从“末端拦截”到“主动自治”：第11届 AiDD峰会 深圳 | “AI+质量闭环”线

在人工智能技术迅猛发展的当下，为了帮助企业在人工智能的浪潮中抓住机遇，“AI+研发数字峰会（AiDD）”应时而生，致力于协助企业利用AI技术深化计算机对现实世界的理解，推动研发进入智能化和数字化的新时代。AiDD峰会是兼具专业性、专注性、全面性与前瞻性的顶级 AI 数字峰会。

第11届 AiDD峰会深圳站共设五大条线，分别是“AI+开发”、“AI+测试”、“AI+质量闭环”、“AI+工程效能”、“AI+出海”线。其中“AI+质量闭环”线精心策划了三大论坛，涵盖OPPO专场：从工程到实践-探索智能化交付破局之路、SDD落地实践与规约工程、Harness驱动的质量闭环，汇聚了众多AI领域的顶尖专家与前沿成果，包括OPPO、瓴岳科技、网易智企、腾讯、中兴通讯、微众银行、安势信息等顶尖企业，为参会者带来了一场思想碰撞与技术盛宴。

▼

论坛出品人：邬 超（OPPO 测试技术TMG主任）

本专场聚焦AI大规模研发模式下的智能化探索。直面新质生产力体系下的业务变革，推动质量保障模式向全链路智能决策体系升级。OPPO 一线技术专家将深度分享业务智能进化能力、智能ROI管控，以及智能质量保障体系的落地经验，探讨智能业务落地的实践路径。

—— 张兆鑫 ｜ OPPO 测试架构师

内容亮点：

• 分层组织：将术语、规则、路径、代码和缺陷分层组织，破解业务加速下知识“散、慢、旧”的难题。

• 场景装配：在测试设计、执行、分析等流程中按需装配知识，让知识库从被动“查文档”升级为主动“懂场景”。

• 自进化飞轮：通过知识缺口发现、自动更新与反馈回流，让知识越用越准、越全，并以业务增益持续检验体系价值。

 听众收益：

• 理清知识从散落到成体系的路径，形成可引用、可追溯的知识底座。
• 学会让知识进入真实作业流程，掌握通过反馈回流让知识飞轮转起来的判断标准与落地方法。

2. 《Agent“体检中心”让评测可度量、可信》

—— 刘盾 ｜ OPPO 高级算法测试工程师

 内容亮点：

• 范式升级：推动 Agent 测试从传统的“固定 Case 构建”向系统化的“测试知识构建”演进。

• 可信评测体系：围绕测试空间建模、组合覆盖与分层采样，结合 LLM Judge 校准与统计置信分析，保障评测结论的科学性。

• 知识闭环：将用户行为、能力模型、评价标准与测试结果沉淀为可复用、可持续演进的评测知识资产。

 听众收益：

• 理解 AI Native 时代 Agent 评测从 Benchmark 转向“能力空间与测试知识构建”的新范式。
• 掌握基于真实用户行为的测试集构造方法，以及 Rubric、Golden Set、置信区间等 LLM Judge 可信评测关键技术。

3. 《免测场景下AI驱动的需求影响分析》

—— 利满雯 ｜ OPPO 高级测试开发工程师

 内容亮点：

• 风险左移：直面 AI Native 交付提速带来的“免测需求”验证债，将风险识别前置到实现阶段。

• 四阶段方法论：工程化落地“基线冻结 → 影响识别 → 风险评估 → 测试建议”框架，AI 辅助分析，人类复核确认。

• 全链路闭环：探索风险台账、执行回写与证据准出，对接执行手段消解风险，收敛免测需求线上逃逸率。

 听众收益：

• 建立免测场景下风险左移的质量意识，掌握 AI 驱动需求影响分析的四阶段方法论。
• 获取风险左移能力嵌入研发交付链路的工程化路径，明确“AI 驱动分析、人负责证据复核”的协同边界。

