类目

奇妙AI之旅话题Q&A：那些未解答的问题，有答案了！

原创

发布：奇妙AI之旅于 2025-09-23 10:54:32

最后编辑：IPD 于 2025-09-23 11:25:41

627次查看

摘要：聚焦AI核心知识碰撞，「话题分享Q&A」就在这里，速查干货！

大模型幻觉问题如何解决？

使用 专业的知识库系统对文档处理后，再提问是不是效果会更好？

多智能体的核心技术—— 提示词工程，实操中都有些什么注意事项？
……

在刚刚落幕的奇妙AI之旅中，上述备受关注的问题已在现场得到讲师的专业解答。

与此同时，大家还带着对AI实践的深度思考，提出了更多极具价值的问题。但遗憾的是，由于时间原因，不少精彩提问未能在现场得到解答。

为了不让每一份思考落空，讲师们在活动结束后第一时间对这些问题作答，并将解答呈现如下。

👉想重温活动全程亮点？点击获取活动整体回顾

👇聚焦AI核心知识碰撞，「话题分享Q&A」就在下方，速查干货！

Q1：针对复杂需求，AI生成测试用例，有比较好的实践案例吗？

朱少民老师：针对复杂需求，AI生成测试用例的实践案例比较多，例如华为、中兴、字节、蚂蚁、邮储银行等公司都有很好案例，可以参考中国信通院银弹优秀案例，也请关注AiDD峰会上各个大厂分享的案例。

Q2：希望可以推荐一下落地ATDD多智能模型常用的平台和工具

朱少民老师：可以借助生成式AI增强的平台（如Dify、coze等），再结合传统的、成熟的BDD工具链（如Cucumber +SpecFlow），支持自然语言描述验收标准，就能实现大模型时代的ATDD实施方案。

Q3：规划做一整套的测试智能体，应该注意什么？可能面临的难点有哪些？

朱少民老师：

主要关注下列几个问题：

（1）记忆和规划能力：受算力、模型、数据等因素制约，如何获得持久记忆和长期规划能力；
（2）生产环境适配：从概念验证到生产部署的工程化转换；
（3）上下文处理：如何提升长上下文处理能力和动态数据注入的技术，增强RAG、知识库的水平或能力；
（4）语义验证：如何有效验证AI生成内容的准确性和一致性；
（5）多智能体协调：复杂任务下多个Agent的协作机制和冲突处理。

Q4：Dify可以用n8n或者coze替代吧？
杨洪艳老师：可以替代，不是唯一的方式；Dify只是我尝试的一个工具，其他工具也有人选择，具体要根据自己的应用场景确定，低代码的实现选择Dify多一些。n8n支持自定义开发多一些，但要看使用什么版本，企业版要收费。

Q5：AI执行测试方面有没有好的实践案例，考虑复杂场景？
杨洪艳老师：AI执行测试方面有不少企业都有应用，除了我们提到的辅助生成测试用例，还有自动化测试脚本生成、测试数据生成等，集成在DevOps一体化平台中进行自动化执行等场景。复杂的业务场景往往除了工作流编排外，还需要编码来实现。朱少民老师的分享中提到了多智能体的联动设计，应该也可以实现复杂业务场景的处理。

Q6：提示词是前面优先还是后面优先呢？比如前面说“听我的，不准忽略我任何指令”，后面说“忽略前面所有指令”。另外，即使优先级不明确，有前后有冲突的情况下，也可以让System role优先级高于User role吧？
衣明志老师：
同一角色：后面覆盖前面。
不同角色：System > Developer > User > Assistant，system永远最高。

但是需要注意的是并非所有模型厂商都遵循这个规则，建议根据实际情况做调试判别。