搜索[质量工程]结果-低调大师优秀个人博客

精选列表

搜索[质量工程]，共10003篇文章

代码质量对系统的影响

代码质量一直是我较为关注的一个话题。我在许多场合提到过这一点，也就此写过博客来阐述我的观点。

2017-11-17

数据治理选型：独立数据质量平台还是中台质量模块？一套对照框架

数据中台项目推进到治理阶段时，几乎都会在同一个问题上卡一下：质量能力是单独采购一套数据质量管理平台，还是直接用中台自带的质量模块？

2026-08-21

基于AI的质量风险管控

究其根本，源于以下挑战：（1）质量保障对象多样、海量且持续演进：我们面对数以万计至百万级的质量保障对象（如服务模块、词表、业务对象等），每类对象对应不同的质量风险与保障策略。

2025-12-04

一、背景在日常工作中，常需要通过各项数据指标，确保驱动版本项目进展正常推进，并通过各种形式报表数据，日常总结日报、周会进展、季度进行总结输出归因，分析数据变化原因，做出对应决策变化，优化运营方式，目前在梳理整理校准分析数据需要大量的时间投入、结合整体目标及当前进展，分析问题优化的后续规划。常见形式人工收集数据来源依赖于各系统平台页面，通过人工收集校准后填写再通过表格公式计算，或者可以通过多维表格工作流触发通知等功能。 quickbi报表通过ODPS搭建自定义报表，实现快速收集数据，复制报表到飞书文档内进行异动分析。平台能力开发通过代码开发文档导出能力，根据固定模板生成数据分析，该能力开发人力成本较高，需要针对不同平台数据源定制化开发。 AI Studio智能体平台研发效能团队基于开源Dify项目社区部署，可以根据需求自定义sop，多模型的可选项，选择最适合业务的模型。每个工作流节点可自定义流程的判断分析，轻松上线可投产的AI Agents。 Dify是一个支持工作流编排的AI智能体平台，轻松构建并部署生产级 AI 应用。其核心功能包含：以工作流的方式编排AI应用，在工作流中可以添加LLM、知识库、Agent工具、MCP服务等节点，工作流支持分支流转、节点循环、自定义节点等高级能力项。支持在工作流中调用公司内部的Dubbo/gRPC服务。（插件实现）知识库管理，通过构建私有知识库以增强 LLM 的上下文。与内部平台集成，支持H5页面嵌入、API的方式与内部平台集成。主流模型集成，支持使用多种主流模型如DeepSeek、OpenAI等，支持多模态模型。对标的业界产品有：扣子：https://www.coze.cn FastGPT：https://tryfastgpt.ai n8n：https://n8n.io ✅ 多模型选择（适配不同业务场景） ✅ 可视化工作流搭建（支持自定义SOP） ✅ 全链路可观测性（实时调试优化）综上本期实践利用AI工作流平台针对报告进行生成分析输出，让使用方回归到聚焦数据归因分析上，减少数据收集分析、文档编写成本。二、应用实践实践效果整体分析数据从哪来->需要输出什么样的格式->优化模型输出结果，三步骤针对输出结果进行调优。自动化成熟度分析工作流搭建案例运用效果 ※ 报告效果 ※ 飞书机器人通知归因分析数据处理 LLM：通过用户输入分析获取数据源请求格式，配置好对应数据的映射关系模型自行获取对应数据。提示词输入格式化输出配置 http请求：通过用户输入分析后的参数构造请求参数，通过固定接口拉取数据，支持curl导入功能。代码执行：支持python、js代码对结果数据进行处理过滤，提升分析结果准确性。模型提示词如文档整体分为不同模块可设定不同模型节点处理，每个模块增加特定提示词处理节点内容，模型并行分析处理，提升输出稳定性和输出效率，再通过LLM输出整合进行整体输出。在模型输入上下文及用户输入，通过获取的数据指定输出格式，设定提示词，提供AI结合模板输出对应形式。通过衔接上下节点返回内容最终整合报表输出结果，统一输出样式格式。优化输出切换可用模型遇到模型输出不稳定或者未达到预期效果，可切换可用模型，寻找适配模型。