客服测试流水线编排设计思路和准入准出应用|得物技术

一、前言

测试流水线经过多个迭代准入准出的实践应用,基本完成了线上化、标准化以及流程自动化提升,目前客服域已实现100%的应用通过测试流水线准出完成测试。当前在商家和ERP推广,大家一起来了解下测试准出流水线是什么,解决什么问题,又需要如何接入和线上化应用。

二、测试流水线的概念

在DevOps转型中,更多的会提到CI/CD(Continuous Integration / Continuous Delivery,即持续集成和持续交付),但DevOps概念下,与之适配的软件测试能力也是必不可少。随着对测试“左移”和“右移”能力的要求,那Continuous Testing(持续测试)这个概念也就涌现了。持续测试是在整个软件开发生命周期中,都需要进行测试的做法,作为持续交付流程中的一环,旨在尽早发现缺陷和问题,减少以后修复它们的成本和时间。

01.jpg

在得物DevOps下实践持续测试,考虑到研发和测试的分工差异化、测试自动化成熟度以及多角色协同复杂性。将软件交付过程中归属于测试角色的各类质量活动都组件化,并有序集成在单独的流水线,通过测试角色来触发执行和管理,这类流水线定义为测试流水线,来实施持续测试。通过和研发Push流水线、发布流水线的多级联动协同,更好的支撑测试完成流程守护、迭代测试、门禁卡点等职责。

三、测试流水线的必要性

流程守护-降低发布风险

解决当前流程节点无法评估版本风险的问题。具备测试流水线后,研发测试全生命周期均可由对应着不同阶段的流水线串联,这些流水线之间将存在多级联动约束,从而确保整体流程走下来是一个逐步收敛版本质量,从高风险到低风险、从不稳定到稳定的过程。

测试协同-降低团队损耗

通过流水线提高协同效率。具备测试流水线后,不管跨角色之间研发还是测试,亦或是跨团队、跨异地之间的协同,都将统一在一个载体上活动。制品、环境、质量动作和门禁都托管在流水线引擎调度和执行,测试步调是否一致,测试对象是否一致,彼此可视化、可追溯、可度量。

测试准出-降低对个人依赖

解决当前流水线执行结果不具备质量结论价值的问题。具备测试流水线后,伴随线下的质量活动更多的集成到测试流水线,结合质量门禁的应用,测试准出结论将直接简化为测试流水线最终执行结果。不用再依赖交付前的线下人工多方采集信息评估风险。

四、客服测试流水线的编排设计

编排设计思路

1. 以需求特性为核心驱动,以应用为唯一载体,通过强卡点守住质量底线。

特性是用户能体验到的产品能力的最小单元,故以需求特性为核心驱动触发测试流水线执行;应用是提供一种业务能力的最小单元,也是软件交付和运维的最小单元,故以应用为唯一载体通过应用串联代码、流水线、环境、测试以及数据库、中间件等;最后通过强卡点保障研发测试步调统一,守住交付质量底线。实现达到当增量代码集成到应用程序中时,流程化、可视化、集成化和自动化的完成测试动作。具体如下:

02.jpg

2. 测试万物皆可pipeline,流程自动化解放生产力。

测试层面识别测试核心活动,核心活动组件化后集成到测试流水线。通过在测试流水线向右向左扩展节点,每个节点向下扩展测试组件,覆盖完整测试过程,实现测试过程流程化、自动化。整体研发测试流程层面,测试流水线需要承前启后,和其他流程通过一定的输入输出契约,实现流程的自然融合。

03.jpg

行业实践参考

在需求、应用和流水线关联解决方案上,根据各团队不同的协作方式、交付方式等,当前主流的实践有变更交付和自由交付两种模式。变更交付更偏重研发测试流程的应用,有严格控制多阶段逐级晋级的要求,一般通过需求管理应用及流水线,主要由需求驱动流水线执行。而自由交付则没有这些限制,在需求、应用的关联处理和流水线的执行上更灵活自由。

