課程簡介
本課程深入解析生成式AI的最新進展與應用，重點關注大語言模型（LLM）在軟件研發(fā)與測試領域的實際應用。通過案例分析與實戰(zhàn)部署，幫助學員掌握LLM的工具能力、提示詞工程技巧，以及在軟件測試與質量保障中的創(chuàng)新應用。課程內容涵蓋LLM在測試用例生成、測試腳本開發(fā)、測試優(yōu)化中的具體實踐，助力學員提升測試效率與質量，掌握AI驅動的測試方法與工具。
目標收益
1. 掌握LLM在測試用例生成中的應用技巧。
2. 學會使用AI工具優(yōu)化測試腳本與流程。
3. 提升基于LLM的測試自動化能力。
4. 深入理解AI在軟件質量保障中的價值。
5. 掌握測試用例設計與腳本生成的AI方法。
6. 學會利用LLM修復失敗測試用例。
培訓對象
軟件研發(fā)負責人，研發(fā)管理負責人，運維負責人，DevOps負責人，測試負責人，工程效能負責人
軟件架構師，資深研發(fā)工程師
運維架構師，資深運維工程師，DevOps工程師，SRE
測試架構師，資深測試工程師
研發(fā)管理人員，研發(fā)流程工程師
課程大綱
| 生成式AI的最新進展與應用 |
1.AIGC的基本概念 2.大語言模型的基本概念 3.LLM和傳統(tǒng)AI的區(qū)別 4.AIGC目前的主要應用領域 5.AIGC目前的可能的應用領域 6.各類生成式AI的工具能力 |
| 以chatGPT為例來深入理解LLM的基本工作原理 |
1.什么是ChatGPT 2.GPT和chatGPT的關系 3.ChatGPT的歷史和發(fā)展 4.ChatGPT的架構和模型 5.ChatGPT的訓練數據和算法 6.ChatGPT的生成過程和輸出結果 7.ChatGPT的局限性 8.ChatGPT的安全性 9.ChatGPT的涌現(xiàn)能力 10.ChatGPT的思維鏈 |
| 大語言模型本地部署實戰(zhàn) |
1.本地部署的基礎知識 2.本地安裝ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安裝open-webui 6.本地部署實現(xiàn)RAG |
| LLM的主流應用場景與未來發(fā)展 |
1.GenAI在千行百業(yè)的應用概覽 2.GenAI在軟件研發(fā)企業(yè)的應用概覽 3.單模態(tài) vs 多模態(tài) 4.知識工程的回歸 5.LLM的未來發(fā)展方向 6.LLM在各行業(yè)中的應用前景 7.LLM的風險與不確定性應對 8.LLM的技術演化方向 9.LLM的哲學思考 |
| 熟練使用LLM能力的全面進階 |
1.LLM應用能力的進階模型（“倒三角”模型） 2.提示詞工程基礎知識 3.主流提示詞使用技巧 4.提示的萬能使用公式詳解 5.提示詞模板的使用 6.提示詞靜態(tài)鏈的使用 7.提示詞的橫向擴展 8.提示詞的縱向擴展 9.使用OpenAI API 10.ReAct的概念和落地 11.思維鏈和多思維鏈 12.RAG的基本原理與應用 13.多模態(tài)RAG的使用 14.plugin機制與使用方式 15.Function Call機制與使用方式 16.Agent的雛形 17.Agent開發(fā)的基本框架 18.業(yè)界主流Agent的設計思路與使用 19.Multi-Agent的雛形 20.業(yè)界主流Multi-Agent的設計思路 21.Multi-Agent的基本邏輯和應用范圍 22.Multi-Agent應用示例：MetaGPT 23.Multi-Agent應用示例：DevChat |
| LLM在軟件研發(fā)全生命周期中的應用場景與案例 |
1.軟件研發(fā)全流程中LLM擅長的部分 2.軟件研發(fā)全流程中LLM不擅長的部分 3.競品分析與市場調研階段LLM的應用場景與案例 4.產品概念與產品定義階段LLM的應用場景與案例 5.產品原型階段LLM的應用場景與案例 6.產品體驗設計階段LLM的應用場景與案例 7.需求分析階段LLM的應用場景與案例 8.技術選型階段LLM的應用場景與案例 9.頂層設計階段LLM的應用場景與案例 10.詳細設計階段LLM的應用場景與案例 11.從設計到UML，從UML到代碼的完整示例 12.編碼階段LLM的應用場景與案例 13.代碼評審階段LLM的應用場景與案例 14.單元測試階段LLM的應用場景與案例 15.接口測試階段LLM的應用場景與案例 16.持續(xù)集成流水中LLM的應用場景與案例 17.各類軟件工程文檔中LLM的應用場景與案例 18.持續(xù)發(fā)布中LLM的應用場景與案例 19.性能測試階段LLM的應用場景與案例 20.測試結果分析中LLM的應用場景與案例 |
