课程简介
本课程深入解析生成式AI的最新进展与应用，重点关注大语言模型（LLM）在软件研发与测试领域的实际应用。通过案例分析与实战部署，帮助学员掌握LLM的工具能力、提示词工程技巧，以及在软件测试与质量保障中的创新应用。课程内容涵盖LLM在测试用例生成、测试脚本开发、测试优化中的具体实践，助力学员提升测试效率与质量，掌握AI驱动的测试方法与工具。
目标收益
1. 掌握LLM在测试用例生成中的应用技巧。
2. 学会使用AI工具优化测试脚本与流程。
3. 提升基于LLM的测试自动化能力。
4. 深入理解AI在软件质量保障中的价值。
5. 掌握测试用例设计与脚本生成的AI方法。
6. 学会利用LLM修复失败测试用例。
培训对象
软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人
软件架构师，资深研发工程师
运维架构师，资深运维工程师，DevOps工程师，SRE
测试架构师，资深测试工程师
研发管理人员，研发流程工程师
课程大纲
| 生成式AI的最新进展与应用 |
1.AIGC的基本概念 2.大语言模型的基本概念 3.LLM和传统AI的区别 4.AIGC目前的主要应用领域 5.AIGC目前的可能的应用领域 6.各类生成式AI的工具能力 |
| 以chatGPT为例来深入理解LLM的基本工作原理 |
1.什么是ChatGPT 2.GPT和chatGPT的关系 3.ChatGPT的历史和发展 4.ChatGPT的架构和模型 5.ChatGPT的训练数据和算法 6.ChatGPT的生成过程和输出结果 7.ChatGPT的局限性 8.ChatGPT的安全性 9.ChatGPT的涌现能力 10.ChatGPT的思维链 |
| 大语言模型本地部署实战 |
1.本地部署的基础知识 2.本地安装ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安装open-webui 6.本地部署实现RAG |
| LLM的主流应用场景与未来发展 |
1.GenAI在千行百业的应用概览 2.GenAI在软件研发企业的应用概览 3.单模态 vs 多模态 4.知识工程的回归 5.LLM的未来发展方向 6.LLM在各行业中的应用前景 7.LLM的风险与不确定性应对 8.LLM的技术演化方向 9.LLM的哲学思考 |
| 熟练使用LLM能力的全面进阶 |
1.LLM应用能力的进阶模型（“倒三角”模型） 2.提示词工程基础知识 3.主流提示词使用技巧 4.提示的万能使用公式详解 5.提示词模板的使用 6.提示词静态链的使用 7.提示词的横向扩展 8.提示词的纵向扩展 9.使用OpenAI API 10.ReAct的概念和落地 11.思维链和多思维链 12.RAG的基本原理与应用 13.多模态RAG的使用 14.plugin机制与使用方式 15.Function Call机制与使用方式 16.Agent的雏形 17.Agent开发的基本框架 18.业界主流Agent的设计思路与使用 19.Multi-Agent的雏形 20.业界主流Multi-Agent的设计思路 21.Multi-Agent的基本逻辑和应用范围 22.Multi-Agent应用示例：MetaGPT 23.Multi-Agent应用示例：DevChat |
| LLM在软件研发全生命周期中的应用场景与案例 |
1.软件研发全流程中LLM擅长的部分 2.软件研发全流程中LLM不擅长的部分 3.竞品分析与市场调研阶段LLM的应用场景与案例 4.产品概念与产品定义阶段LLM的应用场景与案例 5.产品原型阶段LLM的应用场景与案例 6.产品体验设计阶段LLM的应用场景与案例 7.需求分析阶段LLM的应用场景与案例 8.技术选型阶段LLM的应用场景与案例 9.顶层设计阶段LLM的应用场景与案例 10.详细设计阶段LLM的应用场景与案例 11.从设计到UML，从UML到代码的完整示例 12.编码阶段LLM的应用场景与案例 13.代码评审阶段LLM的应用场景与案例 14.单元测试阶段LLM的应用场景与案例 15.接口测试阶段LLM的应用场景与案例 16.持续集成流水中LLM的应用场景与案例 17.各类软件工程文档中LLM的应用场景与案例 18.持续发布中LLM的应用场景与案例 19.性能测试阶段LLM的应用场景与案例 20.测试结果分析中LLM的应用场景与案例 |
