效能平台引入AI精准测试新机制

我们为效能平台新增了JaCoCo增量覆盖率闭环功能

代码变动涉及数十个文件，研发称影响有限；业务方却表示工期紧迫；测试人员只能反复核对核心用例。最终往往陷入回归范围过大延误交付，或遗漏测试风险藏匿于边缘分支的困境。

这正是我们近期在效能平台中完善“精准测试”能力的初衷：依托Git Diff、关系图谱、AI影响分析、用例推荐、Jenkins执行及JaCoCo增量覆盖率，构建一条可落地的精准回归路径。

传统回归测试通常存在三大典型难题。

精准测试的核心目标，正是将这些碎片化环节串联打通。

本次新增的精准测试功能，主要围绕六个功能页面与一条完整执行闭环展开。

用户可依据产品名称与项目名称创建变更分析任务，并关联Git仓库、分支、基础提交点及目标提交点。

系统解析Git Diff后，将记录每个变更文件、具体行号及代码片段，详情页支持查看真实代码内容。

此步骤旨在明确：究竟修改了哪些内容。

新增分析任务后将在列表中展示，点击“解析变更”将触发Jenkins流水线，拉取对应代码并部署，执行代码变更分析。分析完成后生成结果，点击可查看跳转至详情页面。

过去AI影响分析仅输出空泛的JSON数据。如今其将返回结构化分析结果：

例如系统可识别ERP业务、系统管理、基础框架、部署配置等受影响模块，并指出可能波及导入导出、分页查询、接口参数校验、权限边界、异常分支及Jenkins执行环境等场景。

此步骤旨在回答：这些变更可能波及哪些区域。

点击AI分析按钮，待分析完成后，结果将展示受影响模块、相关接口、潜在风险点、测试关注重点及优化建议。

平台支持维护文件、接口、模块、用例与脚本之间的关联关系。

当变更文件命中关系图谱时，系统将沿“文件→接口→模块→用例→脚本”链路自动生成推荐。

此步骤旨在解决：变更内容与测试资产如何建立关联。

系统结合关系图谱与AI影响分析结果生成推荐用例。

若关系图谱尚不完整，系统将基于变更文件生成兜底推荐，避免页面空白导致流程中断。推荐结果包含推荐等级、风险等级、用例ID、脚本ID、所属模块、关联接口、推荐原因、AI依据及是否采纳状态。

此步骤旨在明确：应重点测试哪些用例。

系统将根据影响范围检索用例列表，筛选出可能受影响的用例供用户采纳。采纳后将自动纳入对应测试计划，忽略则视为删除。

点击“发起精准回归”后，平台将创建执行记录，并将相关参数传递至Jenkins。

参数包括：ANALYSIS_ID / PROJECT_ID / CASE_IDS / SCRIPT_IDS / BASE_COMMIT / TARGET_COMMIT / RUN_MODE=precise / CALLBACK_TOKEN / PLATFORM_BASE_URL

默认Jenkins任务名称为precise-test-runner。

此步骤旨在解决：推荐用例如何落地执行。

Jenkins执行完毕后，平台可拉取或上传JaCoCo XML文件，并计算增量覆盖率。

重点不在于整体覆盖率数值，而在于“变更代码是否被有效覆盖”。覆盖率报告将展示变更总行数、已覆盖行数、未覆盖行数、增量覆盖率、未覆盖代码片段、完整变更代码片段及AI风险评估。

弹窗中的代码片段现已直接读取真实仓库文件内容，不再依赖模板数据。已覆盖行与未覆盖行将按实际行号标注，便于测试与研发协同定位风险。

此步骤旨在验证：本次改动是否已被充分测试。

无论是部署后执行自动化测试还是手工测试，测试完成后均会收集覆盖率数据，用户可据此评估当前测试覆盖情况，判断是否需要补充测试。

质量门禁将综合增量覆盖率、P0/P1级用例执行情况及风险分析结果给出判定。

若增量覆盖率不足或关键推荐用例未通过，门禁将阻断发布流程，并提供修复建议。

基于本次所有覆盖率数据，系统将生成质量门禁推荐，判断是否通过并给出具体建议。

其核心价值不在于单一页面功能，而在于将一次代码变更从“分析、推荐、执行、验证、门禁”串联成完整闭环。

测试工作不再仅纠结于“本次是否需要全量回归？”，而是可依据平台输出结果决策：

更重要的是，它将“测试经验”转化为“平台数据”。一次变更不再仅体现为若干commit或单次Jenkins构建，而可沉淀为可追溯的质量记录。