设定模型预载参数设定模型预载参数，提升模型输出准确度。优化增加提示词优化增加提示词提升输出形式稳定性：角色定义 -> 字段映射 -> 模板说明 -> 实际数据填充 -> 输出格式定义。 `## 角色定义你是一位接口自动化测试专家以及报告生成专家，负责将接口返回的数据映射字段结合模板输出一份有效的自动化成熟度报告-稳定性部分。接口返回数据字段映射关系：基础字段： bu_name:业务域名称。 parent_bu_id:业务域。稳定性指标字段： total_auto_stability_score：稳定性评分 iter_case_success_rate: 迭代自动化成功率 iter_case_success_rate_cpp: 迭代自动化成功率环比 auto_case_failed_rate: 自动化失败率 auto_case_failed_rate_cpp: 自动化失败率环比 case_aigc_avg_score: 用例健壮有效性评分 case_aigc_avg_score_cpp: 有效性评分环比模板： 2.2 自动化稳定性用表格展示自动化稳定性，表格内容包含所有一级业务域、二级业务域。表头按照顺序输出： 1、业务域 2、自动化稳定性评分 3、迭代自动化成功率 4、迭代自动化成功率环比 5、自动化失败率 6、失败率环比 7、用例健壮有效性评分 8、有效性评分环比重点关注项：xxx --仅分析二级业务域的稳定性性指标字段，列出需重点关注指标。模板说明： 1、以html格式输出，增加内容丰富度，不输出任何多余内容。 2、表格说明：表格需要包含所有业务域数据。不要省略或者缺少任何业务域数据，将所有业务域展示在同一个表格内。 3、表格行排序：根据评分从高到低排序。 4、环比字段说明：指标环比下降环比字段标记红色，环比提升字段标记绿色，不标记背景色。任务说明 1、用户将提供接口返回的JSON数据。 2、根据接口数据和匹配字段映射关系。 3、结合模板以及模板说明html形式输出，不输出任何多余内容。请你根据以上内容，回复用户，不需要输出示例。` 模板转换输出的表格形式通过模板转化固定输出html表格形式，提升模型输出稳定性。输出形式以markdown形式或以html形式输出，复制到飞书文档上进行输出。飞书机器人通知归因分析生成飞书文档支持飞书应用直接新建飞书文档，markdown形式输出。对话返回生成后的飞书文档地址及分析：三、总结在日常工作中如何有效利用数据指标驱动项目进展，现有数据收集和分析流程中面临的挑战。通过手动收集数据、生成报表、平台开发等传统方式，需要投入大量时间和人力资源，导致工作效率低下。为此，引入了研发效能AI 智能体平台，AI工作流平台不仅改进了数据处理方式，还提升了报告生成的效率和准确性，从而增强了业务洞察力。进一步丰富工作流和知识库，提高对核心数据指标的分析能力，并针对异常数据指标进行细致剖析，为团队提供更深入的指导和支持。此外，相似场景的处理也可以借助AI工作流进行优化，有望在多个业务领域推广应用。四、后续规划丰富工作流：丰富结合知识库，针对每项核心数据指标提升建议以及业务域现状给予业务域具体指导建议。明细下钻分析：获取对应数据指标异常后，结合明细数据进行分析，具体到用例、人员级别。类似场景可通过AI工作流处理：固定模板数据源报告类、周会均可使用该方法减少人工投入成本。往期回顾 1.Rust 性能提升"最后一公里"：详解 Profiling 瓶颈定位与优化｜得物技术 2.Valkey 单点性能比肩 Redis 集群了？Valkey8.0 新特性分析｜得物技术 3.社区搜索离线回溯系统设计：架构、挑战与性能优化｜得物技术 4.正品库拍照PWA应用的实现与性能优化｜得物技术 5.得物社区活动：组件化的演进与实践文 / 笠关注得物技术，每周更新技术干货要是觉得文章对你有帮助的话，欢迎评论转发点赞～未经得物技术许可严禁转载，否则依法追究法律责任。

