手淘TEKO以“写验修”闭环提升AI测试自主性

AI编程工具显著提升了代码产出速度，但验证能力并未同步增长。手淘TEKO将问题归结为“判据缺失”和“信号缺失”两项瓶颈：需求、方案和规范没有转化为AI可消费的正确性定义；同时，Agent难以观察运行时、操作界面或构造目标数据。实测中，环境搭建、数据构造、执行和工具自动化率分别为60%、50%、40%和70%，100个AI生成用例最终的综合可执行率只有6.4%。

阿里巴巴淘天集团高级测试开发专家泠乐将在2026年10月22日至24日举行的上海站技术大会上，分享手淘TEKO的“写—验—修”实践。方案的核心是把质量能力封装成研发各环节都能调用的Skill，并让验收条件沿需求、技术方案、代码到构建产物逐层传递：分别生成需求验收条件、技术验收条件、风险点及配套用例，以及单测、白盒和UI自动化用例；验收条件还会回流给生码环节，形成AI原生TDD。

在信号侧，TEKO把App从只能由人观察的交付物改造成可被Agent寻址、观测、驱动和复现的编程环境，通过终端全局切面、SDK可测性基线和CI卡口改善系统可测性。配合Session-Stage编排、多路并行、多Agent容错、全链路Trace及双层评估，修复链的解析成功率从80%提升至99%以上。系统由单测、白盒和UI三层信号组成，并在侵入边界、结构化定位与视觉兜底、设备和会话解耦之间进行工程取舍。

两类能力合流后，Agent可执行“生成、执行、观测、判断、修复、复跑”的完整循环，线上Crash和舆情也能自动转化为回归用例。实践数据包括三端100%覆盖、单次分析约12分钟、累计入库用例超过1.5万条、操作成功率96%，性能报告制作周期由10人日降至1人日；鸿蒙端成功率约85%，真机稳定性、运营成本和组织协同仍是限制因素。

分享还将讨论L0至L5可测性成熟度、AI评估AI、上下文新鲜度、判据冷启动和测试基建风险等问题，面向测试与质量负责人、研发效能团队、移动端架构师及Agent平台建设者。同期大会设置20个专题论坛，覆盖Agent工程、AI Coding、SRE、AI基础设施和具身智能等方向，汇聚100多位企业技术实践者。