AI Coding 与 Vibe Coding 正在改变软件研发节奏。
需求到代码的路径变短了，功能实现的速度变快了，但质量验证并没有因此变得更简单。相反，当实现效率被大幅提升后，测试设计、用例生成和覆盖评审反而更容易成为新的瓶颈。
很多团队正在面对一个非常现实的问题：
实现越来越快，但验证跟不上。
在本次 TID质量竞争大会 上，联想诺谛（北京）智能科技有限公司测试总监将带来议题分享：
《基于业务建模的多智能体测试用例生成方案》
本次分享将围绕大模型与 Vibe Coding 背景下的测试用例生成挑战展开，介绍如何融合传统 MBT 与多智能体技术，构建从 PRD 到可评审测试用例的自动化生成链路。
一、AI Coding 提速之后，测试设计压力正在上升
在 AI Coding 与 Vibe Coding 场景下，代码生成和功能实现的速度被进一步加快。
但软件质量并不只取决于“代码是否被生成”，更取决于需求是否被充分理解、业务流程是否被完整覆盖、测试用例是否具备评审价值。
当研发生产力快速提升后，测试侧也需要重新思考：
如何更快理解 PRD；
如何将需求转化为清晰的业务模型；
如何提升测试用例生成的准确性；
如何保障测试覆盖率；
如何让生成出来的用例具备可评审性；
如何让测试设计能力跟上研发效率提升。
这些问题，正是本次议题所关注的核心背景。
二、“实现快、验证慢”成为新质量痛点
大模型降低了代码生成门槛，也提升了研发交付速度。
但在真实项目中，验证环节往往仍然依赖大量人工分析、人工设计和人工评审。
尤其是面对复杂业务需求时，测试团队经常需要花费大量时间完成需求拆解、场景识别、用例设计和覆盖检查。
这就形成了一个新的质量矛盾：
研发侧越来越快，测试设计却仍然承受高成本、高复杂度和高维护压力。
如果测试用例生成只停留在“让大模型根据 PRD 直接写用例”，很容易遇到理解不完整、覆盖不稳定、结构不清晰、评审成本高等问题。
因此，如何让测试用例生成从简单文本生成，走向基于业务建模的结构化生成，是本次分享值得关注的重点。
三、本次分享有哪些看点？
本次议题将介绍一个基于业务建模的多智能体测试用例生成方案，重点呈现从 PRD 到可评审测试用例的自动化链路。
其中值得关注的看点包括：
- 融合传统 MBT 与多智能体技术
分享将介绍如何将传统基于模型的测试方法与多智能体能力结合，用于支撑测试用例生成流程。
- 从 PRD 到可评审测试用例的自动化链路
议题将围绕需求文档到结构化测试用例的转化过程展开，关注测试设计环节的效率与质量提升。
- 三类智能体协作完成测试用例生成
方案中将通过 PRD 预处理、业务建模、用例生成三个智能体协作，推动需求理解、业务建模和用例输出之间的流程衔接。
- 九种测试策略支撑用例设计
分享将介绍九种测试策略如何参与测试用例生成过程，帮助提升测试设计的覆盖维度。
- 轻量级评审系统形成闭环
除了生成测试用例，本方案还配套轻量级评审系统，让生成结果能够进入评审流程，形成反馈闭环。
- 多类项目中的推广验证
根据议题介绍，该方案已在知识库、供应链、智能问数等多类项目中进行验证，关注点包括用例生成准确性、覆盖率以及测试设计耗时等方面。
四、适合谁来听？
这场分享适合正在关注 AI 测试用例生成、业务建模、多智能体协作和测试设计提效的从业者。
尤其适合：
测试开发工程师
功能测试与业务测试人员
测试架构师
质量平台负责人
AI 测试工具建设团队
研发效能团队
正在探索 Vibe Coding 质量保障的团队
关注 MBT 与智能化测试结合的技术管理者
如果你所在团队正在尝试基于 PRD 自动生成测试用例，或者正在面对“代码生成变快，但测试设计跟不上”的问题，这场分享会非常值得关注。
五、为什么值得关注？
AI Coding 和 Vibe Coding 带来的变化，不只是研发工具的变化，也在推动测试体系重新调整。
当实现速度提升之后，测试能力需要与新的研发生产力重新匹配。
本次 TID质量竞争大会上，联想诺谛（北京）智能科技有限公司测试总监将围绕基于业务建模的多智能体测试用例生成方案，分享从 PRD 到可评审测试用例自动化生成链路的实践探索。
这场分享值得关注，因为它聚焦的是一个非常现实的问题：
在 AI 加速研发的时代，测试用例生成如何从“辅助生成”走向“结构化、可评审、可闭环”的工程实践。
