Epsilon
2 节点1 篇2 来源
【背景】Epsilon是法国阳狮集团(Publicis Groupe)旗下的全球数据与技术公司,拥有数亿消费者档案。其Agentic Platform团队近期部署了基于Amazon Nova Act的多租户UI测试服务,旨在通过“意图驱动”的自然语言测试替代部分脆弱的选择器脚本。
该方案的核心在于“轨迹回放”机制:探索阶段由Nova Act调用大模型推理生成步骤,成功后保存轨迹;执行阶段则确定性回放已保存轨迹,跳过冗余的模型思考,从而将重复运行的延迟和成本降至固定查找。AWS与Epsilon联合发布的案例研究称,内部基准显示18步工作流的编写时间从Playwright的30-90分钟缩短至5-10分钟,且保存的轨迹在重放中达到100%通过率。
然而,这一效率提升伴随显著的不确定性。Dataphoenix等独立媒体指出,官方未披露基准样本量、应用数量或统计方法,且100%通过率仅证明了对已验证轨迹的重放稳定性,并未证实Nova Act对界面变更的适应能力。此外,多租户架构下的跨账户IAM角色配置细节及安全审查结果亦未公开。目前争议焦点在于:这种“一次探索、多次回放”的模式是否真能解决UI频繁变动带来的维护痛点,还是仅在静态测试场景下有效。
事情怎么走到这一步
AWS机器学习博客发布案例研究,介绍Epsilon如何利用Amazon Nova Act和Bedrock AgentCore Browser Tool构建多租户UI测试平台,强调自然语言步骤和托管浏览器会话的优势。
aws.amazon.com ↗Dataphoenix报道指出,尽管Epsilon声称轨迹回放达到100%通过率,但案例研究未披露基准测试的样本大小、重放次数或失败分布,且未说明对界面变更的适应性。
dataphoenix.info ↗
还没定论的部分
- Epsilon的“轨迹回放”机制在UI发生实质性结构变更时,能否自动适应或需要重新探索?
- 多租户架构下,各产品团队的跨账户IAM角色权限隔离是否经过独立安全审计?
- 100%的轨迹重放通过率是否掩盖了初始探索阶段的高失败率或高成本?