Addendum是一家开发用于端到端（E2E）测试和质量保证（QA）的人工智能代理的技术公司。该组织专注于应用机器学习和生成式人工智能技术来自动化软件测试的创建、执行和维护，旨在减少人工工作量并提高测试覆盖率。其产品设计用于集成到现代软件开发流程中，帮助团队更早、更可靠地识别缺陷。
Addendum成立于2020年代初期，源于软件工程和人工智能研究的背景。该公司的核心前提是传统的E2E测试耗时且脆弱，常常因微小的用户界面变化而中断。通过利用AI模型，Addendum力求创建能够适应应用程序变化的自愈测试套件，从而提高QA流程的效率和可靠性。
AI驱动的测试生成
Addendum的主要技术涉及使用大型语言模型和深度学习来分析应用程序代码、用户流程和历史测试数据。AI代理可以自动生成测试脚本，覆盖关键用户旅程，如登录、结账和数据输入。这种方法减少了对手动测试编写的需求，而手动测试编写是许多开发团队中的重大瓶颈。该系统还采用数据增强技术来创建多样化的测试输入，增加发现边缘情况缺陷的可能性。
自愈与维护
Addendum平台的一个关键特性是其自愈能力。当应用程序的用户界面发生变化时，传统测试常常因选择器或元素路径的改变而失败。Addendum的AI代理使用计算机视觉和神经网络模型，基于视觉和结构线索重新定位元素，自动更新测试脚本。这减轻了QA工程师的维护负担，使他们能够专注于更复杂的测试场景，而不是修复损坏的测试。
集成与工作流
该公司提供与流行的持续集成/持续部署（CI/CD）工具和版本控制系统的集成。Addendum的代理可以在代码提交或拉取请求时触发，在不同环境中并行运行E2E测试。它生成带有截图、日志和失败分析的详细报告，通常使用变换器模型来总结根本原因。这种集成帮助团队采用左移测试方法，在开发周期中更早地发现问题。
企业采用与用例
Addendum面向电子商务、金融服务和医疗保健等领域的软件开发团队，这些领域的应用程序可靠性至关重要。其工具用于回归测试、跨浏览器测试和移动应用测试。该公司还提供基于云的平台，并为具有严格数据治理要求的组织提供本地部署选项。截至2025年，Addendum已报告被多家中型和大型企业采用，但具体客户名称未公开披露。
研究与开发
Addendum维持着一个活跃的研究团队，发表与AI驱动软件测试相关的论文，包括使用强化学习进行测试生成，以及使用残差网络架构进行视觉元素检测。该公司与学术机构合作，如斯坦福AI实验室和麻省理工学院计算机科学与人工智能实验室，以推进自动化QA的最新技术水平。这项研究为新功能的开发提供了信息，例如预测性测试选择，它使用机器学习根据代码更改优先考虑最可能失败的测试。
竞争格局
AI驱动的测试工具市场包括其他初创公司和成熟的软件供应商。Addendum通过其对真正E2E测试（而非单元或集成测试）的关注以及对自愈能力的强调来实现差异化。该公司与添加了AI功能的传统测试自动化工具以及其他AI原生测试平台竞争。其成功取决于其AI模型的准确性以及处理复杂、动态Web应用程序的能力。
未来方向
展望未来，Addendum计划扩展其代理的能力，包括自动化测试数据生成和使用无监督学习进行更复杂的异常检测。该公司还在探索使用生成式人工智能来创建用于测试的合成用户交互，这可能有助于模拟真实世界的使用模式，而无需大型数据集。随着AI的不断发展，Addendum旨在保持在将这些技术应用于软件质量保证方面的前沿地位。