聯繫我們
 課程時長 14 時間:

課程簡介

軟體測試中的 AI 簡介

  • 測試與 QA 領域中 AI 能力概觀。
  • 現代測試流程中使用的 AI 工具類型。
  • AI 驅動品質工程的優勢與風險。

使用 LLMs 生成測試案例

  • 透過提示工程生成單元測試與功能測試。
  • 建立參數化及數據驅動的測試模板。
  • 將使用者故事與需求轉換為測試腳本。

探索性測試與邊界情況測試中的 AI

  • 利用 AI 識別未測試的分支或條件。
  • 模擬罕見或非正常使用情境。
  • 基於風險的測試生成策略。

自動化的 UI 與回歸測試

  • 使用 Testim 或 mabl 等 AI 工具建立 UI 測試。
  • 透過自我修復選擇器(Self-healing selectors)維持 UI 測試的穩定性。
  • 在程式碼變更後進行基於 AI 的回歸影響分析。

失敗分析與測試最佳化

  • 使用 LLM 或 ML 模型對測試失敗進行聚類。
  • 減少不穩定(Flaky)測試執行與警報疲勞。
  • 根據歷史數據洞察優先排序測試執行。

CI/CD 流程整合

  • 在 Jenkins、GitHub Actions 或 GitLab CI 中嵌入 AI 測試生成。
  • 在拉取請求(Pull Requests)期間驗證測試品質。
  • 在流程中執行自動化回滾與智慧測試閘門(Smart test gating)。

未來趨勢與 QA 中 AI 的責任使用

  • 評估 AI 生成測試的精確度與安全性。
  • AI 增強測試流程的治理與審計追蹤。
  • AI-QA 平台與智慧觀察性(Intelligent observability)的趨勢。

總結與後續步驟

最低要求

  • 具備軟體測試、測試規劃或 QA 自動化的經驗。
  • 熟悉 JUnit、PyTest 或 Selenium 等測試架構。
  • 對 CI/CD 流程及 DevOps 環境有基本的理解。

目標受眾

  • QA 工程師。
  • 軟體測試開發工程師(SDETs)。
  • 在敏捷或 DevOps 環境中工作的軟體測試人員。

人數


每位參與者的報價

客戶評論 (1)

即將到來的課程

課程分類