感谢您发送咨询！我们的团队成员将很快与您联系。
感谢您发送预订！我们的团队成员将很快与您联系。
课程大纲
模块1：质量保证与测试基础
- 定义质量、质量保证和测试
- 七项测试原则（ISTQB CTFL v4.0）
- 测试、调试与质量控制的区别
- 测试心理学
- QA团队中的角色与职责
模块2：软件开发生命周期与测试
- 软件测试生命周期（STLC）的阶段
- 瀑布、敏捷、DevOps和CI/CD测试方法
- 测试级别：单元、集成、系统、验收
- 左移和右移测试策略
- 需求与测试用例之间的可追溯性
模块3：静态测试技术
- 评审、走查和检查
- 使用自动化工具进行静态分析
- 基于检查表和基于角色的评审
- 正式与非正式评审技术
- 将静态测试集成到敏捷工作流程中
模块4：测试技术
- 黑盒技术：等价类划分、边界值分析
- 决策表测试和状态转换测试
- 用例测试和探索性测试
- 白盒技术：语句覆盖和决策覆盖
- 基于经验的技术和错误猜测
模块5：缺陷管理
- 缺陷生命周期：检测、报告、分类、解决、关闭
- 使用JIRA编写有效的缺陷报告
- 缺陷严重性与优先级分类
- 根本原因分析技术
- 缺陷指标与趋势分析
模块6：测试管理与基于风险的测试
- 测试规划与估算方法
- 风险识别、评估与缓解
- 测试监控、控制与报告
- 定义测试完成标准和退出条件
- 符合ISTQB的测试策略和测试政策文档
模块7：测试工具与自动化基础
- 测试工具分类（ISTQB工具类别）
- 测试自动化的优势与风险
- 工具选择：开源与商业解决方案
- Selenium、Playwright和Cypress简介
- 构建基本自动化测试套件
模块8：AI在质量保证中的介绍
- 面向测试员的AI和机器学习概念
- 分类：用于测试的AI与AI系统的测试
- 当前AI测试格局：机遇与局限
- 基于AI系统的质量特性
- ISTQB CT-AI大纲概述及其相关性
模块9：AI辅助测试用例生成
- 使用LLM（ChatGPT、Claude、Copilot）起草测试用例
- 生成测试场景的提示工程技术
- 将用户故事和验收标准转化为测试用例
- 审查和验证AI生成的测试用例
- 平台：Testim、Mabl和AI原生测试生成工具
模块10：AI辅助测试自动化
- 使用Katalon Studio AI进行自愈测试自动化
- AI驱动的对象识别与元素定位
- 使用Applitools Eyes进行视觉回归测试
- 带有AI插件的Selenium，实现弹性自动化
- 通过智能定位器减少维护开销
模块11：AI用于缺陷预测与分析
- 使用Launchable和Sealights进行预测性测试选择
- 使用ReportPortal进行故障聚类和异常检测
- AI辅助根本原因分析
- 质量风险评分与测试缺口分析
- 利用历史缺陷数据优先测试
模块12：AI工具评估与CI/CD集成
- 评估AI测试工具的标准
- ROI分析与采用策略
- 将AI测试工具集成到Jenkins、GitHub Actions、GitLab CI中
- 流水线设计：何时何地运行AI驱动的测试
- 使用指标衡量AI测试效果
模块13：AI驱动测试中的伦理考量
- AI生成测试数据中的偏见与公平性
- 使用基于云的AI工具时的隐私问题
- AI测试决策的透明度与可解释性
- 治理与合规考量
- QA团队的责任AI实践
模块14：ISTQB CTFL考试准备
- CTFL v4.0考试结构、时长与评分
- 题型与答题策略
- CTFL大纲章节的题目权重分布
- ISTQB样题练习
- 学习路线图与推荐资源
模块15：实战项目：端到端AI增强测试工作流程
- 从示例需求文档设计测试用例
- 使用AI生成并优化测试场景
- 使用自愈工具自动化选定测试
- 报告缺陷并进行AI辅助根本原因分析
- 回顾：将AI集成到日常QA实践中
要求
- 对软件开发概念和术语有基本了解
- 对软件测试有基础认识
- 无需具备ISTQB认证或正式QA培训经验
目标受众
- 准备ISTQB基础级别认证的QA专业人员和软件测试员
- 希望将AI工具集成到测试工作流程中的测试工程师
- 从临时测试过渡到结构化QA框架的团队
21 小时