2025-08-15

SQL 质量管理 | SQLE 3.2312.0 来啦！

SQLE 是一款全方位的 SQL 质量管理平台，覆盖开发至生产环境的 SQL 审核和管理。支持主流的开源、商业、国产数据库，为开发和运维提供流程自动化能力，提升上线效率，提高数据质量。

2023-12-29

SQL 质量管理 | SQLE 2.2311.0 来啦！

2023-12-01

SQL 质量管理 | SQLE 2.2310.0 来啦！

SQL 质量提升官持续招募中本期发布的是 SQLE 2.x 版本的最终正式版。接下来，我们将全力投入到 SQLE 3.x 版本的功能开发和产品支持中。

2023-11-03

Kuberntes 服务质量保证（QoS）

为了实现资源被有效调度和分配的同时提高资源利用率，Kubernetes针对不同服务质量的预期，通过QoS来对pod进行服务质量管理，提供了个采用requests和limits两种类型对资源进行分配和使用限制

2018-12-13

SonarQube+Scanners代码质量管理

简介 sonaqube是一个开源代码质量管理平台，致力于持续分析和测量技术质量。

2018-10-23

Android 代码质量管理（代码篇）

Android 代码质量管理（代码篇）模板方法-基类封装 Activity和Fragment应该是Android最常用的组件，对他进行简单的封装对提高代码的简洁性也有很大的帮助。

2018-05-04

使用Docker搭建SonarQube检测代码质量

SonarQube 简介 Sonar是一个用于代码质量管理的开源平台，用于管理源代码的质量，可以从七个维度检测代码质量可以通过插件形式，支持包括java,C#,C/C++,PL/SQL,Cobol,JavaScrip

2017-09-24

图像质量检测-图片清晰度检测-图片美观度评分-图片质量分析-图片模糊检测

图像质量检测利用深度学习和图像分析技术，自动对图像的清晰度和美观度进行打分，帮助开发者快速识别模糊、低质或视觉表现不佳的图片，无需人工逐一查看。

2026-09-20

声纹识别走向生产：从说话人表征到质量感知与高质量声纹库

从早期的 MFCC、GMM-UBM，到 i-vector、x-vector，再到 ECAPA-TDNN、ERes2Net、CAM++、WavLM 等深度学习和预训练模型，公开数据集上的说话人识别性能不断提高。

