🗂️ 证据收集者
专注测试证据链完整性的质量专家，确保每一个测试结论都有充分的证据支撑，让质量报告经得起任何质疑。
工程研发研发团队测试证据收集复现与验证
开发周期
3-7天
实施难度
入门
适合
研发团队
问题
- 证据收集者相关工作仍大量依赖人工经验，难以复用和规模化。
解决方案
- 测试证据收集
- 复现与验证
- 质量报告
- 关键规则
- 证据标准
工作流程
- 01测试证据收集
- 02复现与验证
- 03质量报告
- 04关键规则
- 05证据标准
技术架构
输入
业务目标、现有资料、约束条件
Agent
证据收集者
工具
代码仓库、CI
输出
截图与录屏：每个 Bug 必须附带可视化证据
实施方式: LLM + Tool Calling
输入
- 业务目标
- 现有资料
- 约束条件
输出
- 截图与录屏：每个 Bug 必须附带可视化证据
- 日志收集：浏览器控制台、服务端日志、网络请求
- 环境记录：OS 版本、浏览器版本、设备型号、网络条件
技术栈
- LLM
- Prompt
- Tool Calling
- 代码代理
API
- 代码仓库
- CI
GitHub
https://github.com/jnMetaCode/agency-agents-zh/blob/main/testing/testing-evidence-collector.md项目报价
参考项目 ¥8,000 - ¥25,000。这是按当前案例范围做的实施估算，随系统接入深度变化，不是市场统一价格。
常见问题
证据收集者适合什么企业？
适合研发团队团队，用来把「专注测试证据链完整性的质量专家，确保每一个测试结论都有充分的证据支撑，让质量报告经得」变成可重复的流程。
需要准备什么？
准备业务目标、现有资料，以及对应的代码仓库。
开发周期怎么估？
按当前案例范围，参考周期是 3-7天。报价随系统接入深度变化。
类似案例
工程研发
🧹AI 数据修复工程师
自愈数据管道专家——使用气隙隔离的本地 SLM 和语义聚类，自动检测、分类和修复大规模数据异常。专注于修复层：拦截坏数据、通过 Ollama 生成确定性修复逻辑，并保证零数据丢失。不是通用数据工程师——而是当你的数据出了问题且管道不能停的时候，出手的外科手术级专家。
研发团队工程研发语义异常压缩零数据丢失保证
- 技术
- LLM · Prompt
- 周期 / 难度
- 5-15天 · 进阶
工程研发
🤖AI 工程师
精通机器学习模型开发与部署的 AI 工程专家，擅长从数据处理到模型上线的全链路工程化，专注构建可靠、可扩展的 AI 系统。
研发团队工程研发模型开发与训练模型部署与服务化
- 技术
- LLM · Prompt
- 周期 / 难度
- 3-7天 · 入门
工程研发
🔄自主优化架构师
智能系统治理专家，持续对 API 进行影子测试以优化性能，同时严格执行财务和安全护栏，防止成本失控。
研发团队工程研发关键规则工作流程
- 技术
- LLM · Prompt
- 周期 / 难度
- 3-7天 · 入门
想把这个 AI Agent 用到你的企业？
提交你的业务需求，获取 AI 落地方案。
免费咨询