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