使用 Jev 模型提速 Web 测试智能体:决策模型 + Token 压缩实现10x 提速
关注 霍格沃兹软件测试开发 公众号,回复「资料」, 领取人工智能测试开发技术合集
先抛一个问题
同一个 Web 测试智能体,跑同一条用例,为什么有的几分钟跑完,有的几十分钟还在转圈?
很多人的第一反应是:模型不够强,换一个更大的。但如果你观测过测试智能体的执行日志,会发现真正的时间黑洞往往不是模型推理慢,而是这三件事:
每一步都把大段 DOM、截图、历史操作打包塞给大模型——上下文越滚越大,token 越烧越多,响应越来越慢;
每个动作都在等一次完整的大模型往返——哪怕只是「点这个按钮」「等这个元素出现」,也要劳驾大模型亲自决策;
大量 token 花在重复判断同一类问题——「我现在在哪个页面」「接下来该点哪」,每一步都从头想一遍。
也就是说,Web 测试智能体的速度瓶颈,很多时候不在模型的「智商」,而在决策架构:该交给大模型的(规划、推理、断言)交给大模型,不该交给大模型的(常规步骤决策)用轻量决策模型接管;该省的 token,一个都别多花。
这正是本次公开课要正面回答的问题——如何用 Jev 决策模型与 Token 压缩,把 Web 测试智能体的执行速度提升一个数量级。
这堂课,讲什么?
-
Web 测试智能体介绍从大模型驱动浏览器操作的原理讲起,看清测试智能体的完整执行回路:感知 → 决策 → 执行 → 断言。先看懂全局,再谈提速。
-
Web 测试智能体工具盘点测试智能体赖以工作的核心工具:浏览器操作、元素定位、页面状态感知、上下文管理,看清工具层的现状与选型空间。
-
Web 测试智能体技能智能体需要具备哪些技能封装才能稳定干活:登录态管理、等待策略、复杂交互处理、测试数据构造——技能的粒度,直接决定决策的效率。
-
决策模型介绍与应用(Jev Laya)本节主角登场:Jev 决策模型的原理是什么?它和大模型如何分工?如何接入现有的测试智能体?
-
使用决策模型加速 Web 测试智能体大模型管规划,决策模型管步骤——把高频、低不确定性的决策从大模型调用里剥离出来,减少大模型往返次数,这是提速的核心思路。
-
提速策略:Token 压缩、知识图谱召回上下文瘦身怎么做?历史经验如何通过知识图谱召回、而不是靠长上下文硬记?两条策略让每一 token 都花在刀刃上。
-
测试智能体的断言体系快,不等于对。提速的同时如何保证结果可信?断言体系是测试智能体不降质交付的底线,也是提速成果能不能被采信的前提。
为什么值得听?
直击痛点:速度是测试智能体从 Demo 走向日常使用的第一道门槛;
思路新颖:决策模型分层 + Token 压缩,从架构层面提速,而非朴素的「换更大的模型」;
全链路:从智能体原理、工具、技能,到决策模型、提速策略、断言体系,一次讲全;
可落地:决策分层思路、Token 压缩与知识图谱召回策略,听完即可对照自己的智能体改造。
分享嘉宾
思寒 测吧 CTO、资深测试架构师
高级测试开发工程师,15 年+ 从业经验
AI 测试框架、AI 测试平台架构师
曾就职于阿里、百度等名企
适合谁听?
测试工程师、测试开发工程师:正在用或打算用智能体做 Web 自动化,被「跑得慢、跑得贵」困扰;
QA 负责人、测试架构师:评估 AI 测试落地效率,关注智能体的成本与速度优化路径;
AI 应用开发者、Agent 开发者:想了解决策模型与 Token 压缩在真实工程场景中的应用;
对测试智能体感兴趣的技术管理者与学习者。
你将收获
Web 测试智能体从原理到技能的完整认知框架;
Jev 决策模型的原理、分工思路与接入方式;
Token 压缩、知识图谱召回两大提速策略的落地方法;
一套保证「提速不降质」的断言体系设计思路。
直播时间:10月22日20:00
公开课席位有限,立即预约!

测试智能体的竞争,正在从「能不能跑」转向「跑得快不快、断言准不准」。
速度上不去,智能体永远只是 Demo;成本降不下来,自动化永远回不了本。
掌握决策模型与 Token 压缩的提速方法论,让你的 Web 测试智能体真正跑进日常。
关于我们
霍格沃兹测试开发学社,隶属于 测吧(北京)科技有限公司,是一个面向软件测试爱好者的技术交流社区。
学社围绕现代软件测试工程体系展开,内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试,以及人工智能测试与 AI 在测试工程中的应用实践。
我们关注测试工程能力的系统化建设,包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设,同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法,沉淀可复用、可落地的测试开发工程经验。
在技术社区与工程实践之外,学社还参与测试工程人才培养体系建设,面向高校提供测试实训平台与实践支持,组织开展 “火焰杯” 软件测试相关技术赛事,并探索以能力为导向的人才培养模式,包括高校学员先学习、就业后付款的实践路径。
同时,学社结合真实行业需求,为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务,用于个性化能力提升与工程实践指导。

浙公网安备 33010602011771号