行业参考 · 其他 · 研发 · 证据 E1
Travelport 与 Cognizant 用 Claude 做预订平台工程与测试
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
预订、退改、支付、积分兑换等交易对精度要求极高，多币种多司法辖区多时区的异常场景靠工程师和测试人员手工穷举不现实；同时遗留系统里大量业务规则从未被写下来，原设计者已不在。
概要
Travelport 连接航司、酒店与旅行社及预订平台，正与 Cognizant、Anthropic 合作，把 Claude 用在软件开发和测试环节，初期聚焦 6 月上线的 TripServices 预订与服务化平台。做法是让 Claude 沿现有软件追踪业务流程、生成测试用例，并在政策与数据结构变化时更新测试，同时把百万行级遗留代码里从未文档化的业务规则翻成旅行专家能读懂的语言并固化为测试集。
原文写明的事实
- 原文写 Travelport 正与 Cognizant 和 Anthropic 合作，在软件开发和测试中使用 Claude，初期聚焦 6 月上线的 TripServices 平台
- Palanivelu 称模型可沿现有软件追踪业务流程来生成测试用例，并在政策和数据结构变化时更新这些测试
- 原文举例：一个航班取消影响 200 名旅客，部分需改签、部分需部分退款，交易可能涉及多币种、多司法辖区和时区
- Palanivelu 强调工程师和测试人员仍对进入生产的内容做最终决定
- 原文引 Palanivelu：AI 可以推理和推荐，但 system of record 必须提交
- 原文称用 Claude 沿着数百万行代码追踪业务功能，把内嵌逻辑翻译成旅行专家能理解的语言，并固化为测试集
- 原文称 Cognizant 已是 Travelport 的既有供应商，其与 Anthropic 的合作让 Travelport 拿到想要的模型经验
怎么做的
- 输入：现有软件代码库与业务规则、政策与数据结构变更
- 处理：Claude 沿代码追踪业务流程，生成并更新测试用例，把内嵌逻辑翻译成业务语言
- 数据：存量软件代码、业务规则、政策与数据结构定义
- 动作：补充异常场景测试覆盖，检查 AI 生成代码是否符合既有业务规则
- 输出：可执行的测试用例集与业务规则说明文档，最终由工程师和测试人员决定是否进生产
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（需要配置 Skill / Connector）
- 需要的能力：代码库检索与业务规则抽取、测试用例生成与回归、业务规则到自然语言的转译
- 需要接的数据/系统：代码仓库、测试管理系统
- 仍需人工的环节：工程师与测试人员对进生产内容做最终决定；人工判定哪些代码保留、现代化或不动
- 风险：退款等场景处理错误可能触发监管处罚；供应商赞助内容存在宣传口径；多司法辖区场景测试遗漏风险
- 原文没披露的：原文无任何量化效果指标；未披露 Claude 的具体产品形态与版本；未披露项目上线时间表与覆盖代码规模口径；无独立第二来源
可稳定做到的是辅助生成与更新测试用例、把遗留代码逻辑转成可读说明；至于能否在大规模遗留系统上替代人工穷举异常场景，原文无数据，需实测确认
来源
证据说明：单一来源且为 Cognizant 赞助的对话式内容，属官方口径但非独立验证；模型自称 E2，按来源结构下调为 E1。