用于自动生成电信测试脚本的上下文感知生成人工智能

随着机器学习和基于规则的方法的采用，电信软件系统和网络的自动测试生成取得了显着进步。然而，大多数现有解决方案都会针对系统快照生成静态测试套件；随着代码、配置、拓扑和关键性能指标 (KPI) 的发展，这些测试很快就会过时或与实时系统不一致。目前还没有广泛采用的解决方案可以连续检测细粒度的更改并有选择地仅调整受影响的测试而不重新生成整个测试套件。本文提出了一种用于自动化电信测试脚本生成的上下文感知生成人工智能框架，该框架将测试视为由系统当前状态驱动的持续适应过程，而不是静态工件。核心贡献是基于实时知识图谱的增量条件测试生成：我们的方法采用不断更新的知识图谱（KG）作为单一事实来源，用于细粒度变化检测的增量引擎，以及 KG 引导的生成 AI 代理，通过模型上下文协议（MCP）运行，自动创建、更新或退出测试用例。我们进一步集成检索增强生成（RAG），以利用电信领域知识和历史文物丰富推理。我们展示了跨软件系统和电信网络用例的适用性，包括在 GitLab 中管理的基于 Python 的 KPI 监控应用程序，并展示了该框架如何减少手动工作、提高测试相关性并加快测试周期。