专场：OPPO智能测试探索
质量与效率是产品永恒的追求，在新兴业务快速孵化，智能化飞速发展，大规模DevOps时代，测试如何应对。本次结合OPPO实验室探索研究，分享交流智能测试技术能力建设之路。
专场出品人：邬超
OPPO 测试TMG主任
具备丰富软件工程及质量体系建设经验。当前重点负责测试工程技术体系建设及产品全链路质量看护体系构建，探索测试技术智能化及数字化变革。
冯张弛
OPPO 高级DevOps工程师
毕业于中山大学软件工程专业，2018 年加入 OPPO，服务于商业能力中心-互联网测试部-工程效能组，主攻编译流程、基础架构与 DevOps 流程方向的研究。在业务侧到平台侧均有丰富实操经历，视野全面。先后负责过小规模 DevOps 落地、类小程序质量保障、持续性能监控、编译流程改造与插件设计等工作。多年的国外开源项目/社区协作经验，深刻洞察主流研发流程中各个角色的不同需要与痛点。
擅长领域：基础架构、编译技术。
待定
待定
代码逻辑仓库x覆盖率：快速交付中的研发域共同语言
在 DevOps 越发流行的今天，持续交付作为一大热词在越来越多企业中被重复提起。在 OPPO 持续交付落地过程中，随着交付效率提升，迭代周期进一步被拆分缩短，质量保障工作迎来了巨大的挑战：成倍的版本带来了成倍的回归测试，也给质量团队带来了成倍的重复工作。而就国内产品为先的大环境来说，大量的重复工作依旧依靠人力来兜底进行。
削减人力换来的隐藏风险难以接受，但盲目膨胀人力伴随的高昂成本又会使投入产出比下滑，抵消掉艰难提升上来的研发效率。如何在交付效率与投入上保持好平衡并稳步前行，成为近年许多能效团队头疼的问题。我们在这一背景下建设了代码逻辑仓库，并深度融合覆盖率体系，将原本耗时占比大且投入产出较为模糊的 “研发灰色地带” 进行了有效量化，在保证安全的情况下，为人力的弹性伸缩提供了可能。并伴随着持续交付项目的延展，持续而全方位地赋能开发、测试、项目等不同角色。
削减人力换来的隐藏风险难以接受，但盲目膨胀人力伴随的高昂成本又会使投入产出比下滑，抵消掉艰难提升上来的研发效率。如何在交付效率与投入上保持好平衡并稳步前行，成为近年许多能效团队头疼的问题。我们在这一背景下建设了代码逻辑仓库，并深度融合覆盖率体系，将原本耗时占比大且投入产出较为模糊的 “研发灰色地带” 进行了有效量化，在保证安全的情况下，为人力的弹性伸缩提供了可能。并伴随着持续交付项目的延展，持续而全方位地赋能开发、测试、项目等不同角色。
1. 背景：持续交付与遇到的问题
2. 持续交付 in OPPO 互联网
o 高频交付的痛
o 小组协作流的解构、化归
信息传递过程的成本
质量评估的有效性
3. 探索：由浅入深与逐一击破
o 从覆盖率开始，量化测试范围
o “没有银弹”，覆盖率使用上存在的问题与误区
o 摸着 google 过河
o 带来的启发、洞见、与代码逻辑仓库的诞生
4. 体系：流程互融与平台化
o 代码逻辑仓库如何赋能全局
o 信息传递过程的成本优化
需求链路图：代码 → 方法 → 需求
减少分析成本：多维度高亮的图可视化
减少漏判：智能 CR 与上下游溯源
o 质量评估的有效性洞察
测试可观测：全天候用例全景图
用例健壮度：需求维度的故障注入
单测辅助：流量驱动的单测辅助、生成
5. 效果与展望
o 实际落地效果
o 代码逻辑仓库的未来演进
2. 持续交付 in OPPO 互联网
o 高频交付的痛
o 小组协作流的解构、化归
信息传递过程的成本
质量评估的有效性
3. 探索：由浅入深与逐一击破
o 从覆盖率开始，量化测试范围
o “没有银弹”，覆盖率使用上存在的问题与误区
o 摸着 google 过河
o 带来的启发、洞见、与代码逻辑仓库的诞生
4. 体系：流程互融与平台化
o 代码逻辑仓库如何赋能全局
o 信息传递过程的成本优化
需求链路图：代码 → 方法 → 需求
减少分析成本：多维度高亮的图可视化
减少漏判：智能 CR 与上下游溯源
o 质量评估的有效性洞察
