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
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。