課程簡介

Software Testing 中的 AI 介紹

  • AI 在測試與 QA 中的能力概述
  • 現代測試工作流程中使用的 AI 工具類型
  • AI 驅動的品質工程的優點與風險

用於測試案例生成的 LLMs

  • 生成單元測試與功能測試的提示工程
  • 創建參數化與數據驅動的測試模板
  • 將用戶故事與需求轉換為測試腳本

探索性與邊緣案例測試中的 AI

  • 使用 AI 識別未測試的分支或條件
  • 模擬罕見或異常的使用場景
  • 基於風險的測試生成策略

自動化 UI 與回歸測試

  • 使用 Testim 或 mabl 等 AI 工具進行 UI 測試創建
  • 通過自我修復選擇器維護穩定的 UI 測試
  • 代碼變更後的基於 AI 的回歸影響分析

失敗分析與測試優化

  • 使用 LLM 或 ML 模型對測試失敗進行聚類
  • 減少不穩定的測試運行與警報疲勞
  • 基於歷史洞察優先執行測試

CI/CD 管道集成

  • 在 Jenkins、GitHub Actions 或 GitLab CI 中嵌入 AI 測試生成
  • 在拉取請求期間驗證測試品質
  • 管道中的自動回滾與智能測試閘門

QA 中 AI 的未來趨勢與負責任使用

  • 評估 AI 生成測試的準確性與安全性
  • Go 治理與 AI 增強測試過程的審計追踪
  • AI-QA 平台與智能可觀察性的趨勢

總結與下一步

最低要求

  • 具備軟件測試、測試規劃或QA自動化經驗
  • 熟悉測試框架如JUnit、PyTest或Selenium
  • 對CI/CD流水線和DevOps環境有基本了解

目標受眾

  • QA工程師
  • 測試開發工程師(SDETs)
  • 在敏捷或DevOps環境中工作的軟件測試人員
 14 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類