课程大纲

AI在Software Testing中的介绍

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

LLMs用于测试用例生成

  • 提示工程用于生成单元和功能测试
  • 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

AI在探索性和边缘测试中的应用

  • 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
  • 代码变更后基于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流水线集成

  • 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
  • 流水线中的自动化回滚和智能测试门控

未来趋势与AI在QA中的负责任使用

  • 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流水线和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