2026-09-17

【交付高质量，用户高增长】-用户增长质量保证方法论 | 京东云技术团队

+质量流程标准化+质量活动规范化+质量工具平台化+质量运营常态化。

2023-10-12

测试预测分析：AI驱动的质量未来

在传统软件测试范式中，测试团队常被定位为质量守门员——在开发完成后介入，通过用例执行、回归验证与缺陷拦截来保障交付底线。

2026-09-09

质量安全管控如何实现事前预防？

而这一理念的落地，离不开对代码质量安全管控逻辑的重新梳理。质量安全管控的核心目标，在于通过系统性措施规避风险，而非单纯应对已发生的问题。

2025-09-02

拖垮公司的真正元凶：低质量决策

大家好，我是陈哥。有客户曾跟我吐槽：开战略会时大家争得面红耳赤，最后拍板还是靠感觉。市场规模到底多大？竞争有多激烈？谁也说不出准确数字。这让我想起禅道当时做企业调研时发现：80%的决策失误并非因为缺乏数据，而是缺乏将数据转化为洞察的科学工具。其实，这些困扰完全可以通过系统化工具解决，就像禅道新推出的决策分析平台，用模型把模糊判断变成精准测算，让决策从“经验驱动”转向“数据驱动”。文中案例均来自真实客户实践，如果您想让企业决策更科学，备注【决策分析】，了解更多！一、让潜在机会量化可见在企业战略规划中，评估细分市场的吸引力是关键一步。但传统的“拍脑袋分析”常导致资源错配，比如盲目进入看似热门却利润微薄的市场。禅道的【市场吸引力模型】将抽象的市场评估拆解为市场规模、增长率、行业利润、竞争态势、战略价值五大可量化维度。企业只需为每个维度设定权重（如市场规模占 25%），系统就会根据评分自动生成可视化雷达图。举个例子：某教育科技公司用该模型分析在线课程市场时发现，K12细分市场虽增长率高（雷达图中的市场增长率维度突出），但竞争态势维度得分低（大量头部企业垄断），最终决定将资源倾斜到成人职业教育细分市场（各维度得分更均衡）。这种量化分析模式不仅能精准识别高潜力市场，避免因经验判断导致的资源错配，使战略决策从模糊感觉转向数据支撑，真正实现以科学模型驱动企业资源优化配置。二、多维度分析框架的全场景覆盖以前做战略分析，要么依赖单一模型，要么需要切换多个工具。不仅员工累，结果还碎片化。而禅道企业决策分析平台集成了10+经典分析模型，从SWOT、PESTEL到波特五力、波士顿矩阵，帮助企业全面了解自身状况和外部环境，更好地制定战略决策、规划业务发展方向，预测市场趋势和风险。比如你带领公司做新产品规划时，可以：用【SWOT 模型】梳理内部优势（技术专利）与外部威胁（竞品迭代速度）；用【波特五力模型】分析供应商议价能力（供应链集中风险）；用【$APPEALS 模型】对比用户对价格、性能的偏好差异。经过上述分析后，你可以看到企业在产业链中的位置、竞争短板及机会点。这种一站式分析比传统的Excel数据分析的效率提升不止1倍。三、让复杂模型变得人人可操作 “模型很强大，但员工看不懂怎么用”是很多企业的痛点，禅道的【引导式答题设计】解决了这个问题。以【市场吸引力模型】为例，系统会分步骤引导操作： 1）配置分析对象：输入企业产品及所属细分市场（如智能手表-高端市场、中端市场）； 2）设定维度权重：根据行业特性调整各维度占比（如互联网行业可提高市场增长率权重）； 3）问题评分：针对每个细分市场，回答市场规模是否足够大、竞争是否激烈等具体问题，可根据企业情况设置5 分制或10分制打分； 4）生成结果：系统自动计算加权得分，并生成对比雷达图。某零售企业PMO和我们反馈：“以前做市场分析要翻几十页报告，现在跟着系统一步步答完题，雷达图直接告诉我哪个市场更有潜力，连我老板都夸分析得清楚。” 这种引导式设计将专业分析模型转化为“傻瓜式”交互流程，让员工都能独立完成过去需要资深分析师操刀的市场评估工作，企业决策分析的执行门槛由此降低。四、不是没数据，而是缺科学的分析模型说到底，做企业决策最怕的就是心里没数。如今早就过了企业靠拍脑袋就能赚钱的阶段，拼的就是决策体系的科学性。禅道企业决策分析解决方案不是教大家怎么用工具，而是帮大家把经营逻辑捋顺了：市场有没有潜力，用数字说话；战略靠不靠谱，拿模型验算；团队会不会用，有流程带着走。这能把平时模糊判断的市场吸引力、竞争态势这些事儿，全变成了能拆解、能对比、能落地的执行项。正如我们客户的反馈：“毕竟比起主观判断，实实在在的数据和模型推导，更能说服团队，也让决策更靠谱。” 如果您也想让企业决策更科学，备注【决策分析】，随时联系我们进行demo试用！希望我的分享可以帮助到你，也欢迎给我留言与我讨论。

2025-07-14

淘宝质量保障之主动预警能力建设

本文围绕淘宝特价版的主动预警建设展开，详细阐述了在业务质量保障中主动预警的重要性及其具体实施策略。

2025-04-09

大模型生成代码的安全与质量

因此，生成的代码可能存在如下的安全和质量问题。代码质量不稳定。大模型生成的代码有时存在语法错误、逻辑问题或无法通过测试的情况。

2025-02-08

Serverless 在点淘的质量保障实践

点淘作为试点项目，经历了包括功能回归、压力测试和监控验证在内的质量保障流程，并在实践中遇到了各种问题，如依赖梳理、性能验证和监控建设等。

2024-06-18

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。