| AI辅助编程工具提升测试开发的质效 |
1.LLM辅助编程工具的基本原理和应用场景 2.代码大模型测评集HumanEval、MBPP介绍和评分原理 3.微软：Github Copilot和Copilot X 4.亚马逊：CodeWhisperer 5.智能代码编辑器Cursor 6.智谱智能编程助手CodeGeeX等 7.百度Comate快码 8.阿里通义灵码 9.LLM辅助编程工具 主要使用场景 10.LLM辅助编程工具的实现原理 11.LLM辅助编程工具加持下的软件生态改变 12.LLM辅助编程工具改变传统开发的12大场景 13.LLM辅助编程工具的编程技巧 14.LLM辅助编程工具下的测试优化 15.案例：某互联网大厂的应用案例分析 |
| LLM在软件质量和软件测试领域中的应用与案例 |
1.使用Test pilot自动生成测试用例 2.Test pilot的基本原理 3.使用OpenAI API实现单元测试用例的生成 4.LLM用于单元测试用例生成的技术难点与解决思路 5.使用OpenAI API实现API接口测试用例的生成 6.使用DeepSeek 实现API组合调用测试用例的生成 7.LLM用于API接口测试用例生成的技术难点与解决思路 8.测试脚本开发中的GitHub Copilot应用 9.Copilot X的能力与测试领域应用 10.基于AI Agent的测试用例设计生成技术 11.基于AI Agent的测试用例脚本生成技术 12.基于Multi-Agent的测试用例设计生成技术 13.基于Multi-Agent的测试用例脚本生成技术 14.使用LLM实现Monkey Test的能力扩展 15.使用LLM实现无脚本的Mobile App探索测试 16.使用LLM识别错误敏感的测试数据 17.使用LLM实现失败测试用例的自动修复 18.使用LLM提升被测对象的可测试性 |
| 各类AIGC场景深度解读 |
1.文生图能力的使用（大量行业案例） 2.与日程办公的结合（Office Copilot的案例） 3.其他各类可能使用场景解读（国内外最新案例） |
|
生成式AI的最新进展与应用 1.AIGC的基本概念 2.大语言模型的基本概念 3.LLM和传统AI的区别 4.AIGC目前的主要应用领域 5.AIGC目前的可能的应用领域 6.各类生成式AI的工具能力 |
|
以chatGPT为例来深入理解LLM的基本工作原理 1.什么是ChatGPT 2.GPT和chatGPT的关系 3.ChatGPT的历史和发展 4.ChatGPT的架构和模型 5.ChatGPT的训练数据和算法 6.ChatGPT的生成过程和输出结果 7.ChatGPT的局限性 8.ChatGPT的安全性 9.ChatGPT的涌现能力 10.ChatGPT的思维链 |
|
大语言模型本地部署实战 1.本地部署的基础知识 2.本地安装ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安装open-webui 6.本地部署实现RAG |
|
LLM的主流应用场景与未来发展 1.GenAI在千行百业的应用概览 2.GenAI在软件研发企业的应用概览 3.单模态 vs 多模态 4.知识工程的回归 5.LLM的未来发展方向 6.LLM在各行业中的应用前景 7.LLM的风险与不确定性应对 8.LLM的技术演化方向 9.LLM的哲学思考 |
|