在测试活动集成方案上,大部分都是采用的插件化方案,将某类完整的测试活动抽象后集成在流水线中,具备灵活插拔和自由适配组装的好处。具体抽象内容上一般做法是只将可自动化的测试动作集成,偏重执行的高频高效。也有部分团队实践将手工的测试动作尽量集成,更关注流程的连贯性和完整度。

在质量门禁解决方案上,几乎都是采用的差异化管控方案。主流做法是每个质量组件具备独立的门禁,质量组件在不同阶段执行实时反馈门禁结果。门禁设置上不仅支持多类指标守护代码质量,如代码规范、自动化测试、代码覆盖率、安全漏洞等,也支持灵活的阈值配置和人工判断介入。

客服适配演化

统一客服分支模型

基于以需求特性为核心驱动,以应用为唯一载体,其中分支模型是穿针引线的关键。通过协同客服研发、流水线平台实施客服新分支模型,新分支模型下减少研发在多个分支重复合并等操作频率,降低了高频人为操作放大风险的可能;解决了特性分支即合测试分支又合版本分支导致的分支血缘丢失,非所测即所发的质量风险;也提供了流水线在代码问题回溯、分支一致性校验以及基于分支可视化展示需求交付过程等能力上的拓展空间。

04.jpg

老分支模型

05.jpg

新分支模型

奥姆卡剃刀原则,测试准入准出线上化极简模型

基于测试万物皆可pipeline,流程自动化解放生产力,通过和客服研发、流水线平台和协同平台等多次沟通讨论,化繁为简。测试流水线内部最大程度复用现有组件能力搭建测试流水线,整体的研发测试流程上通过协同面板、流水线平台共同完成流程融合。通过持续的2个小项目,完成了客服测试流水线基于特性的多级联动模型搭建和验证。

06.jpg

第一版

07.jpg

合并需求测试流水线

08.jpg

分支自动合并复用MR流水线

09.jpg

组件和协同面板融合

10.jpg

奥姆卡剃刀下测试准入准出极简模型

11.jpg

客服基于模型的准入准出场景演绎

质量门禁,引入更多专家经验冷启动

基于强卡点守住质量底线,研发测试过程中各环节各组件遍布各类质量门禁,包括静态代码扫描、单测、自动化和覆盖率等,其中覆盖率作为最核心的准出质量门禁。代码覆盖率通过采集前序的各项活动过程并转化为代码覆盖率进行卡点,是目前业内最为成熟和有效的测试充分度量化工具,在应用上有各式玩法和拓展。

我们在各质量门禁阈值设置上缺乏存量数据进行差异化指导,故采用了一刀切的方式。而达到一刀切的标准可能需要持续反复测试,甚至可能确实达不到,从而在质量门禁强卡点上支持了组件重试执行和组件带分析的跳过门禁能力,引入人工分析,通过专家经验冷启动质量门禁。

