DAAQ

general · First seen 2026-11-11 · Last seen 2026-11-17 · 3 mentions

Overview

DAAQ 是日本游戏公司 DeNA 内部开发的 AI 测试设计工具,借助 Milvus 向量数据库实现基于 RAG 的测试用例检索与生成,2024 年起在全公司推广,是 QA 领域引入生成式 AI 的代表性案例之一。

DAAQ 的近期进展

  • DeNA 将测试设计工具 DAAQ 推广至全公司,测试工作量减少约 50%:DeNA 决定把原本在部分团队试点的 DAAQ 推向全公司使用,测试设计相关工作量平均下降约 50%,从工具验证走向了组织级落地。
  • DeNA 用 Milvus 构建 DAAQ,测试设计工时平均削减约 50%:技术层面,DAAQ 以 Milvus 作为向量数据库,把历史测试用例和规格文档向量化,供大模型检索参考,从而生成更贴合项目实际的测试设计。
  • Milvus Meetup Tokyo 12月3日涉谷举办:RAG 与向量搜索实践分享:2025 年 12 月 3 日在东京涉谷举办的 Milvus Meetup 上,包括 DAAQ 在内的 RAG 实践案例被纳入分享议程,反映出这类企业内部 AI 工具正进入技术社区交流阶段。
  • 当前焦点与观察点

    DAAQ 受关注的核心在于它给出了一个可复制的路径:不是直接让大模型凭空生成测试用例,而是通过向量检索沉淀下来的历史用例做上下文增强,让输出符合团队既有规范。约 50% 的工时削减数据虽然来自企业自述,样本与口径尚未公开,但仍为 QA 团队评估 AI 引入收益提供了参考锚点。

    后续值得观察的点有三个:一是全公司推广后,不同业务线(尤其非游戏项目)能否复现同等降幅;二是工具是否会对第三方开放或开源,目前 DAAQ 仍属 DeNA 内部资产;三是随着 RAG 基础设施选型逐步收敛,向量数据库在整个测试设计流程中的价值边界如何被重新定义。

    Coverage

    3 on file