4. 《走向变更驱动的 AI Native 主动质量自治》

—— 吕伟国 ｜ OPPO 测试工程团队负责人

 内容亮点：

• 全链路协同：构建智能设计、智能执行、缺陷智能流转、数据智能分析四大 Agent 串联协作体系，从末端拦截走向主动治理。

• 三大范式迁移：智能执行从“脚本驱动”走向“意图驱动”（自然语言+视觉理解+功能树反馈补偿）；缺陷流转依托知识图谱实现双前移；数据分析实现“信息找人”，支撑 PM 决策。

• 四层技术栈：知识建模 → 感知理解 → 智能引擎 → 自进化（反馈补偿与数据知识双飞轮）。

 听众收益：

• 看清复杂需求场景下质量失效的真因与多 Agent 协同主动治理的破局方向。
• 掌握功能树沉淀业务语义、知识图谱串联需求到责任人的体系设计思路，以及从感知到执行的关键技术选型参考。

论坛出品人：王 一（中兴通讯有线研究院 需求 AI 应用负责人）

本论坛聚焦智能体时代的需求表达与规约设计，讨论如何把模糊自然语言转化为可执行、可验证、可追踪的工程输入。论坛将围绕需求结构化、各种层次的规约定义、闭环校验、业务规则约束、技术债治理等主题展开，探索从业务意图到软件交付的可靠路径。听众将掌握面向AI编码时代的规约工程与SDD实践方法。

1. 《SDD 驱动下的质量工程建设》

—— 徐实 ｜ 瓴岳科技 测试总监

 内容亮点：

• 范式重构：测试团队从「独立 Test Agent」转向「嵌入研发流程的 Verify in SDD」，弥补正向 SDD 链路中 LLM 概率性幻觉带来的失真。

• 自修复闭环：集成 Test Case Agent 与 Verify Agent，通过 Impl-loop 打通 Implement → Verify 的自修复流程，在人工 Review 前实现问题闭环。

• 测试资产一等公民：测试即代码，沉淀 Repo Test Harness，为 Coding Agent 构建明确 What/Where/How 的可执行环境。

 听众收益：

• 看清测试团队演进路径，掌握构建并完善嵌入研发工作流的 Verify 改进闭环。
• 带走 Impl-loop + Test Harness 的设计要点（Generator/Evaluator 对抗分离、验证组合）及运营评测闭环方法。
• 明确测试同学在岗位融合下的新价值：从手工测试转向设计测试策略、构建执行环境与 Feedback 效果运营。

2. 《SDD和CodeWave NASL融合重塑AI研发流程》

—— 姜天意 ｜ 网易智企 CodeWave 技术负责人

 内容亮点：

• 降熵之道：用 Spec Driven 引入形式化约束，解决 Vibe Coding 缺少必要约束、质量不可控的核心痛点。

• 驾驭工程：通过渐进式上下文披露、沙箱隔离（Bubblewrap）等马具工程设计原则，保障长程任务运行的稳定性与准确性。

• 数据驱动迭代：建立 AI 功能的 Benchmark 体系，以 No Data No BB 理念支撑 AI Infra 与评测平台的微调闭环。

 听众收益：

• 深刻理解 Spec Driven 解决 AI Coding 不受控问题的思考与实践路径。
• 掌握大规模需求管理的需求工程思路，以及复杂 AI Agent 的 Harness engineering 实战经验。

3.《领域驱动，规范落地：SDD 融入 DDD 架构设计》

—— 孔炜 ｜ 中兴通讯 AI教练

 内容亮点：

• 理念深度融合：打破传统壁垒，探讨 SDD（规格驱动开发）与 DDD（领域驱动设计）的有机结合，用严谨的领域模型约束 AI 代码生成的边界，防止架构腐化。

• 规范无损传递：分享如何将业务领域的“限界上下文”“聚合根”等核心概念，转化为 AI 可精准理解的标准化 Spec（规格说明），实现从业务语言到技术实现的无缝衔接。

• AI 辅助架构落地：结合 AI Coach 实战，展示如何利用智能体辅助进行领域建模、代码骨架生成与架构一致性自动校验，大幅降低 DDD 在复杂系统中的落地门槛。