12.jpg

平台能力标准化

13.jpg

五、基于测试流水线的准入准出线上化应用

快速开启准入准出

1. 开启提测准入卡点

  • 需求关联feature分支

  • feature分支流水线设置sonar卡点

  • 协同面板开启feature流水线准入卡点选项

14.jpg

15.jpg

2. 批量创建测试准出流水线

  • 新建应用维度自动化计划

  • 应用接入覆盖率平台

  • 调整测试准出流水线模版和门禁配置,批量应用

16.jpg

17.jpg

3. 开启测试流水线

  • 协同面板开启测试准出流水线

18.jpg

19.jpg

4. 开启发布卡点

  • 进入应用生产发布流水线编辑状态

  • 在发布流水线添加测试准出卡点

20.jpg

21.jpg

测试准入准出应用

1. 提测准入

  • 研发提测feature分支,校验feature分支最新流水线结果

22.jpg

23.jpg

2. 触发测试流水线

  • 手工测试完成,需求变更为可准出。选择应用分支即可触发测试准出流水线

24.jpg

25.jpg

3. 测试流水线托管执行和失败介入

  • 测试流水线自动按编排运行,流水线执行成功则自动准出

26.jpg

27.jpg

4. 流转校验

  • 研发基于准出分支发布应用,校验测试准出流水线最新结果

28.jpg

29.jpg

配套协同运营机制

1. 研发测试协同机制

30.jpg

2. 测试适配以应用为核心的分工协作机制

31.jpg

3. 运营机制和指标

  • 运营频率和方式

    • 双周迭代维度运营

    • 通过研发效能双周会、测试周会、技术周会等场合通晒数据、汇报关键进展和跟进TODO项落地

  • 运营平台

    • 协同面板:从协同平台的准出面板进入数据报表,可运营准入准出流程流转数据

32.jpg

33.jpg

  • 流水线平台:在流水线平台报表Tab页,可运营流水线维度准入准出相关数据

34.jpg

  • 发布平台:在发布平台可运营测试准出发布拦截数据

  • 核心运营指标

35.jpg

客服应用数据概览

36.jpg

37.jpg

六、总结&规划

得物客服域从测试角色视角出发,结合测试承担的流程守护、门禁卡点、提供自动化工具等责任,设计了特性变更驱动的测试流水线,并基于流水线多级联动完成线上化准入准出模式的验证。通过多个迭代版本的应用和实践沉淀,拿到了非常正向的质量和效能结果,客服质量团队也对测试流水线价值有进一步认知和理解。未来客服域质量团队将通过规模化应用、一键化托管和体系化运营,持续走向CI/CD最佳实践。

1. 多域推广

推进在非客服业务域开展准入准出落地。通过多域的大规模应用,进一步完善测试流水线标准化,适配兼容更多业务域。

2. 阶梯化提升成熟度

适时推进提测单、分支自动合并等相关能力,完成研发到测试流转部分的自动化托管能力。

38.jpg

39.jpg

3. 更好的评估量化

跟进现有流程下相关数据报表和指标的产出,进一步完善基于指标的运营机制,优化研发效能和流程。

40.jpg

*文 / 三十本书

本文属得物技术原创,更多精彩文章请看:得物技术

未经得物技术许可严禁转载,否则依法追究法律责任!

相关推荐

压测AI Agent 治理与评测调优实践|得物技术

本文介绍智能分析Agent在压测调试中上线后的治理闭环建设:通过Langfuse记录完整执行链路,结合用户反馈与Trace还原问题根因;利用CLI Mock固化证据数据集,实现相同场景下的回测验证。基于固定案例与五档评分机制,持续评估方案质量、延迟与成本,确保修复有效且无新问题引入,推动Agent能力迭代优化。

SmartCodeTech的博客 310

从中心调度到自驱协作多 Agent 架构的三次反转|得物技术

本文探讨多Agent系统中的控制权分配问题,提出三大协作架构:Master Agent(中心调度)、任务看板(共享状态)与Advisor(轻量咨询)。通过划清上下文边界与模型边界,强调应以信息相关性而非职业标签划分Agent。三种模式分别将决策权集中于中心、下放至共享状态、再下沉至执行者,形成控制权逐步下沉的演进路径。案例显示,合理设计可提升复杂任务的并行性、弹性与可维护性。

SmartCodeTech的博客 420

Jev 实战:为AI工作流引入轻量决策层 x10倍提速|得物技术

完成这三个场景后,我对适用边界有了更明确的认识:它们都可以先定义答案范围,再根据判断结果驱动下一步操作。接入时,我会优先明确输入、选项、采纳条件和兜底路径,再评估Jev是否适合承担这一环节。结合这些实践,我更容易理解Jev(TypeSafe System One)作为专用结构化决策模型不生成自然语言,而是返回带概率的判断结果。后续接入时,我会继续从脚本中边界明确的判断任务开始,分别验证准确性、耗时和费用,再决定是否扩大使用范围。下面整理了相关能力、限制和接入要点,便于查阅。

SmartCodeTech的博客 345

国产算力·昇腾 910C 大模型推理优化(下):源码修改与算子优化,提速30%|得物技术

本文延续上篇,深入vllm-ascend源码优化:通过多流重叠实现MoE共享专家并行计算,消除冗余事件开销,并解除与FUSED_MC2的互斥限制,实现c=1下TPOT从8.2ms降至8.0ms;优化decode阶段host侧开销,引入状态跟踪跳过冗余拷贝;设计Block Table CPU快路径,规避小batch下NPU kernel启动延迟;针对GDN层融合L2Norm至recurrent kernel,减少算子调用与内存往返。综合优化后推理性能显著提升,形成可复用的昇腾910C大模型推理优化方法论。

