減少反覆開發與排查
需求研究、範例查找、腳本建置與失敗分析都有明確的 AI 工作入口,減少工程師重複整理背景的時間。
讓人力更集中在高風險測試把業務操作知識接進 AI 自動化測試
讓會操作系統的人,也能參與自動化測試開發
從需求文件、文字描述或操作錄製出發,AI 產生符合專案規範的候選腳本;執行失敗時,Debug Loop 在授權範圍內嘗試自動修復與重驗,最後交由工程師審查。
從操作知識、腳本生成,到有界修復與工程審查。
這套作品在做什麼?
業務需求、操作知識與程式開發經常分散在不同職能角色手上。Auto Omniverse 將這些材料交給一組具有工程規範和工具的 AI 工作流程,讓需求整理、腳本開發與執行排查可以彼此接續。
AI 會先查找專案規範與既有共用操作,再產生候選程式並保存執行結果。工程師可依這些紀錄檢查變更、未解問題與交付品質。
熟悉系統的人可以透過這三種方式提供測試資訊。D02 說明 AI 如何根據這些來源生成符合專案規範的腳本初稿。
工作方式的改變
需求整理、程式開發、執行排查與交接都需要工程判斷。這張表把人工原本要做的事,對照 AI 可以承接的部分。
| 工作環節 | 過去常見的做法 | Auto Omniverse 的協作方式 |
|---|---|---|
| 需求整理 | 人工閱讀規格,整理測試步驟與預期結果 | AI 核對可用來源,整理可審閱的案例與待確認事項 |
| 腳本開發 | 搜尋範例、查找共用方法,再逐段編寫程式 | 先查專案規範與既有元件,再產生符合分層的候選腳本 |
| 執行排查 | 人工蒐集錯誤線索,修改後重新驗證 | 依執行證據診斷,在允許範圍內有限修復與重驗 |
| 品質交付 | 整理程式差異、測試結果與未解事項供審查 | 彙整可追溯的驗收與審查材料,由工程師決定交付 |
工作重心的轉移:工程師可以把更多注意力放在業務結果、變更風險與品質審查;實際節省的工時仍需透過試點量測。
對團隊的價值
這套方法針對三種實際的測試開發負擔設計,讓 AI 的協作能力可以隨著案件與專案持續累積。
需求研究、範例查找、腳本建置與失敗分析都有明確的 AI 工作入口,減少工程師重複整理背景的時間。
讓人力更集中在高風險測試已建立的共用操作、專案規則、驗證方式與排查紀錄能繼續被下一個需求使用。
降低每次重新摸索的成本當系統與功能持續增加,團隊可以透過標準化工作方式擴大測試開發的參與和重用範圍。
讓測試能力更容易擴展效益方向將以後續試點的初稿工時、審查投入、重用率與維護成本追蹤;研發經驗與團隊量化績效分別評估。
從需求走到測試成果
點選每個階段,查看誰提供資料、AI 協助什麼,以及留下哪些可以繼續使用的成果。這個合成情境會一路銜接 D01 與 D02 的技術案例。
熟悉操作的人說明建立預約、儲存、重新查詢的流程,以及應該得到什麼結果。AI 協助整理前置條件和待確認問題。
Agent 工作流程
不同階段各自處理需求、程式、執行與審查。Orchestrator 負責安排適用的工作入口與交接;Harness 則提供各階段需要遵循的專案規範。
提供前置條件、操作步驟與期望的業務結果。
依任務選用 Agent Skills,維持原始目標、階段產物與交接資訊。
核對來源與驗收條件
測試案例、需求缺口搜尋可重用程式並實作
候選程式、生成檢查執行、蒐證與有限修復
執行紀錄、重驗結果Code Review、CI/PR 與知識改善
驗收、審查材料及改善候選先確認局部問題是否改善,再回到原本指定的完整業務目標重跑。仍有問題時,根據新證據決定下一輪。
缺少可信證據、超出權限或達到重試限制時,保留失敗原因、已嘗試的修正與尚待確認的問題。
研發中的實際進展
既有研發工作已留下不同輸入來源的腳本產物、執行與審查紀錄。這些經驗提供了下一階段整合與試點的基礎。
研究需求、查找介面入口與既有前置操作,再整理成可供驗證的測試流程。
從人員描述的完整流程開始,讓 AI 承接腳本生成與後續工程檢查。
在研發案例中累積失敗診斷、修復紀錄與指定目標的驗收證據。
探索技術系列
P01 帶你看見整套工作方式;各技術專題進一步說明背後的方法、工程判斷與實作細節。
AI 如何把業務需求整理成可以審查的測試案例?
閱讀 D01 技術專頁AI 如何查找現有程式,產生符合專案規範的第一版腳本?
閱讀 D02 技術專頁AI 如何根據執行證據判斷問題、有限修正並重驗?
閱讀 D03 技術專頁如何讓驗收證據經過 Code Review、CI/PR 關卡,並把工程經驗整理成經審查的知識改善候選?
