Momentic推出智能体质量平台，重新定义软件测试标准

AI驱动的软件测试与质量保障平台Momentic Inc.近日宣布对其服务进行重大升级，此次更新聚焦于AI编程时代的代码验证能力，旨在帮助开发团队更高效地交付代码。

质量保障作为代码上线前的最后防线，承担着阻止Bug进入生产环境的重要职责。尽管编写高质量代码始终是开发工作的基本要求，但AI驱动开发周期的兴起不仅带来了更快的构建速度，也引入了全新类型的问题。

Momentic联合创始人兼首席执行官Wei-Wei Wu在接受媒体采访时表示："AI的普及正在加速，尤其是在工程领域，大家都在使用Cursor、Claude、Codex等各类编程智能体来辅助写代码。"

毫无疑问，软件质量在AI时代依然至关重要。当前，智能体工具已承担了40%至50%的开发工作，代码产出量呈指数级增长，随之而来的Bug数量同样如此。

近期行业研究表明，AI编程工具正在加速开发流程，但并未消除对人工监督的需求。GitLab发布的《2026年全球DevSecOps报告》将这一现象称为"AI悖论"：更快的编程速度正在质量、安全与合规层面制造新的瓶颈，仅有37%的受访者表示愿意在无人工审查的情况下信任AI处理日常工作任务。Momentic此次升级正是针对这一新兴缺口：如果AI智能体要编写更多代码，团队就需要更快速的方式来验证代码是否仍能正常运行。

Wu警告道："在这个时代，质量极为关键。一旦'AI滥造内容'泛滥，就会出现直接将凑合代码推送到生产环境的情况。"

让质量保障成为开发文化的一部分

此次Momentic的新功能覆盖了多个薄弱环节。首先是Wu所称的"探索智能体"（Explore Agent），用于弥补知识盲区；其次是"故障分类智能体"（Failure Classification Agent），可自动对故障进行分类处理，判断是否需要人工介入；最后是让测试本身变得以意图为导向、易于阅读理解。

探索智能体采用一种智能体记忆机制，可以全面监控各类信息。它不仅从代码库中收集数据，还整合来自Jira、Linear、Figma、Slack、Zendesk以及开发者关于代码描述等各业务环节的分散信息。

Wu表示："使用Momentic的时间越长，它就越智能。它能够识别出代码库或产品中哪些区域没有任何测试覆盖，相当于在盲目发布。"

然而，测试覆盖率只是问题的一半。测试运行的结果只是一个指示器，说明某项功能是否正常，但开发者并不总能清楚地判断这是否真正代表了代码质量。这正是故障分类智能体发挥作用的地方。有时测试结果会出现"不稳定"的情况，即测试本身编写得不够准确，或者被检测的Bug其实并不是真正的Bug，只是看起来有问题而已。

业界常用"信噪比"来描述这类问题。如果某个测试失败的原因是用户界面发生变更后测试未同步更新，那么问题出在测试本身，而非代码。如果测试因某个警告而失败，但这并非安全漏洞，也不会在生产环境中引发严重问题，那么它完全可以排在关键修复之后处理。

Wu指出："如果是UI的预期变更导致测试失败，Momentic的分类系统可以自动为你更新测试。"

对测试失败的严重程度有清晰的判断，意味着开发者在提交代码审查、准备合并到生产环境之前，就能对代码质量有更全面的了解。这也减少了因测试理解偏差而导致代码被反复打回给原始开发者的情况。

而这一切的前提，是测试本身必须对人类可读，而不仅仅是机器代码。

让测试服务于开发者，而非反过来

智能体编程时代带来了一个有趣的转变：几乎每个开发团队都在自然而然地做一件事，那就是在正式开发前编写规格说明文档，而这件事正逐渐成为不可或缺的标配。规格说明文档——即项目计划文档——已成为AI智能体开展工作前获取指导的核心参考依据。

自然而然地，规格说明文档也应当指导测试套件的构建。如果最终产品应当按照规格说明运行，那么测试就应当以人类可读的格式呈现，清晰表达底层代码预期行为的方式与原因。

Wu说道："测试的格式应该是用通俗英语描述你构建的内容，以及你所关注的内容，无论是正常流程、边缘情况还是其他方面。"

这样一来，开发者就能轻松理解测试的内容与目的，并能通过清晰的指令对其进行更新。同时，这也让开发者能够以类似与同事协作的方式与AI智能体配合工作。更重要的是，测试内容本身对其他需要维护它们的员工来说同样清晰易懂。

Q&A

Q1：Momentic平台的探索智能体有什么作用？

A：探索智能体是Momentic新功能中的核心组件之一，它通过整合来自Jira、Linear、Figma、Slack、Zendesk等多个业务环节的分散信息，对整个代码库和产品进行全面监控。其主要作用是识别出没有任何测试覆盖的代码区域或产品功能，帮助团队发现"盲区"，避免在缺乏测试保障的情况下盲目发布代码。使用时间越长，系统对代码库的理解就越深入，智能化程度也随之提升。

Q2：什么是"AI悖论"？它对软件开发有什么影响？

A：根据GitLab发布的《2026年全球DevSecOps报告》，"AI悖论"指的是AI编程工具在加快开发速度的同时，却在质量、安全和合规层面制造了新的瓶颈。也就是说，AI工具让代码产出更快，但并没有消除对人工审查的需求，反而因为代码量大幅增加而引入了更多潜在Bug。报告显示，仅有37%的受访者表示愿意在无人工监督的情况下信任AI处理日常工作任务。

Q3：Momentic的故障分类智能体如何减少误报？

A：故障分类智能体会自动对测试失败的结果进行分类和分级，区分真正的代码Bug与由测试本身引起的"假失败"。例如，当用户界面发生变更但测试未同步更新时，系统能识别出问题出在测试而非代码，并可自动更新测试内容。对于非关键性警告，系统也会将其排在紧急修复之后处理，从而帮助开发团队聚焦真正重要的问题，提升代码审查效率。