SmartCodeTech的博客 245

国产算力·昇腾 910C 大模型推理优化(上):镜像更新与参数调优,提速 40%|得物技术

文中详细给出每一项优化的动机、实现(含具体源码改动路径与关键代码片段)、验证数据与踩坑记录(包括十余项实测无效或负向的尝试),希望为同样在国产算力上做推理优化的团队提供一份可直接复用的工程参考。

SmartCodeTech的博客 225

动态规则的 Agent 实践:用确定性工程驾驭 LLM 的资产智能验收

面对财务验收中规则多变、材料非结构化、核对复杂等痛点,传统规则引擎难以应对。系统采用“规则即配置”思路,由大语言模型(LLM)负责理解合同、扫描件等非结构化材料并执行语义比对,工程系统则保障流程编排与可追溯性。通过异步处理、幂等设计、三类流量隔离及双通道(文本/图像)处理,实现高效稳定运行。结合用户反馈构建自动标准答案,辅以试跑、回测与发布门禁机制,形成闭环质量体系。底层采用确定性工作流架构,确保行为可预期、可测试,真正实现灵活规则的快速迭代与安全上线。

SmartCodeTech的博客 344

发一张图,它居然“跃“出屏幕了?一文读懂得物 3D 空间图片技术实践

3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。

SmartCodeTech的博客 555

别再只卷向量检索了,得物交易搜索如何用“生成式”实现召回范式跃迁?

你搜"af1",它得给你"空军一号"。这一年,得物交易搜索把召回从"做选择题"改成了"写答案"——不再从商品池里"找"最像的,而是让模型自己"生成"你真正想要的。从 LLM 语义索引到 HLLM、语义 ID,搜索是怎么从"检索"走向"生成"的?

SmartCodeTech的博客 594

指标平台:从语义底座到智能消费的实践路径|得物技术

这篇文章想做的,不是在本体化的宏大叙事上再叠加一层理论,而是把我们在真实落地中验证过的路径讲清楚:语义底座怎么从零建立起来、怎么保证质量不失控、怎么支撑 Text2SQL 和 AI Coding 两条消费主线,以及沿着这条路径往前走,下一步该往哪个方向发力。

SmartCodeTech的博客 317

企业级 MultiAgent 落地:Plan 模式与主子 Agent 协作|得物技术

基于 AgentScope Java 的企业级 MultiAgent 平台,为研发、数据分析和知识问答等场景提供统一的模型调用、工具接入、任务编排、流式输出与运行追踪能力。

SmartCodeTech的博客 302

得物小摊 AI Native 演进实录:用 Harness 构建可控 AI 交付

AI Coding 一个人用很顺手,进了团队就漏:指令没人审、经验难沉淀、过程看不见、链路不闭环。作者团队基于 Multica 做了 EP-Harness,把 Agent 当成员管,给它套一层可执行、可观察、可治理的 Harness,并让反馈闭环。成果:可追溯决策、多 Agent 协作,高频异常从每 4 小时 2400 多条降到个位数,对得物技术补上团队级 AI 协作关键一环。

SmartCodeTech的博客 543

企业级 MultiAgent 的记忆系统:短期上下文与四层记忆架构实现|得物技术

在 MultiAgent 平台中,Agent 的"记忆"能力是实现智能对话和个性化服务的核心资产。本文深入剖析 Agent 记忆系统的设计理念与实现细节,重点解析长期记忆架构的写入与加载流程,涵盖 LLM 智能判断、语义检索、Token 预算控制、冲突处理等关键技术,为开发者提供完整的技术实现参考。

SmartCodeTech的博客 502

EP-Harness:从个人 AI Coding 到团队级 Agent 工作流|得物技术

AI Coding 个人用得爽,一到团队就崩。EP-Harness 把 Agent 从聊天工具变成团队协作成员——可管理、可追溯、可闭环。落地后高频异常从 2400+/4h 收敛到个位数。

