课程大纲:
Day 1:大模型及其在软件测试的基本应用
以ChatGPT为例,帮助学员掌握大模型相关的知识、技术,夯实大模型应用基础,为第二天深度实践做准备。
注:下面实践、练习或案例都会引用软件测试的实例
1) 从NLP 技术演进史说起
2) 谁与GPT争锋:大语言模型的诞生和进化
3) InstructGPT到ChatGPT的诞生
4) 让ChatGPT惊艳一会,感受其魅力
5) 深入ChatGPT核心技术:Transformer、预训练模型、Prompt学习、指令微调、思维链等
6) 练习:开源大模型fine- tuning实践
7) 如何构建自己的测试大模型
8) 未来人机交与智能是常态:Zero-shot、few-shot 等Prompt技术
9) Prompt原则与策略
10) FlowGPT介绍与使用
11) OpenAI cookbook解析
12) Prompt应用技巧、最佳实践与练习
13) NL2SQL 及其练习
14) 完整的软件测试计划、测试用例生成展示
15) 实操练习:测试计划、测试用例生成
16) 练习点评和小结
17) 总结:LLM在软件测试应用现状全景图
Day 2:软件测试深度应用LLM
测试人员主要工作集中在测试分析、测试设计,或者说集中在功能测试、接口测试、性能测试和安全性测试,本模块侧重在这些方面深度应用LLM技术,讲解过程中伴随练习与实践。
1) 让LLM熟悉我们的业务:向量数据库和RAG技术
2) LLM扮演不同角色:AI智能体
3) LangChain技术框架
4) 用RAG+LangChain实现ChatPDF
5) 构建“测试专家”智能体:TestCopilot
6) LLM智能体助力需求/设计评审
7) ChatGPT参与代码评审
8) 借助IDE 插件生成和评审代码
9) IDE 插件和智能体做UT的比较
10) 借助智能体完成深度的测试分析
11) 智能体完善测试用例的设计
12) 智能体帮助我们进行自动化测试的脚本开发
13) 借助LLM完成接口测试
14) 智能体助力移动端探索测试
15) 智能体助力性能测试设计与结果分析、诊断建议
16) 智能体助力网站页面的漏洞分析
17) 多模态大模型在测试智能化中的应用
18) LLM在测试应用的前景与展望
19) 总结,Q&A