熟练使用LLM能力的全面进阶 1.LLM应用能力的进阶模型（“倒三角”模型） 2.提示词工程基础知识 3.主流提示词使用技巧 4.提示的万能使用公式详解 5.提示词模板的使用 6.提示词静态链的使用 7.提示词的横向扩展 8.提示词的纵向扩展 9.使用OpenAI API 10.ReAct的概念和落地 11.思维链和多思维链 12.RAG的基本原理与应用 13.多模态RAG的使用 14.plugin机制与使用方式 15.Function Call机制与使用方式 16.Agent的雏形 17.Agent开发的基本框架 18.业界主流Agent的设计思路与使用 19.Multi-Agent的雏形 20.业界主流Multi-Agent的设计思路 21.Multi-Agent的基本逻辑和应用范围 22.Multi-Agent应用示例：MetaGPT 23.Multi-Agent应用示例：DevChat |
|
LLM在软件研发全生命周期中的应用场景与案例 1.软件研发全流程中LLM擅长的部分 2.软件研发全流程中LLM不擅长的部分 3.竞品分析与市场调研阶段LLM的应用场景与案例 4.产品概念与产品定义阶段LLM的应用场景与案例 5.产品原型阶段LLM的应用场景与案例 6.产品体验设计阶段LLM的应用场景与案例 7.需求分析阶段LLM的应用场景与案例 8.技术选型阶段LLM的应用场景与案例 9.顶层设计阶段LLM的应用场景与案例 10.详细设计阶段LLM的应用场景与案例 11.从设计到UML，从UML到代码的完整示例 12.编码阶段LLM的应用场景与案例 13.代码评审阶段LLM的应用场景与案例 14.单元测试阶段LLM的应用场景与案例 15.接口测试阶段LLM的应用场景与案例 16.持续集成流水中LLM的应用场景与案例 17.各类软件工程文档中LLM的应用场景与案例 18.持续发布中LLM的应用场景与案例 19.性能测试阶段LLM的应用场景与案例 20.测试结果分析中LLM的应用场景与案例 |
|
AI辅助编程工具提升测试开发的质效 1.LLM辅助编程工具的基本原理和应用场景 2.代码大模型测评集HumanEval、MBPP介绍和评分原理 3.微软：Github Copilot和Copilot X 4.亚马逊：CodeWhisperer 5.智能代码编辑器Cursor 6.智谱智能编程助手CodeGeeX等 7.百度Comate快码 8.阿里通义灵码 9.LLM辅助编程工具 主要使用场景 10.LLM辅助编程工具的实现原理 11.LLM辅助编程工具加持下的软件生态改变 12.LLM辅助编程工具改变传统开发的12大场景 13.LLM辅助编程工具的编程技巧 14.LLM辅助编程工具下的测试优化 15.案例：某互联网大厂的应用案例分析 |
|
LLM在软件质量和软件测试领域中的应用与案例 1.使用Test pilot自动生成测试用例 2.Test pilot的基本原理 3.使用OpenAI API实现单元测试用例的生成 4.LLM用于单元测试用例生成的技术难点与解决思路 5.使用OpenAI API实现API接口测试用例的生成 6.使用DeepSeek 实现API组合调用测试用例的生成 7.LLM用于API接口测试用例生成的技术难点与解决思路 8.测试脚本开发中的GitHub Copilot应用 9.Copilot X的能力与测试领域应用 10.基于AI Agent的测试用例设计生成技术 11.基于AI Agent的测试用例脚本生成技术 12.基于Multi-Agent的测试用例设计生成技术 13.基于Multi-Agent的测试用例脚本生成技术 14.使用LLM实现Monkey Test的能力扩展 15.使用LLM实现无脚本的Mobile App探索测试 16.使用LLM识别错误敏感的测试数据 17.使用LLM实现失败测试用例的自动修复 18.使用LLM提升被测对象的可测试性 |
|
各类AIGC场景深度解读 1.文生图能力的使用（大量行业案例） 2.与日程办公的结合（Office Copilot的案例） 3.其他各类可能使用场景解读（国内外最新案例） |
近期公开课推荐
