课程大纲

Software Testing 中的 AI 简介

  • AI 在测试和 QA 中的能力概述
  • 现代测试工作流程中使用的 AI 工具类型
  • AI 驱动的质量工程的益处与风险

用于测试案例生成的 LLMs

  • 为生成单元和功能测试进行提示工程
  • 创建参数化和数据驱动的测试模板
  • 将用户故事和需求转换为测试脚本

探索性和边缘案例测试中的 AI

  • 使用 AI 识别未测试的分支或条件
  • 模拟罕见或异常的使用场景
  • 基于风险的测试生成策略

自动化 UI 和回归测试

  • 使用 Testim 或 mabl 等 AI 工具创建 UI 测试
  • 通过自愈选择器维护稳定的 UI 测试
  • 代码更改后基于 AI 的回归影响分析

故障分析与测试优化

  • 使用 LLM 或 ML 模型对测试失败进行聚类
  • 减少不稳定的测试运行和警报疲劳
  • 基于历史洞察优先执行测试

CI/CD 管道集成

  • 在 Jenkins、GitHub Actions 或 GitLab CI 中嵌入 AI 测试生成
  • 在拉取请求期间验证测试质量
  • 管道中的自动化回滚和智能测试门控

QA 中 AI 的未来趋势与负责任使用

  • 评估 AI 生成测试的准确性和安全性
  • Go治理和 AI 增强测试过程的审计跟踪
  • AI-QA 平台和智能可观测性的趋势

总结与下一步

要求

  • 具备软件测试、测试规划或QA自动化经验
  • 熟悉JUnit、PyTest或Selenium等测试框架
  • 对CI/CD管道和DevOps环境有基本了解

受众

  • QA工程师
  • 测试开发工程师(SDETs)
  • 在敏捷或DevOps环境中工作的软件测试人员
 14 小时

即将举行的公开课程

课程分类