SmartCodeTech的博客 694

得物知识问答:复合检索 Agent 的系统设计实践

从"搜到什么用什么"到"搜→筛→挖→验"自主决策闭环——我们造了一个有判断力的 RAG Agent,不是套壳。

SmartCodeTech的博客 734

实战从零开始构建一个Coding Agent:Violin |得物技术

理解了 coding agent 的构建原理,也就掌握了理解其他 agent 的一把钥匙。笔者对每天都在使用的 agent 原理很感兴趣,于是决定自己写一个:violin。

SmartCodeTech的博客 927

AI Native 交易核心系统的研发范式|得物技术

如何改造旧研发流程适配 AI 编码?本文提出五道标准化关口治理思路,依托 Claude Code Spec-Driven 插件打通需求澄清、方案设计、TDD 落地、门禁管控与埋点监控,构建带人工确认门控的完整工作流,以五层自底向上架构实现 AI 编码规范化落地。

SmartCodeTech的博客 975

推荐系统体验的数字化突破:得物自动化评测平台的技术实践|AICon 文章整理

「得物推荐 AI Harness 工程化实践系列」的末篇内容,本系列共三篇连载。本篇(末篇)详解得物推荐评测平台的完整技术体系:从主观体验量化到大模型自动化评测流水线,涵盖多维度指标设计、人机协作提示词校验闭环、分布式任务调度与成本精控等核心工程实现,以及单周百万级审计需求下实现 91% 资源成本优化的工业级落地实战细节。

SmartCodeTech的博客 1494

RAG 核心概念与原理:Chunking、Embedding、相似度、HNSW 与多路召回|得物技术

决定 RAG 效果的关键不在大模型,而是文本切块、查询改写、多路召回与精排。合理切块存好知识库内容,向量匹配抓语义、BM25 匹配关键词互补。先优化用户提问,快速召回一批相关文档,再用精排模型精细筛选,整套检索流程配合到位,问答准确度才会明显提升。

SmartCodeTech的博客 1079

从“机械应答“到“服务伙伴“:得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

本次分享围绕以下核心技术展开:客服 Agent 挑战与架构设计(Single-Agent→Multi-Agent→Harness);高可控性数据飞轮(PE 自动化 + DPO 训练);RL 策略训练和人工经验对齐;多轮半双工消息流控制。

SmartCodeTech的博客 750

得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。AICon上海2026_全球人工智能开发与应用大会暨大模型应用生态展_InfoQ技术大会「得物推荐 AI Harness 工程化实践系列」的中篇内容,本系列共三篇连载。本篇(中篇)进一步详解得物推荐复杂业务场景下,AI代码从生成、防护校验到安全上线的完整技术体系、自研AI Harness整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。

SmartCodeTech的博客 1365

得物 OceanBase 落地实践

得物选型OceanBase多模数据库应对业务挑战,通过验证其高可用架构、存储压缩技术及混合负载处理能力。测试显示OceanBase在复杂查询场景性能较MySQL提升130-200倍,在高并发TP/AP混合场景表现优异,存储成本降低40%+。通过DBA内部报表业务试点验证其稳定性后,逐步推广至核心业务场景,优化数据库技术栈,实现性能与成本的双重收益。

SmartCodeTech的博客 1383

AI UITester:AI Native 的 UI 自动化测试新范式|得物技术

ai_uitester 代表了 AI Native 的 UI 自动化测试新范式:这不仅是工具的升级,而是测试范式的转变 ------ 从 "代码驱动" 转向 "视觉驱动",从 "人工调试" 转向 "AI 自愈",从 "三端分离" 转向 "统一抽象"。

SmartCodeTech的博客 779

从狂野代码到按目标生产:得物推荐 AI Harness 的工程化实践|AICon 演讲整理

本文是得物技术专家在 AICon 上海演讲整理的技术实录。「得物推荐 AI Harness 工程化实践系列」的开篇内容,本系列共三篇连载。将系统拆解得物推荐复杂业务场景下,AI 代码从生成、防护校验到安全上线的完整技术体系,逐一详解自研 AI Harness 整体架构框架、全流程安全防护机制、混合智能体核心算法实现,以及工业级工程落地的实战细节。本篇(上篇):将整体介绍团队自研的 AI Harness 体系,包括建设思路、全生命周期防护机制、混合智能体架构及落地效果。

