目标：在正式加入项目前，建立对产品质量风险的系统认知，带着判断进组。
生成日期：2026-06-24
一、产品概况
飞流AI 是金牌家居（603180）旗下的一站式家装服务智能体，核心能力：
| 能力 | 说明 |
|---|---|
| 智能户型匹配 | 输入小区名一键调取户型 / 上传照片AI自动描摹 |
| AI方案生成 | 65秒生成3套方案：效果图+VR全景+施工图+精准报价 |
| 全链路闭环 | 设计→报价→采购→施工→交付，覆盖全国45城 |
| AI量体裁柜 | 根据用户身高/肘高/膝高，自动计算最佳柜体高度 |
| 飞流社区 | UGC设计师+用户分享社区 |
技术底座：物理空间智能引擎（源自国家863计划），支持微信小程序 + PC网页端。
二、飞流AI vs 传统互联网平台：质量维度的本质差异
| 维度 | 传统互联网信息平台（你之前做的） | 飞流AI小程序（你即将做的） |
|---|---|---|
| 输出性质 | 确定性的（信息展示/表单流转） | 概率性的（AI生成内容，每次可能不同） |
| "Bug"定义 | 功能报错=Bug | 功能对但"回答不好"也是Bug |
| 质量标准 | 通过/不通过 | 通过+好+安全+合规（多维判断） |
| 测试难点 | 状态流转、并发、数据一致性 | AI输出不可控、边界场景爆炸、体验标准模糊 |
| 用户预期 | 功能正确就行 | "答得好、出得快、还能用" |
| 合规压力 | 一般 | 高（AI内容安全+隐私+小程序审核+家居行业） |
三、质量测试体系设计（六大维度）
维度1：AI模型质量（最关键，区别于传统测试）
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 意图理解准确率 | 用户说"奶油风"能否正确理解？多轮对话上下文是否保持？ | 🔴 高 |
| 输出准确性 | 生成的报价是否与实际SKU价格一致？施工图尺寸是否合理？ | 🔴 高 |
| 幻觉检测 | AI是否会推荐不存在的商品？是否会虚构户型数据？ | 🔴 高 |
| 鲁棒性 | 错别字/模糊描述/超长输入/无关问题 能否正确处理？ | 🔴 高 |
| 一致性 | 相同输入多次执行，结果是否稳定？是否出现矛盾方案？ | 🟡 中 |
| 安全性 | 是否会被诱导生成不当内容？隐私数据是否泄露？ | 🔴 高 |
| 多模态能力 | 照片识别户型的准确度？不同光线/角度的户型图识别率？ | 🟡 中 |
建议验收标准：
- 核心场景意图理解准确率 ≥ 95%
- 报价/尺寸等硬数据准确率 = 100%
- 幻觉率 < 1%
- 异常输入拦截率 = 100%
维度2：业务功能质量
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 户型获取 | 小区名查询命中率 / 照片AI描摹准确率 | 🔴 高 |
| 方案生成流程 | 3套方案是否完整（效果图/VR/施工图/报价） | 🔴 高 |
| SKU一致性 | 效果图中商品是否与实际可售SKU匹配 | 🔴 高 |
| 报价准确性 | SKU级报价是否与系统商品库一致，误差率？ | 🔴 高 |
| 整家交付链路 | 设计→下单→施工→验收 全流程数据贯通 | 🟡 中 |
| 飞流社区 | UGC内容审核、评论、关注等社区功能 | 🟡 中 |
维度3：性能与稳定性
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 方案生成耗时 | 官方承诺65秒，需验证P50/P90/P99 | 🔴 高 |
| 小程序启动速度 | 冷启动 ≤ 1.5s，首屏渲染 ≤ 3s | 🔴 高 |
| 并发承载 | 高峰期多用户同时生成方案的响应 | 🟡 中 |
| 长会话稳定性 | 多轮对话是否会出现上下文丢失/延迟增加 | 🟡 中 |
| VR全景加载 | 720°全景漫游的加载速度和流畅度 | 🟡 中 |
维度4：兼容性（小程序特有）
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 微信版本覆盖 | 近12个月微信版本 | 🟡 中 |
| 机型覆盖 | iOS/Android主流机型 + 平板 | 🟡 中 |
| 屏幕适配 | 不同分辨率下的UI表现 | 🟢 低 |
| 网络环境 | WiFi/4G/弱网/断网重连 | 🟡 中 |
| 系统版本 | iOS 14+ / Android 8+ | 🟢 低 |
微信官方质检重点（影响审核）：
- 启动性能（权重30%）
- 运行性能（权重30%）
- 兼容性（权重20%）
