提示词，结合用户用例和反馈迭代生成方案。
• 推动预发行版本上线及内测，收集 50 位参与调研用户对生成质量、使用体验和编写耗时的反馈。

交付与成果

• 交付预发行版本，组织 50 位用户参与内测调研，好评比例超过 90%，用户反馈用例编写时间节约 60%。
• 内测调研范围内，测试用例设计的人为遗漏率记录为 0。

项目难点

在不同业务线的交付节奏与质量要求之间建立统一基础标准，再通过流程、数据和单元测试工具推动实际落地。

我的贡献

• 从 0 到 1 独立负责国内个人事业部的质量前移落地，调研业务特点，以标准化流水线管控关键交付环节。
• 实施交付过程数据监控，结合业务迭代模式设计数据分析模型，为业务线提供质量评价与改进依据。
• 协调研发与质量效能负责人，共建场景化、标准化单元测试工具，以“二维单元测试框架”支撑研发侧交付。
• 协同多个事业部制定规范，组织培训与宣讲，推动产品、研发、测试形成共同的交付物标准。

交付与成果

• 协同输出 100 余份标准规范，培训及宣讲覆盖公司 100% 的事业部，为研发全流程提供交付参考标准。
• 项目获得 2022 年公司年度优秀项目，本人获得事业部新秀称号。

项目难点

随着工具数量增长，降低用户使用门槛和重复维护成本，打通平台间的数据流转。

我的贡献

• 主导多个大型版本的产品设计与交付推进，梳理用户需求及维护成本，分阶段优化体验较差、维护成本较高的功能。
• 引入质量前移工具，打通平台数据流，将测试数据集中处理和展示，贯通测试设计、执行与复盘。
• 推动 3.0 版本迭代及全公司推广，参与公司级资源整合和中台质效平台整合重构，继续承担平台迭代。

交付与成果

• 3.0 版本推广至全公司，中台及其他事业部用户反馈的好评比例为 85%，活跃用户超过 400 人。
• 完成与中台质效平台的整合重构。

项目难点

历史样张相关数据积累超过万亿条，业务特性强，需要兼顾数据清洗、业务筛选、按需分发与解析效率。

我的贡献

• 主导需求挖掘与分析，完成产品方案和数据流转设计，围绕业务需要建立集中管理与按需获取流程。
• 负责样张管理前端与解析服务开发，开展历史测试数据清洗，支持测试资源按需分发。
• 设计并实现 OOXML 样张解析方案，改善依赖 Windows API 的解析效率，支撑样张属性提取与业务使用。

交付与成果

• 完成平台上线和多轮迭代，提高资源分配效率、降低沟通成本，减少样张更新不及时导致的测试遗漏。
• OOXML 解析方案较 Windows API 方案效率提升 62%。

项目难点

把 PC 控件操作转化为稳定、易复用的公共模块，同时兼顾业务同事的学习成本与用例规模化应用。

我的贡献

• 独立负责 UIL 功能模块设计、编码与开发自测，基于 Python、PyQt、PyWin32 实现 Qt 控件定位和操作。
• 编写供业务用例复用的基类，支撑上线回归及 RC 测试，配套交付使用指引与操作培训。

交付与成果

• 独立交付 UIL 模块并推广至业务使用，支撑 1 万余条自动化用例复用基类、稳定运行。

项目难点

Flutter 控件可定位性不足，需要协同测试代码、客户端可测试性改造与持续集成才能稳定执行。

我的贡献

• 独立建设 UI 自动化，基于 Flutter Driver API 编写测试代码；协调研发为无法定位的功能补充 Key。
• 设计并开发 Jenkins 持续集成流程，完成核心冒烟场景自动化，使研发能够执行自动化自测。
• 在研发及测试人员支持下，规划回归测试用例并安排后续实施。

交付与成果

• 完成冒烟自动化交付，减少研发自测耗时，改善交付稳定性并降低重复测试工作量。
• 回归扩展方案预计可减少人员投入 50% 以上；该比例为规划阶段预估。

项目难点

统一对接 Web 与移动端自动化框架，将分散结果转化为可查看、可比较的数据，并管理阶段交付范围。

我的贡献

• 提出结果持久化与分析方案，独立承担平台前后端开发，对接现有 Web UI 和移动端 UI 自动化框架。
• 实现完整测试结果入库与多维展示，负责迭代排期和开发优先级管理。
• 为尚未完成的数据分析与建议功能制定后续实施计划。

交付与成果

• 阶段功能完成约 70%，已交付结果入库与多维展示。
• 数据结果分析与建议功能尚未完成，已明确后续排期与优先级。

项目难点

降低重复验证投入，完成从首批冒烟脚本到团队持续维护和扩展的交接。

我的贡献

• 负责 Web UI 与 App UI 自动化整体建设，独立搭建框架，完成首批冒烟用例设计和脚本编码。
• 将框架与脚本交付组员维护，协助后续脚本迭代及回归用例扩展，提高覆盖率。

交付与成果

• 完成用例设计、脚本开发与团队交接。
• 据测试组长反馈估算，冒烟和回归测试节约人力约 40%。

项目难点

跨 App、通信协议和硬件定位问题，整合既有测试方案，并验证后期算法缺陷修复。

我的贡献

• 承担中期测试，制定整合测试方案与计划，重写 Web / App 用例，覆盖软硬件联合功能及上下位机自动化。
• 协同研发优化 App 通信协议并联合硬件验证，配合软件主管开展代码审核与测试报告编写。
• 针对后期算法缺陷，配合软件工程师采集和分析后台数据，协助算法优化及修复验证，推进线上生产问题排查。

交付与成果

• 通过联合测试和修复验证，支撑产品如期上线及后续量产。
• 协助排除多项算法缺陷，推动线上生产事故排查与处理。

项目难点

在没有内部测试组的背景下，同步建立测试用例、软硬件联合验证流程与研发协作机制。

我的贡献

• 编写和维护 App、硬件端测试用例，执行软硬件联合功能测试，将软件测试方法用于产品质量把控。
• 配合软件主管开展代码审核与测试报告编写，协同研发处理问题，以项目实践支撑内部测试组建立。

交付与成果

• 产品成功上市，并持续开展固件与 App 升级迭代。
• 通过试点形成内部测试组参与产品质量保障的实践基础。