| AI輔助編程工具提升測試開發(fā)的質效 |
1.LLM輔助編程工具的基本原理和應用場景 2.代碼大模型測評集HumanEval、MBPP介紹和評分原理 3.微軟：Github Copilot和Copilot X 4.亞馬遜：CodeWhisperer 5.智能代碼編輯器Cursor 6.智譜智能編程助手CodeGeeX等 7.百度Comate快碼 8.阿里通義靈碼 9.LLM輔助編程工具 主要使用場景 10.LLM輔助編程工具的實現(xiàn)原理 11.LLM輔助編程工具加持下的軟件生態(tài)改變 12.LLM輔助編程工具改變傳統(tǒng)開發(fā)的12大場景 13.LLM輔助編程工具的編程技巧 14.LLM輔助編程工具下的測試優(yōu)化 15.案例：某互聯(lián)網大廠的應用案例分析 |
| LLM在軟件質量和軟件測試領域中的應用與案例 |
1.使用Test pilot自動生成測試用例 2.Test pilot的基本原理 3.使用OpenAI API實現(xiàn)單元測試用例的生成 4.LLM用于單元測試用例生成的技術難點與解決思路 5.使用OpenAI API實現(xiàn)API接口測試用例的生成 6.使用DeepSeek 實現(xiàn)API組合調用測試用例的生成 7.LLM用于API接口測試用例生成的技術難點與解決思路 8.測試腳本開發(fā)中的GitHub Copilot應用 9.Copilot X的能力與測試領域應用 10.基于AI Agent的測試用例設計生成技術 11.基于AI Agent的測試用例腳本生成技術 12.基于Multi-Agent的測試用例設計生成技術 13.基于Multi-Agent的測試用例腳本生成技術 14.使用LLM實現(xiàn)Monkey Test的能力擴展 15.使用LLM實現(xiàn)無腳本的Mobile App探索測試 16.使用LLM識別錯誤敏感的測試數據 17.使用LLM實現(xiàn)失敗測試用例的自動修復 18.使用LLM提升被測對象的可測試性 |
| 各類AIGC場景深度解讀 |
1.文生圖能力的使用（大量行業(yè)案例） 2.與日程辦公的結合（Office Copilot的案例） 3.其他各類可能使用場景解讀（國內外最新案例） |
|
生成式AI的最新進展與應用 1.AIGC的基本概念 2.大語言模型的基本概念 3.LLM和傳統(tǒng)AI的區(qū)別 4.AIGC目前的主要應用領域 5.AIGC目前的可能的應用領域 6.各類生成式AI的工具能力 |
|
以chatGPT為例來深入理解LLM的基本工作原理 1.什么是ChatGPT 2.GPT和chatGPT的關系 3.ChatGPT的歷史和發(fā)展 4.ChatGPT的架構和模型 5.ChatGPT的訓練數據和算法 6.ChatGPT的生成過程和輸出結果 7.ChatGPT的局限性 8.ChatGPT的安全性 9.ChatGPT的涌現(xiàn)能力 10.ChatGPT的思維鏈 |
|
大語言模型本地部署實戰(zhàn) 1.本地部署的基礎知識 2.本地安裝ollama 3.本地部署Deepseek R1 4.本地部署Llama 3.3 5.本地安裝open-webui 6.本地部署實現(xiàn)RAG |
|
LLM的主流應用場景與未來發(fā)展 1.GenAI在千行百業(yè)的應用概覽 2.GenAI在軟件研發(fā)企業(yè)的應用概覽 3.單模態(tài) vs 多模態(tài) 4.知識工程的回歸 5.LLM的未來發(fā)展方向 6.LLM在各行業(yè)中的應用前景 7.LLM的風險與不確定性應對 8.LLM的技術演化方向 9.LLM的哲學思考 |
|