閱讀 D04 技術專頁各階段如何依任務目標選擇負責人、交接證據、決定回退位置,並由授權人員完成最終判斷?
此區以合成情境示意 D03/D04 的執行與交付交接;沒有執行真實 Runner、Code Review、CI 或 PR 審核。正式工程狀態依各項實際證據確認。
表中的狀態是技術專頁的預計發佈進度;實際可能會再調整。
| 階段 | 主要工作 | 留下的產物 | 技術專頁 |
|---|---|---|---|
| D01/需求工程 | 來源核對、測試案例與條件確認 | 可審閱案例與待確認事項 | 已發布 |
| D02/腳本生成 | 共用元件搜尋、程式分層與產物檢查 | 候選程式及生成檢查結果 | 已發布 |
| D03/執行除錯 | 執行、錯誤蒐證、有限修復與重驗 | 執行證據、修復紀錄與停止原因 | 已發布 |
| D04/可信交付與知識進化 | 整合驗收證據、Code Review、CI/PR Gate 與經審查的知識改善 | 驗收與 PR 審查材料、Retrospective 改善候選 | 閱讀 D04 技術專頁 |
| D05/跨階段協調 | Workflow Orchestrator × Mission Control 路由 Skills、交接版本證據與回退決策 | 任務目標、階段交接、停止條件與人工決策紀錄 | 完結篇規劃中 |
品質管理
自動化腳本可以由 AI 協助產生、執行和修正;需要確認的業務結果、專案變更與交付決策,仍由負責人判斷。這樣才能將效率與維護品質一起考慮。
深入技術架構
進階區可以查看 Harness 與 Loop Engineering 的工程關卡,或操作六階段流程圖,了解腳本生成、執行、修復與交付的銜接方式。
02 / HARNESS × LOOP ENGINEERING
熟悉操作流程的人說清楚要測什麼,AI 負責協助寫出腳本並處理失敗。但「能寫、能跑」還不夠:這套 Harness 讓執行、修復與驗收有明確的工程關卡。
切換合成條件,查看檢查在哪一關停止;通過後仍需人員核准。
例如「使用者可以預約會議室,建立後必須查回有效紀錄」。預約權限與時段衝突規則如果不明確,就先記錄為待確認問題。
將來源、專案規則和檢查工具放進 AI 工作環境,協助它生成可維護的候選程式。
用指定測試目標取得結果和失敗證據。可修復時做有限修改,超出條件就停止交接。
有明確修復依據時回到指定目標重跑;證據不足或達停損條件就停止交接。
候選腳本必須通過專案檢查、指定目標與業務結果驗證,再交給授權人員審查。此處的 PROD 指正式維護的自動化測試專案,不代表 AI 自行部署或直接操作正式業務系統。
當一支原本正常的腳本突然失敗,我不希望 AI 一直猜、一再重跑。除了操作指引,Debug Loop 還有實際的程式檢查、證據記錄與停止條件。
Skill 與專案規範指定可用來源、修改範圍和交接方式;遇到未授權的操作,不能自行擴張工作。
工作指引與人工授權Runner 在啟動前核對指定目標、環境與設定。目標不符或前置條件缺失,就先擋下執行。
程式準入檢查從 Allure 結果、失敗步驟、畫面與來源程式找線索;工具留下事實,根因仍須依證據判斷。
工具蒐證與 AI 判讀重試有上限;沒有新證據就不能原樣一直跑。修復要核對變更範圍與版本,已寫入的業務資料也不能隨意重播。
重試、版本與資料檢查局部修復通過後,仍須另外完成指定流程的完整重測與業務結果核對,再交由授權人員審查。
完整測試關卡與人工審核系統先留下執行結果和畫面線索。AI 根據證據縮小修復範圍;若缺乏新依據或已達重試限制,就停止交接。即使這一步修好,仍須從完整流程再次驗證。
這些關卡不是同一種保證:程式閘門約束經由指定 Runner 與修復流程的操作;業務判斷、工作指引的遵守及正式交付,仍需 AI 與人員核對。此處說明的是既有設計機制,不代表已完成所有情境的無人值守實測。
除工作指引外,Debug Loop 已有執行準入、重試限制、來源變更核對及完整驗收等程式機制;目前證據以設計與個人使用經驗為主。
非程式人員獨立完成整個流程、長期修復成功率,以及跨情境的穩定交付能力,仍需要受控試用、量測與審核。
03 / WORKFLOW
測試開發會經過需求確認、腳本產生、執行與修正等工作。選一個階段,就能看到 AI 可以協助的內容,以及何時需要人員接手。
D05 的 Workflow Orchestrator × Mission Control 依任務目標協調六個工作階段與必要的回退;D04 的交付證據及知識改善須經審查才能納入下一輪工作。六階段工作流程不等於六篇文章。
繼續探索
從 D01 開始看需求如何變成測試案例;接著進入 D02,了解 AI 如何利用既有程式和工程證據建立第一版腳本。