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。
课程时长 21 小时
课程大纲
质量保证与测试基础
- 定义质量、质量保证和测试
- 七大测试原则（ISTQB CTFL v4.0）
- 测试 vs. 调试 vs. 质量控制
- 测试心理学
- QA团队中的角色与职责
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
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
- 基于清单和基于角色的评审
- 正式和非正式评审技术
- 将静态测试整合到敏捷工作流中
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：语句和决策覆盖
- 经验基础技术和错误猜测
缺陷管理
- 缺陷生命周期：检测、报告、分诊、解决、关闭
- 使用JIRA编写有效的缺陷报告
- 缺陷严重性 vs. 优先级分类
- 根本原因分析技术
- 缺陷指标和趋势分析
测试管理与基于风险的测试
- 测试计划和估算方法
- 风险识别、评估和缓解
- 测试监控、控制和报告
- 定义测试完成标准和出口条件
- 符合ISTQB的测试策略和测试策略文档
测试工具与自动化基础
- 测试工具分类（ISTQB工具类别）
- 测试自动化的好处和风险
- 工具选择：开源 vs. 商业解决方案
- Selenium、Playwright和Cypress介绍
- 构建基本的自动化测试套件
质量保证中的AI介绍
- 面向测试人员的AI和机器学习概念
- 分类：用于测试的AI vs. 测试AI系统
- 当前AI测试格局：机会和限制
- AI系统的质量特性
- ISTQB CT-AI大纲概述及相关性
AI辅助测试用例生成
- 使用LLM（ChatGPT、Claude、Copilot）起草测试用例
- 用于生成测试场景的提示工程技术
- 将用户故事和验收标准转换为测试用例
- 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
AI辅助测试自动化
- 使用Katalon Studio AI进行自愈合测试自动化
- AI驱动的对象识别和元素定位
- 使用Applitools Eyes进行视觉回归测试
- 使用AI插件增强Selenium的弹性自动化
- 使用智能定位器减少维护开销
用于缺陷预测和分析的AI
- 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辅助的根本原因分析
- 质量风险评分和测试差距分析
- 使用历史缺陷数据优先考虑测试
AI工具评估与CI/CD集成
- 评估AI测试工具的标准
- ROI分析和采用策略
- 将AI测试工具集成到Jenkins、GitHub Actions、GitLab CI
- 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
AI驱动测试中的伦理考量
- AI生成测试数据中的偏见和公平性
- 使用基于云的AI工具时的隐私问题
- AI测试决策的透明度和可解释性
- 治理和合规性考量
- QA团队的负责任AI实践
ISTQB CTFL考试准备
- CTFL v4.0考试结构、时长和评分
- 问题类型和答题策略
- CTFL大纲章节中的主题权重分布
- 包含ISTQB风格样题的模拟考试
- 学习路线图和推荐资源
综合：端到端AI增强测试工作流
- 从示例需求文档设计测试用例
- 使用AI生成和优化测试场景
- 使用自愈合工具自动化选定测试
- 报告缺陷并运行AI辅助的根本原因分析
- 回顾：将AI整合到日常QA实践中
要求
- 对软件开发概念和术语有基本理解
- 对软件测试有基础熟悉
- 无需先前的ISTQB认证或正式的QA培训
受众
- 准备ISTQB基础级认证的QA专业人士和软件测试人员
- 寻求将AI工具整合到测试工作流中的测试工程师
- 从随意测试转向结构化QA框架的团队
