针对用例编写耗时、边界易遗漏的痛点，独立设计并开发 AI 用例生成平台；架构设计与技术选型自主完成，在线体验：ai.agentest.vip/demo ↗

• 平台开发：独立完成文档解析、用例生成、评审导出全链路，导出 XMind / Excel 可直接用于评审
• AI 应用：接入大模型 API 实现需求 / 接口文档自动生成结构化用例；基于 ChromaDB 搭建 RAG 检索链路（切块 + 向量检索 + 混合检索），支撑知识库问答
• 测试策略：设计分层验证应对 AI 产出不确定——结构化断言校验确定逻辑、语义规则校验生成结果；以黄金用例集与召回率阈值做质量准入，不达标即拦截

滴滴内部营销活动配置与投放 SaaS 平台，支持运营通过可视化配置快速生成拉新、促活、奖励等营销活动，覆盖 Web 管理后台、后端服务、JS SDK 及 C 端 H5 活动页。

• 测试覆盖：负责 Web 端、后端服务、JS SDK、活动解析与命中 C 端 H5 的全链路质量保障，覆盖大促等复杂场景。
• 接口自动化：搭建接口自动化测试框架，覆盖 200+ 核心接口并接入 CI 流水线，由本地手动执行改为部署后自动触发，回归不再依赖人工，异常拦截率 95%+。
• UI 自动化：基于 Playwright 与 mindsenc.js 搭建 UI 自动化用例体系，覆盖核心回归场景，显著提升回归测试效率。
• AI 测试用例生成：基于 Trae IDE 搭建用例生成体系，封装可复用 AI 技能与工具（Skill/MCP），调用公司内部 Dify API 与知识库实现 RAG 检索，结合 PRD 与页面探索生成贴合业务的用例，格式检查后直传用例管理平台。
• 数据双发 Diff 校验：负责多环境 / 多版本接口数据一致性 Diff 校验方案设计与结果分析，联合资深开发优化大数据量过滤与比对性能；工具线上稳定运行，累计发现并修复 15+ 潜在数据一致性问题，主动拦截并避免 3 次线上事故。
• 全流程测试管理：参与需求 / 技术评审与排期，独立设计用例、执行测试、跟进 BUG，推动潜在问题提前识别闭环。

花小猪是滴滴旗下年轻用户出行品牌，本项目负责拉新业务线（乘客 / 司机邀新、司机免佣、单单奖等活动）的质量保障，包含 Web 活动配置后台与 C 端 App 内 H5 活动页。

• 业务测试：负责 P2P/P2B 拉新活动（乘客邀乘客、司机邀司机）、司机免佣、单单奖等核心活动测试，覆盖 Web 活动配置与 C 端 App H5，参与 100+ 版本迭代，上线质量达标率 98%。
• 接口自动化：基于 Python+unittest 编写接口自动化用例并接入 Jenkins，节省测试人力 30%+。

99 是滴滴在拉美市场的出行品牌，DiDi-Rider 为国际化乘客端 App；本项目负责地图、发单接单、地图选点等核心场景测试及发版回归测试。

• 国际化 App 测试：负责 99 & DiDi-Rider 国际化出行 App 的地图、发单接单、地图选点等核心场景测试，跟进需求评审、用例编写与执行、BUG 跟进与验收交付全流程，版本准时交付率 95%。
• 集成回归测试：负责核心接口参数校验与集成前模块回归测试，拦截 10+ 潜在业务问题、规避 5+ 线上 P0/P1 级故障。
• 团队培养：帮助新同学熟悉核心业务流，培养 3 名新人独立负责模块业务测试。

fork 免费大模型接入插件并持续改造（22 次提交）：把多个渠道的免费模型积分聚拢为统一资源池，通过本地网关对外提供 OpenAI 兼容 API，本地其他 AI 软件（IDE 助手、Agent 工具、桌面客户端）无需各自配置账号，直接调用同一份模型能力。

• 多渠道积分聚拢：汇聚 TRAE、Qoder、MiniMax 等多渠道免费模型额度，统一调度、降级链自动回退，单渠道积分耗尽不中断服务。
• OpenAPI 对外供数：本地网关暴露 OpenAI 兼容端点（/v1）与 Anthropic 原生 /v1/messages，本地 AI 软件零改造接入。
• 工程化改造：模型组一键同步 + 多版本备份回滚、接入配置三要素聚合复制、GitHub Actions 双平台出包（macOS DMG + Windows NSIS）。
• 外链：GitHub ↗