Rick
"Building the Immune System for Software Engineering."
以平台化自动化与数据驱动为底座，建设可观测、可门禁、可全球化扩展的质量体系。
专注于 AI Native Quality 与 Global Delivery。
Core Engines
我不仅仅是写脚本，我构建的是质量工程平台。
Platform Engineering
The "Bandari" System
打造分层解耦、高扩展的自动化基础设施
- UI/E2E Automation: Playwright/Selenium 深度封装
- Pipeline Integration: 门禁、分层执行、并发调度
- Stability: 自愈机制、Flaky 治理、失败自动归因
AI Quality & Evaluation
AI Native Quality
从 0 到 1 建设 AI 评测工程体系，并落地 AI Native 全链路质量工程
- AI Evals: 数据集管理 / 指标口径 / 基线对比
- Feedback Loop: 上线效果托底 -> 归因分析 -> 数据飞轮
- GenAI for QA: 利用 LLM 辅助用例生成与代码补全
- AI-Driven Test Gen: PRD → 用例自动生成 → 双端脚本生成
- AI Analysis & Report: 结果智能归因 → 全链路质量报告自动生成
Global Delivery System
Global Scale
支撑全球化业务的高效交付
- i18n/L10n: 多语言自动化测试、伪本地化测试
- Tooling: 截图送翻自动化、UI 截断/重叠风险检测
- Scale: PC / Mobile / Web 多端覆盖
Data-Driven Observability
Quality Intelligence
从“定性”到“定量”的质量治理
- Metrics: 覆盖率 -> 拦截率 -> 交付周期 -> ROI
- Dashboard: 实时监控告警、版本质量看板
- Insight: 效能度量与改进闭环
Impact Dashboard
交付效率提升，发布更敏捷
年调度用例数，折算人力约 7,063 人天
支撑 PC/Mobile 国际版高质量交付
建立了完善的 Flaky 治理与监控体系
AI 驱动用例生成效率提升，脚本人力节省 60%+
全链路质量报告从人工 2h+ 缩短至分钟级自动输出
Technical Strategy & Trade-offs
Playwright (Over Selenium)
极致速度与抗干扰：原生支持 Auto-wait 和 CDP 协议，执行速度快 3x+。
生态相对年轻，资源不及 Selenium 深厚。
在 Bandari 中封装统一抽象层，屏蔽底层 API 差异。
Python & Java (Hybrid Stack)
生态最大化：Python 赋能 AI/数据，Java 保障平台高并发稳定性。
多语言栈增加了维护与部署复杂度。
Docker 容器化标准化运行环境；gRPC/REST 标准协议解耦。
Self-Built Platform (Bandari)
深度业务贴合：完全掌控数据闭环，定制复杂国际化流。
研发维护成本高，需持续投入。
核心轻量化，非核心能力集成开源方案（Allure/Grafana）。
LLM-based Evals
解决“不可测”难题：唯有 LLM 能做语义级验收。
Token 贵且结果偶有波动。
建立“三级评测漏斗”：正则/规则 -> 小模型 -> 大模型。
AI Full-Chain Engine (PRD→Report)
端到端质量自动化：LLM 理解 PRD 语义生成用例与双端脚本，AI 归因 + 报告生成闭环，全链路质量成本降至最低。
Prompt 工程与幻觉风险：生成内容可能偏离业务意图。
RAG 检索增强注入历史用例库与代码上下文；关键路径保留 Human-in-the-Loop 审核卡点。
Powered By
Project History
过往的关键里程碑与技术演进之路。
Bandari Automation Platform
主导研发新一代自动化测试平台 Bandari，统一 UI/API/性能测试流程，支持分布式调度。通过自研 Agent 实现跨平台执行，将回归测试效率提升 300%。
过程质量管理体系
为全司全端（PC/移动/Web）构建标准化的质量门禁，集成 SonarQube 与单元测试覆盖率卡点。设计了“变更影响分析”算法，精准推荐回归测试范围，上线故障率降低 20%。
数据构造工厂 (Data Factory)
解决了测试环境数据陈旧与冲突问题，实现了按需秒级构造脱敏的业务数据。提供 REST API 供自动化脚本调用，大幅提升了测试稳定性。
UI 自动化框架重构
设计并实现基于硬件+软件的混合自动化测试框架，并在 CI 中实现并行执行。引入 Page Object 模式设计，维护成本降低 50%，反馈时间从 2小时缩短至 15分钟。
Roadmap
未来规划与技术演进之路。
Now (Phase 1)
Stability & AI Engine
- 稳固 Bandari 平台底座，Flaky 率下降 30%
- 完善 AI 评测套件 (5+ Sets)，建立可回归的 AI 质量标准
- 持续迭代 AI Full-Chain Quality Engine，扩展更多业务线覆盖
Next (Phase 2)
Shift-Left & Global
- 实现 PR 级质量门禁与 TIA 精准测试
- Global Quality System 2.0 (全链路自动检测)
- 将 AI 质量引擎从 WPS 扩展至更多产品线，形成通用化 AI QA 平台
Future (Phase 3)
Predictive & Platform
- 构建 Predictive Quality (预测性质量) 模型
- 打造行业领先的 Global Quality Platform
Portfolio Highlights
AI-Driven Full-Chain Quality Engine
WPS 发布质量守护
基于大模型打造的端到端 AI Native 质量工程方案，覆盖 WPS 产品从需求到发布的全生命周期质量控制。
PRD-to-TestCase
LLM 深度理解 PRD，自动拆解功能点、提取业务规则与边界条件，智能生成结构化测试用例集，覆盖正向流程、异常场景与回归路径。
TestCase-to-Script
结合 Bandari 平台框架与页面对象模型，AI 自动生成 Playwright/Appium 自动化脚本，PC 桌面端和移动端双端覆盖。
AI Result Analysis
AI 对失败用例深度归因——区分环境问题、数据问题、真实 Bug 及 Flaky Case，输出带置信度评分的缺陷分类与优先级建议。
Full-Chain Report
自动生成全链路质量报告：需求覆盖度、用例通过率、缺陷分布热力图、风险模块预警、版本质量趋势，直接作为发布决策依据。
Bandari Automation Platform
一个支持多种自动化类型（UI, API, Scan）、具备高并发调度能力的分层自动化平台。
AI Evaluation Framework
针对生成式 AI 的工程化评测方案，包含「数据集-执行-评估-报告」完整闭环。
Internationalization Pipeline
自动化的多语言截图与送翻流程，解决了繁琐的人工校对痛点。