SmartCodeTech的博客 1082

从表单到 Agent:得物社区活动搭建的 AI 实践之路

一场营销活动从策划到上线,运营要在三个系统间跳转 10 + 次、填写 40 + 个字段。我们用 AI 重新设计了这条链路 —— 从 “AI 帮你填表单” 到 “两阶段 Agent + 聚合工作台”。这篇文章记录的不是技术细节,而是这条路上的选择和反思。

SmartCodeTech的博客 744

从埋点需求到规则资产:Hermes Agent 重构得物数仓工作流

埋点和指标需求中,消耗数据承接方的不是生成答案,而是补齐证据链、对齐历史口径、识别下游影响,并在生产写入前留下可追溯的确认记录。本文数据承接方指承接业务需求的数据同学或业务合作伙伴;后文讨论内部研发、元数据、查询和门禁能力在流程中的角色。

SmartCodeTech的博客 657

让 Claude Code 拥有自我进化和记忆系统|得物技术

本文记录了为 Claude Code 构建的一套持久化记忆与自我学习系统的设计思路与实现细节。这套系统让 AI 助手能够跨越会话边界记住用户习惯,并在每次对话结束后自动提炼行为规律和系统信息,通过向量检索快速提取关键信息,下一次对话时主动应用,逐步进化为更懂你的编程伙伴。

SmartCodeTech的博客 994

用 LLM Agent 重构告警排查流程|得物技术

告警排查需频繁切换日志、APM、链路追踪等多个平台,耗时 10~30 分钟,且高度依赖个人经验。我们做了 Troubleshooter——用 LLM Agent 自动完成数据采集、根因分析和处置建议生成。上线后中位数排查耗时从 20 分钟降到 4.4 分钟,覆盖 11 个服务和 10+ 种告警类型。

SmartCodeTech的博客 1008

HorizonVault 技术深潜:如何在 HDD 上做出 100GB/s+ 级大吞吐分布式存储|得物技术

HorizonVault是一款面向Kafka远程存储的高吞吐分布式存储引擎,通过分布式并行写入和状态感知调度解决冷数据存储的三大核心问题:吞吐瓶颈、性能抖动和恢复能力。系统采用分层架构,Meta负责全局资源调度,Broker处理请求路由,Store实现本地磁盘管理,形成完整的写入治理链路。通过将HDD磁盘提升为一等资源,实现顺序追加写入、多盘并行和慢盘隔离,在保证高吞吐的同时控制延迟。存储结构采用DiskStore组织磁盘资源,LogSegment顺序写入数据,IndexSegment定位读取,Change

SmartCodeTech的博客 892

Claude Code Harness 工程:数仓侧落地方案|得物技术

Harness 工程通过职责分层实现研发流水线可靠性提升。Claude 负责需求理解与代码生成等语义层工作;hooks 负责规范检查等确定性执行;Subagents 隔离血缘查询、自测等高 token 操作;Memory 承载跨会话状态持久化。四层协同使数仓 AI 开发从"对话式辅助"转变为"规则驱动的自动化流程"。

SmartCodeTech的博客 1101

BP Claw 破解 AI 编码输入难题 ——FlinkSpec 需求智能化实践|得物技术

本文为 FlinkSpec 系列之开篇,亦是这场工程化变革的序章。BP Claw 所立之处,不过链路之源。FlinkSpec 所图,乃以 AI 之力,将实时数仓从需求落地至验收上线的全程工序,熔铸为一套精密自洽、生生不息的智能工程体系。宏图未竟,后续系列将逐章揭幕,敬请期待!

SmartCodeTech的博客 1039
上一篇: 说说唯一ID与CAS|得物技术
下一篇: 得物自建 Redis 无人值守资源均衡调度设计与实现
得物技术
得物技术 得物技术官方账号 得物技术官方账号
博客等级 码龄6年 2492粉丝 408原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值