- 网络性能（权重20%）
维度5：安全与合规
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 隐私数据保护 | 用户户型图/照片/个人信息是否加密存储？ | 🔴 高 |
| AI内容安全 | 生成内容是否含违规信息？是否有内容审核机制？ | 🔴 高 |
| 权限合规 | 相册/定位/相机权限申请是否符合微信规范？ | 🔴 高 |
| 数据最小化 | 是否只收集必要数据？用户数据是否用于训练？ | 🔴 高 |
| 小程序审核合规 | 基础信息/类目/资质是否符合微信平台要求？ | 🔴 高 |
| 家居行业合规 | 是否涉及环保标准/材料认证/消费者权益保护？ | 🟡 中 |
维度6：用户体验质量
| 测试项 | 具体内容 | 严重度 |
|---|---|---|
| 交互流畅度 | AI生成过程中的等待体验（loading/进度/提示） | 🟡 中 |
| 结果可视化 | 效果图/VR/施工图的展示质量和易用性 | 🟡 中 |
| 异常处理 | AI理解错误/生成失败时的兜底体验 | 🟡 中 |
| 引导设计 | 新手用户能否顺利完成首次方案生成？ | 🟡 中 |
四、入项第一周行动清单
Day 1：摸底
- 获取产品架构图和技术架构图
- 了解飞流AI当前版本（已到3.0？迭代节奏如何？）
- 拿最近3个月的线上故障/客诉数据
- 了解当前测试团队人员配置和能力
Day 2-3：走流程
- 自己完整走一遍：输入户型→生成方案→查看效果→导出报价
- 重点体验AI对话的边界case（模糊需求、错误输入、连续修改）
- 体验VR全景、施工图、报价单的完整性
- 记录你发现的所有问题，形成《第一周体验报告》
Day 4-5：建判断
- 与产品对齐：AI回答质量标准是什么？（准确率/响应时间/兜底策略）
- 与技术对齐：模型版本管理、AB测试机制、回滚机制
- 与运营对齐：用户反馈收集渠道、高频客诉Top5
- 输出《质量现状评估》（一页纸，不超过10个核心发现）
Day 5：立规矩
- 确定发布门禁标准（至少3条硬性规则）
- 建立质量度量基线（当前线上故障率/遗漏率/性能指标）
- 明确质量周报机制
五、需要特别关注的风险点
1. AI幻觉导致报价错误（最高优先级）
飞流AI的报价直接关联到SKU级商品，如果AI生成了错误价格或推荐了不存在的商品，会直接导致用户投诉和信任崩塌。
建议： 建立报价校验层——AI生成的报价必须与商品库做自动交叉校验，不通过不许展示给用户。
2. 户型识别错误导致方案全错
用户上传的毛坯房照片或户型图，如果AI识别出错（墙体/门窗/梁柱），后续所有方案都是废的。
建议： 建立户型识别置信度阈值，低置信度时主动提示用户确认。
3. 效果图与实物的"所见非所得"风险
飞流AI主打"所见即所得"，但如果效果图中的商品与实际交付有色差/材质差异/尺寸偏差，会成为重大客诉点。
建议： 建立效果图vs实物的还原度评测体系，定期抽检。
4. AI对话的隐私泄露
用户会上传真实户型图（暴露家庭住址信息），对话中可能透露预算、家庭成员等隐私。
建议： 确认数据存储链路、加密方案、数据生命周期管理。
5. 小程序审核风险
微信对小程序的内容安全、权限使用、商业模式有严格审核。AI生成内容不可控，一旦生成违规内容可能被下架。
建议： 建立AI输出的内容安全过滤层，上线前做一轮合规自审。
六、工具与能力建设建议
| 优先级 | 工具/能力 | 用途 |
|---|---|---|
| 🔴 高 | AI对话测试框架 | 构建意图理解测试集，自动化回归测试 |
| 🔴 高 | 报价校验自动化工具 | AI生成报价 vs 商品库交叉验证 |
| 🟡 中 | 微信小程序云测 | 性能/兼容性/网络质量检测 |
| 🟡 中 | AI内容安全检测 | 输出内容合规性自动化检测 |
| 🟡 中 | 端到端自动化 | 核心流程自动化回归 |
| 🟢 低 | 用户行为分析 | 埋点分析用户操作路径和卡点 |
七、与之前通用清单的差异点
相比之前的通用《质量风险自检清单》，本方案增加了以下AI特有维度：
- AI意图理解测试 — 传统平台不需要测"理解是否正确"
- 幻觉检测 — AI可能编造不存在的信息
- 鲁棒性测试 — 异常输入的处理
- AI输出一致性 — 相同输入可能得到不同输出
- 模型版本管理 — 模型更新后的回归测试
- 内容安全过滤 — AI生成内容的合规检测
- 多模态输入测试 — 照片识别/户型图解析的准确率
方案版本：v1.0 | 生成日期：2026-06-24 | 作者：丹诺
信息来源：金牌家居官网、微信小程序质检规范、AI测试行业实践