设计上采用人在环
当智能体置信度较高时，步骤会自动运行；当置信度较低时，系统会提示您补充缺失信息，您也可以手动指导该步骤。
智能体工作流程Awaiting Review
已提取需求
需求已形式化
已生成测试用例
已通过符号验证
在 HIL 环境中执行
需求系统模型SILHIL
系统级测试生成Powered by BTC QCore
BTC TestStack
代码级 · 单元与集成 · 工程师主导
BTC TestAgent
系统级（HIL）· 智能体执行 · 可信
为何需要它
系统级测试在很大程度上仍依赖人工。
如今，系统级测试和 HIL（硬件在环）测试在很大程度上仍依赖人工，知识密集且耗时。工程师需要手动将需求转化为测试、配置执行环境，并逐一判断结果。
生成式 AI 有望加快这一流程，但仅靠 AI 尚不足以为安全相关验证提供所需的可信度：结果可能不完整，也可能看似合理却实际有误。
BTC TestAgent 弥合了这一差距。生成式 AI 带来速度和自动化，经过实践验证的形式化方法带来可信度和质量，从而推动系统级测试逐步迈向 24/7 自动化作业。
工作原理
完整的系统级测试流程。
您提供规约文档，后续步骤由智能体逐步完成，并在需要时由您掌控。
01
需求提取
读取规约文档并自动提取相关需求。
02
需求形式化
利用 Universal Pattern 技术，将自然语言需求转化为可由机器验证的形式化需求。
03
测试用例生成
通过多步骤流程推导覆盖项并生成测试用例，其中包括自动完整性与正确性检查。
测试用例验证循环
生成的测试用例在执行前接受符号验证。发现的问题会反馈至生成环节，从而自动纠正不完整或不正确的测试用例。
05
测试执行
经过验证的测试用例将在 HIL / 仿真环境中针对被测系统执行。
06
结果验证
系统依据形式化需求自动评估执行结果，给出清晰判定，并提供需求覆盖率和完整可追溯性。
测试执行反馈闭环
执行结果及其判定会反馈至工作流程，使智能体能够从系统的真实行为中学习并改进下一次运行。
内置功能
可自动化之处自动执行，需要人工之处由人掌控。
人工解锁步骤
您可以提供自己的输入来加入额外指令或跳过某个步骤，避免工作流程停滞。
两个反馈循环
验证闭环和执行闭环使智能体能够从验证发现与真实执行判定中学习，既覆盖单次运行内部，也覆盖多次运行之间。
自带数据
导入您自己的流程和系统专用文档，在自身环境中体验智能体。
独特之处
不是用 AI 取代严谨性，而是让 AI 具备严谨性。
核心差异
可信 AI：AI 与形式化方法相结合
BTC TestAgent 通过我们的符号方法增强生成式 AI，使 AI 输出具备可验证性和可信度。
Universal Pattern 技术
我们的形式化技术将需求表达为精确、可验证的模式，为测试用例的符号验证和判定结果的自动评估奠定基础。
基于置信度的自动化
智能体在有把握时自主执行，在不确定时向您询问，将自动化速度与工程判断相结合。
基于 BTC QCore
形式化、符号验证和判定评估均基于 BTC Embedded Systems 的形式化验证技术运行；该技术已在安全关键项目中经过多年实践验证。
集成 dSPACE Test Automation SDK
测试创建和执行基于 dSPACE 用于 HIL 测试创建与执行的抽象 API，并与现代 SDV 开发工具相衔接。
您需要了解的内容
融入您现有的工作方式。
- 本地安装
- 在本地计算机上运行，安装门槛低，可融入您现有的环境。
- 云就绪
- 面向云环境准备，旨在逐步扩展至您的云和 HIL 环境。
- 您自己的 LLM
- 可使用您公司现有的 LLM 访问方式（目前支持 OpenAI 类模型）。
- 复用现有经验
- 重用您现有的 HIL 测试知识，而不是强制采用新的方法。
- 您自己的数据
- 添加特定于流程和系统的文档，以便在实际环境中进行尝试。
Feel the Quality
不是用 AI 取代严谨性，而是让 AI 具备严谨性。
BTC TestAgent 弥合了这一差距。生成式 AI 带来速度和自动化，经过实践验证的形式化方法带来可信度和质量，从而推动系统级测试逐步迈向 24/7 自动化作业。