测试可观测：全天候用例全景图
用例健壮度：需求维度的故障注入
单测辅助：流量驱动的单测辅助、生成
5. 效果与展望
o 实际落地效果
o 代码逻辑仓库的未来演进
内容大纲
1. 分别从实际研发中的不同角色出发，解构当前在持续交付大背景下质效团队面临的共性挑战与问题
2. 清晰了解 OPPO 内部是如何针对 “研发灰色地带“ ，利用代码逻辑仓库与覆盖率解决具体问题与提效
3. 站在全流程的角度，了解我们的解决方案如何与研发体系融合，产生具体的价值
2. 清晰了解 OPPO 内部是如何针对 “研发灰色地带“ ，利用代码逻辑仓库与覆盖率解决具体问题与提效
3. 站在全流程的角度，了解我们的解决方案如何与研发体系融合，产生具体的价值
听众收益
韩秉权
OPPO 高级测试工程师
11年硬件开发/测试经验，熟悉智能终端硬件系统架构，主导OPPO Air Glass硬件架构设计，对测试技术理论有一定的理解和认知，完成公司3款以上XR设备测试验收工作
目前主要负责OPPO XR设备测试测评，在XR光学显示、6DOF、用户体验&人因有一定的实践经验。
目前主要负责OPPO XR设备测试测评，在XR光学显示、6DOF、用户体验&人因有一定的实践经验。
擅长领域：
硬件系统设计、测试方案设计、标准制定。
待定
待定
XR测试技术探索与实践
当前XR行业属于技术发展初期，产业链的硬件＋系统＋内容设计处于探索期， 对于XR关键技术6DOF、光学显示测评方法没有统一标准，分享内部的一些经验实践，同时也希望和更多的行业伙伴进行技术交流，共同促进XR测试规范的完善。
了解XR技术原理及基础框架，理解关键测试技术（光学、6DOF）的痛点问题，提升XR测试技术认知，逐步建立和完善XR的测试标准与规范。
听众收益
1. XR技术原理介绍
1.1 XR定义
1.2 XR技术框架
1.3 XR光学方案及6DOF技术介绍
2. XR测试技术架构与痛点
2.1 XR测试架构
2.2 XR测试维度
2.3 XR测试痛点及问题
3. XR 测试技术案例分享
3.1 XR光学测试案例分享
3.2 XR 6DOF测试案例分享
1.1 XR定义
1.2 XR技术框架
1.3 XR光学方案及6DOF技术介绍
2. XR测试技术架构与痛点
2.1 XR测试架构
2.2 XR测试维度
2.3 XR测试痛点及问题
3. XR 测试技术案例分享
3.1 XR光学测试案例分享
3.2 XR 6DOF测试案例分享
内容大纲
舒强
OPPO 测试架构师
2009年毕业于南昌大学信息工程学院，现任职OPPO测试架构师，一直从事终端研发测试工作，涉及软硬件测试。
擅长领域： 测试方案、策略、用例、标准、自动化设计; 用户画像研究; 埋点与大数据研究。
擅长领域： 测试方案、策略、用例、标准、自动化设计; 用户画像研究; 埋点与大数据研究。
待定
待定
终端无人测试实验室的建设之路
要解决的问题：能效提升、标准固化、系统管理
痛点：人工操作不统一、人力成本需要优化、任务与资源管理不清晰、数据波动大
思考的方向：智能化、IT化集一体的系统设计实验室
痛点：人工操作不统一、人力成本需要优化、任务与资源管理不清晰、数据波动大
思考的方向：智能化、IT化集一体的系统设计实验室
内容大纲
1. 终端测试实验室的历程
2. 终端测试实验室的现状
3. 终端无人实验室的概念设计
4. OPPO终端无人实验室的雏形设计
5. 终端无人实验室的发展
2. 终端测试实验室的现状
3. 终端无人实验室的概念设计
4. OPPO终端无人实验室的雏形设计
5. 终端无人实验室的发展
听众收益
1. 实验室规划时的方案参考
2. 实验室软硬件设备参数考虑维度参考
3. 实验室平台能力考虑参考
4. 实验室收益评估维度参考
2. 实验室软硬件设备参数考虑维度参考
3. 实验室平台能力考虑参考
4. 实验室收益评估维度参考
贾琳玉
OPPO 测试架构师
现就职于OPPO，担任测试架构师，多媒体领域TSE。
