【学习工作赛道】FlaskMe — Web3 质量工程师的 AI 实训与知识中台

TRAE AI 创造力大赛 【大赛报名专区】
1

【标题】
【学习工作赛道】FlaskMe — Web3 质量工程师的 AI 实训与知识中台

【标签】
学习工作 · 社会公益（可选）

【正文】

1. 创意名称 + 创意介绍

创意名称：FlaskMe — AI 辅助区块链 QA 知识库与工作流平台

想解决什么问题：区块链与 Web3 领域的测试知识高度碎片化，钱包、多链、DEX 等场景用例编写慢、格式不统一；同时，越来越多团队尝试用 AI 批量生成测试用例，但生成结果质量不可控，一旦直接入库或发布，质量责任难以追溯。

为什么会想到做这个：作者拥有 10+ 年金融与区块链 QA 经验，曾负责 OceanEx 测试体系建设，亲历 CEX 提测打回率高、跨部门沟通成本大、用例资产难复用等痛点。希望将领域知识产品化，用「AI 辅助 + 人工签字」的方式，让测试工程师既能享受 AI 的效率，又始终掌握质量发布的最终决定权。

大概是什么产品：一个已部署上线的 Web 平台（网站），集区块链 QA 结构化知识库、AI 用例生成工作流、QCDM 质量闭环驱动模型 Demo、套餐授权与咨询入口于一体。在线地址：https://flask-me.onrender.com/home

2. 目标用户及痛点

面向哪些用户：区块链 / Web3 QA 团队（交易所、钱包、DEX）、QA Lead / 测试开发工程师、外包 QA 团队，以及希望系统学习区块链测试方法论的个人工程师。

在什么场景下使用：

  • CEX 团队建立充提、撮合、合约等核心链路的验收清单与提测门禁

  • 钱包团队基于 128 条结构化语料，批量产出符合 15 列 Schema 的用例草案

  • QA Lead 用 QCDM 五节点统一团队质量语言，串联需求→提测→测试→验收→复盘

  • 个人工程师浏览案例库与测试知识体系，快速建立领域认知

当前痛点：没有 FlaskMe 时，团队往往靠人工逐条编写用例，Schema 不一致、复用率低；AI 工具虽能生成文本，但缺少领域语料约束、Schema 契约和人工门禁，难以在高风险金融场景中放心使用；质量流程各说各话，跨部门对齐成本高。

3. 价值与意义

效率提升：通过「语料召回 → LLM 生成 → Schema 校验 → HITL 人工评审 → 草案入库」的 L2 固定管线，钱包用例草案产出效率提升约 3–5 倍，同时保留完整 Session 追溯链。

社会价值：Web3 与金融科技产品质量直接关系到用户资产安全。FlaskMe 帮助团队在高风险场景下建立可审计的质量门禁，降低交易所、钱包等产品的事故风险，间接保护普通用户的资金安全。CEX 提测打回率可从约 35% 降至 10% 以下，跨部门沟通成本降低 40%+。

4. 创意产物