大家所在公司在測試領域都有哪些 AI 方面的實踐？有哪些已經產生了不錯的效果？對於 AI 提效/帶來新的保障手段信心如何？

先拋磚引玉下，我們團隊今年在 AI 方面主要的實踐方向、挑戰和基本成果如下：
1.功能用例生成
方案：基於產品需求和 prompt 生成功能用例（相關功能已整合到用例管理平臺）
困難：
1).需求本身的質量（一句話需求、碎片化需求）
2).PRD 文件形式各異（原型圖中標註、簡單的截圖示註等，需要 QA 人為轉換為文字才能生成用例）
效果：
1).相對通用的需求（業務領域相關性弱），用例生成質量尚可
2).整體收益看鑑於需求本身的質量、即便提供了業務知識庫的情況，效率和效果也談不上有提升

2.介面自動化用例生成
方案：基於介面文件 + 介面框架知識庫 +prompt 示例
效果：
1）介面文件規範性足夠好的話，仿寫的效果還是可以的
2）整體收益看，在有大量介面需要生成用例模版的背景下，效率上還是有所提升的
困難：
1.生成的用例資料部分仍需要手工替換（對於業務資料的依賴，這點 AI 似乎無能為力）

3.程式碼掃描
方案：針對歷史線上問題，梳理出研發易犯錯的程式碼問題，形成檢查規則（同時會搭配開源掃描工具使用），整合到流水線結合程式碼 DIFF 和大模型對程式碼進行 check
效果：
1）.成本低，收益還是可以的（目前主要應用在 C++ 專案上）
困難：
1）.增量程式碼往往缺少上下文，會導致出現漏檢的情況
2）.生成的報告每次需要人工 check 排除干擾

4.測試報告生成
方案：
1）.重點讓 AI 基於 BUG 資料進行資料分析，給出風險提示和分析結果
效果：
1）.由於給 AI 提供的資訊有限，生成的結論比較泛，仍需要加入人為的分析結論

5.其它還有 AI 需求分析、需求評審、資料庫表設計評審等