曾任职于小米，担任核心器件测试技术主管，项目TSE等职务。多年软件测试技术研究和项目经验，主导多个大型测试能力0-1的建设和全面落地。
曾任职于小米，担任核心器件测试技术主管，项目TSE等职务。多年软件测试技术研究和项目经验，主导多个大型测试能力0-1的建设和全面落地。
擅长领域：多媒体/测试设计/底层软件/大数据等。
待定
待定
算法辅助端侧测试设计与测试结果检测的落地实践
1. 随着业务需求的增长，在研发周期不变的前提下，高质量快速交付测试设计和用例成为了业务的核心痛点；为了提高测试设计质量和效能，引入了基于MBT的测试设计和用例自动生成工具。
2. 移动端的花屏异常，问题来源复杂，问题出现概率低，问题场景非常随机，面对复杂多样的缺陷来源和路径，传统的测试方法不管是测试效能还是质量均已经无法满足；为了提高花屏缺陷拦截率、降低人的参与，引入了AI花屏检测算法做缺陷处理，包括测试场景的构造，端云测试链路打通，检测算法部署等。
2. 移动端的花屏异常，问题来源复杂，问题出现概率低，问题场景非常随机，面对复杂多样的缺陷来源和路径，传统的测试方法不管是测试效能还是质量均已经无法满足；为了提高花屏缺陷拦截率、降低人的参与，引入了AI花屏检测算法做缺陷处理，包括测试场景的构造，端云测试链路打通，检测算法部署等。
1. 测试智能化的行业应用
2. 基于MBT的测试设计&用例自动化生成实践
3. 花屏自动化检测的实践
4. 思考、未来展望
2. 基于MBT的测试设计&用例自动化生成实践
3. 花屏自动化检测的实践
4. 思考、未来展望
内容大纲
讲述如何通过建模做用例和脚本的自动生成，显示异常缺陷如何通过AI的方法自动识别，从而提升产品质效的实践过程，为听众提供多种测试智能化应用的建设和落地思路。
听众收益
涂勇军
OPPO 高级软件测试工程师
从事软件测试及管理工作十余年，先后从事数据通信、云计算、大数据、AI算法等相关领域测试，现任职OPPO，负责视觉理解方向算法测试。
待定
待定
端侧AI算法评测之实践
随着智能终端普及和AI算法的广泛使用，大量应用给人们带来了智能化的感受，但是AI算法的不确定性也给使用者带来了一些困扰；高频使用的智能终端涉及生活的方方面面，如何从AI算法的不确定中找到确定性，对于算法测试来说，是一个非常有挑战的问题，比如数据如何贴近用户，指标怎么反应用户体验等等。
内容大纲
1. 端侧算法测试特点
1.1 端侧算法的独特性 —— 算法多样、场景开放、用户高感知
1.2 端侧算法测试痛点 —— 反馈周期长、可解释性差、可复现性低、隐私安全
1.3 端侧算法测试做什么 —— 从不确定中寻找确定性
2. 测试实践与探索
2.1 需求分析 —— 通过实例了解算法需求分析
2.2 指标建设 —— 指标如何反馈场景，贴近用户
2.3 数据构建 —— 数据如何贴近用户？长尾问题？
2.4 评测工具 —— 评测效能提升的工具建设
2.5 探索实践 —— 数据增广探索、测试充分性探索、弱监督方法探索
3. 回顾与展望
1.1 端侧算法的独特性 —— 算法多样、场景开放、用户高感知
1.2 端侧算法测试痛点 —— 反馈周期长、可解释性差、可复现性低、隐私安全
1.3 端侧算法测试做什么 —— 从不确定中寻找确定性
2. 测试实践与探索
2.1 需求分析 —— 通过实例了解算法需求分析
2.2 指标建设 —— 指标如何反馈场景，贴近用户
2.3 数据构建 —— 数据如何贴近用户？长尾问题？
2.4 评测工具 —— 评测效能提升的工具建设
2.5 探索实践 —— 数据增广探索、测试充分性探索、弱监督方法探索
3. 回顾与展望
听众收益
通过端侧算法测试的一个案例，重点分享算法数据构建、评测工具、评测探索等实践经验，在不确定性中寻找确定性，增强过程的可解释性，提升算法可信度。
关注QECon公众号
议题投稿
Speaker@qecon.net
票务联系
15901265561 小娟
媒体合作
13516196409 皮皮
商务合作
15122643988 木子