 听众收益：

• 掌握一套 SDD 与 DDD 结合的落地方法论，有效解决复杂业务系统在进行 AI 辅助开发时的架构失控问题。
• 学习将隐性领域知识转化为 AI 可执行 Spec 规范的实战技巧，显著提升 AI 生成代码的业务契合度与可维护性。
• 获取 AI 教练在研发流程中辅助架构设计、规范检查与团队赋能的真实落地经验与工具链参考。

论坛出品人：罗 慧（腾讯 质量管理通道委员/资深质量专家）

本论坛聚焦通过Harness构建AI Agent可控执行框架，解决自主运行带来的安全、合规与稳定性问题。论坛将讨论沙箱隔离、质量门禁、知识注入、反馈回路、风险约束、持续治理等主题，强调如何让Agent在边界内输出高质量的代码、测试用例等，并保留可审计性。听众将理解如何搭建“人定目标、Agent执行、系统把关”的质量闭环。

• 资金红线模型：以 L1-L4 四层约束结构（动帐类型→资金要求→测试要求→测试目标）定义 AI 的能力边界，而非由模型能力定义。
• 双阶段可信防线：Phase 1 AI 自测（解决“有没有测”） + Phase 2 资金门控（状态机+业务规则强制校验，解决“测得够不够”）。
• 知识工程转型：将领域安全规则编码为可传承、可度量的工程资产，重塑质量工程师在 AI 时代的守护价值。

• 拿到可直接迁移至资金、风控等高敏感场景的 L1-L4 四层约束模型框架。
• 通过万级用例迁移与支付规则门控真实案例，看清 AI 辅助研发中“人机协作的分工底线”。
• 获得从“经验驱动”到“知识工程”的质量转型新视角。

• 打破“一刀切”：依托业务架构解耦建立统一需求分级标准，设计两级分流机制（标准化需求智能体自治交付，复杂需求人机协同）。
• SOP 资产化：将各环节 SOP 沉淀为可复用 Skill，借助工程化编排框架让智能体真正嵌入研发主流程，消除冗余环节损耗。

• 获得“需求分类流转 + 冗余流程精简”的流程重塑方法论，学会按需求复杂度设计差异化研发路径。
• 掌握多智能体体系与 Skill 资产的建设思路，精准界定“智能体自治”与“人工把关终审”的协同边界。

• 私域模型矩阵：在数据不出域、算力有限的约束下，构建“大模型 + 轻量模型 + 专项能力 + 规则组件”的协同矩阵。
• 智能路由与仲裁：根据文档版式、局部质量与字段风险动态选择处理路径，综合语义、空间位置与规则约束进行结果融合，避免单一模型局限。
• 全链路质量闭环：从离线脱敏评测集建设，到生产旁路回测、问题归因与版本回归，确保系统可用、可控、可审计。

• 获得私域智能体从需求指标、脱敏数据集到端到端验收的落地方法，明确高敏感场景下的交付边界。
• 掌握大小模型协同的模型矩阵设计与按任务/区域进行智能路由的实践思路。

• 神经-符号双引擎：LLM 负责语义理解与任务规划，符号执行/静态分析负责确定性证明，通过接口契约与失败回退机制协同。
• 增量上下文工程：构建“仓库—模块—函数—调用链”四层代码地图，结合 Token 预算调度，将“喂不下的仓库”变为“可导航的地图”。
• 假设—验证闭环：Agent 提出攻击路径假设，调度确定性工具自动构造 PoC 并验证可达性，将“疑似告警”升级为“可复现、可证明”的结论。

• 掌握可复用的神经-符号 Harness 架构，明确代码安全链路中 LLM 与确定性工具的分工，避免“All in LLM”的工程陷阱。
• 获得超大规模代码仓上下文工程、Token-算力成本控制与安全 Agent 评测的具体方法和指标口径。

大会时间：2026年12月3日 - 4日
 大会地点：中国 · 深圳
 完整日程与早鸟报名：www.aidd.vip/2026-shenzhen-schedule

 互动福利：
在评论区留言 “你最期待的演讲嘉宾或话题”，我们将抽取 1 位幸运读者，送出 AiDD 峰会单日通票或独家闭门会参与资格！

 立即扫码报名，与顶尖技术大脑同行，抢占 AI 研发新范式先机！