AI时代的软件质量与智能应用工程探索
九维创智围绕 AI质量工程、Agent工程、大模型应用实践与人才培养持续开展工程探索，推动人工智能技术从能力展示走向业务落地。
AI质量工程Agent工程大模型应用实践AI测试
4
研究方向
7
技术文章
重点研究
精选研究成果
以下是我们在AI质量工程与Agent工程方向的部分研究成果。
研究专题
Research Series
围绕核心研究方向构建体系化知识专题，持续追踪AI工程前沿实践。
AI质量治理
5 篇文章行业观点
AI应用上线之后，质量工作才刚刚开始
传统软件上线意味着测试阶段的结束，但AI应用上线后质量仍会持续变化。本文引入质量漂移（Quality Drift）概念，分析AI应用在生产环境中面临的质量持续管理挑战，提出AI应用质量不是一次交付结果，而是一种持续保持可验证、可控制、可优化的状态。
AI质量工程AI质量治理AI应用质量Quality Drift持续质量+1
阅读文章
行业观点
AI质量工程与传统软件测试有什么区别
当软件开始依赖模型推理而非确定性逻辑，质量工作的边界正在发生根本性扩展。本文从质量对象、质量目标和质量生命周期三个维度，分析AI质量工程与传统软件测试的本质差异，提出AI质量工程是软件质量保障体系的一次结构性扩展。
AI质量工程软件测试质量保障体系AI应用质量持续评估+1
阅读文章
行业观点
为什么AI应用需要持续评估
传统软件测试可以在上线前完成，但AI应用的质量会随时间持续变化。本文分析持续评估与自动化回归测试的本质区别，阐述为什么持续评估是AI质量工程的核心能力，以及企业应如何建立持续评估体系。
AI质量工程持续评估AI应用质量质量保障体系大模型测试+1
阅读文章
行业观点
企业为什么需要AI质量平台
企业已经拥有大量测试工具、CI/CD流程和模型评测手段，为什么仍然无法系统性地管理AI应用的质量？本文从行业视角分析AI质量平台作为AI质量工程基础设施的必要性，探讨平台能力的核心构成及其在企业AI工程体系中的定位。
AI质量平台AI质量工程AI测试平台持续评估AI质量治理+1
阅读文章
行业观点
为什么AI应用需要新的质量保障体系？——从软件测试到AI质量工程
当AI从实验走向生产，传统的软件测试方法面临根本性挑战。本文从行业视角分析AI应用质量保障的新需求，探讨AI质量工程作为独立能力方向的必要性。
AI质量工程AI应用测试质量保障体系大模型评估工程实践
阅读文章