〇 分享简介 〇

当前AI 已经不算新概念，业内质量效能方面基于AI 探索实践越来越多，并且在一些企业和领域取得了不错的效果。字节在服务端质量效能方面同样面临大量传统手段无法解决的难题，例如：

1）研发过程中不同环境复杂数据构造、同步难题 

2）数据覆盖度--多协议: Http/Thrift/WebSocket、多数据格式：（JSON/PB、白盒层面原子函数等）

3）问题定位、根因分析及解决成本高，如何提高问题定位和解决效率？ 

4)  测试成本高，代码覆盖率低，服务发布信心不足；

5）研发/测试过程产生大量数据消费质量如何提升及有效利用？ 

围绕这些问题，我们通过对AI 赋能传统服务端质效进行了一系列探索和实践，并实现了在保证覆盖度和准确率的情况下，一定程度实现了多种场景下全流程自动化成果（部分场景达到无人值守状态）

本次分享将针对我们在接口、单测、故障注入、根因分析及AIOps等方面的实践经验进行分享。

〇 分享收益 〇

1.目标：通过字节质效智能化建设过程中遇到的一些难题，给行业直接的借鉴思路。

2.成功要点：了解AI算法如何赋能传统质效实现ATG，提供更多问题解决思路。

3.启示：为传统服务端质效一些痛点问题（编写/维护成本高、数据消费质量差、各个场景覆盖度不足、问题定位成本高等）提供解决思路。

〇 分享亮点 〇

1.背景

a.服务端质效发展历程及特点 

b.传统质效面临的痛点 

c.服务端质效ATG切入点和目标 

2.接口ATG--ByteQI

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

3.单测ATG--SmartUnit

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

4.稳定性ATG--ByteFuzz

a.背景及目标 

b.整体设计方案 

c.AI 赋能及重点难点突破 

d.业务实践效果 

5.质效AIOps

a.解决的痛点问题 

b.整体设计方案 

c.重点难点突破 

d.业务实践效果 

6.未来展望

a.总结和展望

7.QA