熟練使用LLM能力的全面進階 1.LLM應用能力的進階模型（“倒三角”模型） 2.提示詞工程基礎知識 3.主流提示詞使用技巧 4.提示的萬能使用公式詳解 5.提示詞模板的使用 6.提示詞靜態(tài)鏈的使用 7.提示詞的橫向擴展 8.提示詞的縱向擴展 9.使用OpenAI API 10.ReAct的概念和落地 11.思維鏈和多思維鏈 12.RAG的基本原理與應用 13.多模態(tài)RAG的使用 14.plugin機制與使用方式 15.Function Call機制與使用方式 16.Agent的雛形 17.Agent開發(fā)的基本框架 18.業(yè)界主流Agent的設計思路與使用 19.Multi-Agent的雛形 20.業(yè)界主流Multi-Agent的設計思路 21.Multi-Agent的基本邏輯和應用范圍 22.Multi-Agent應用示例：MetaGPT 23.Multi-Agent應用示例：DevChat |
|
LLM在軟件研發(fā)全生命周期中的應用場景與案例 1.軟件研發(fā)全流程中LLM擅長的部分 2.軟件研發(fā)全流程中LLM不擅長的部分 3.競品分析與市場調研階段LLM的應用場景與案例 4.產品概念與產品定義階段LLM的應用場景與案例 5.產品原型階段LLM的應用場景與案例 6.產品體驗設計階段LLM的應用場景與案例 7.需求分析階段LLM的應用場景與案例 8.技術選型階段LLM的應用場景與案例 9.頂層設計階段LLM的應用場景與案例 10.詳細設計階段LLM的應用場景與案例 11.從設計到UML，從UML到代碼的完整示例 12.編碼階段LLM的應用場景與案例 13.代碼評審階段LLM的應用場景與案例 14.單元測試階段LLM的應用場景與案例 15.接口測試階段LLM的應用場景與案例 16.持續(xù)集成流水中LLM的應用場景與案例 17.各類軟件工程文檔中LLM的應用場景與案例 18.持續(xù)發(fā)布中LLM的應用場景與案例 19.性能測試階段LLM的應用場景與案例 20.測試結果分析中LLM的應用場景與案例 |
|
AI輔助編程工具提升測試開發(fā)的質效 1.LLM輔助編程工具的基本原理和應用場景 2.代碼大模型測評集HumanEval、MBPP介紹和評分原理 3.微軟：Github Copilot和Copilot X 4.亞馬遜：CodeWhisperer 5.智能代碼編輯器Cursor 6.智譜智能編程助手CodeGeeX等 7.百度Comate快碼 8.阿里通義靈碼 9.LLM輔助編程工具 主要使用場景 10.LLM輔助編程工具的實現(xiàn)原理 11.LLM輔助編程工具加持下的軟件生態(tài)改變 12.LLM輔助編程工具改變傳統(tǒng)開發(fā)的12大場景 13.LLM輔助編程工具的編程技巧 14.LLM輔助編程工具下的測試優(yōu)化 15.案例：某互聯(lián)網大廠的應用案例分析 |
|
LLM在軟件質量和軟件測試領域中的應用與案例 1.使用Test pilot自動生成測試用例 2.Test pilot的基本原理 3.使用OpenAI API實現(xiàn)單元測試用例的生成 4.LLM用于單元測試用例生成的技術難點與解決思路 5.使用OpenAI API實現(xiàn)API接口測試用例的生成 6.使用DeepSeek 實現(xiàn)API組合調用測試用例的生成 7.LLM用于API接口測試用例生成的技術難點與解決思路 8.測試腳本開發(fā)中的GitHub Copilot應用 9.Copilot X的能力與測試領域應用 10.基于AI Agent的測試用例設計生成技術 11.基于AI Agent的測試用例腳本生成技術 12.基于Multi-Agent的測試用例設計生成技術 13.基于Multi-Agent的測試用例腳本生成技術 14.使用LLM實現(xiàn)Monkey Test的能力擴展 15.使用LLM實現(xiàn)無腳本的Mobile App探索測試 16.使用LLM識別錯誤敏感的測試數據 17.使用LLM實現(xiàn)失敗測試用例的自動修復 18.使用LLM提升被測對象的可測試性 |
|
各類AIGC場景深度解讀 1.文生圖能力的使用（大量行業(yè)案例） 2.與日程辦公的結合（Office Copilot的案例） 3.其他各類可能使用場景解讀（國內外最新案例） |
近期公開課推薦
