任你选择
课程大纲
上午：
一.Agent模式在研发管理以及测试领域的创新应用与落地实践
1.1 案例学习-需求改写
1.2案例学习-需求变动摘要
1.3案例学习-开发门户
1.4案例学习-接口差异分析
1.5案例学习-基于源代码的交易解读
1.6案例学习-测试用例生成和测试用例脚本生成
1.7案例学习-舆情分析
二.AI在技术测试领域的工具链应用与实践
2.1 AI驱动的测试数据生成
2.2 提示词工程的精确引导
2.3测试结果的智能保障
2.4 测试结果的智能评估
2.5 基于API接口的自动化脚本生成
2.6 脚本的智能调试与优化
2.7 自动化测试与持续集成结合
三.AI时代测试工程师的核心能力图谱
3.1 定位变化
3.1.1从功能验证者到智能评估者
3.1.2从手工执行者到自动化审查者
3.1.3 从问题发现者到风险控制者
3.2 核心能力
3.2.1 AI行为评估与设计
3.2.2 自动化验证工具链
3.2.3 数据驱动回归测试
3.2.4 安全与伦理检测
3.2.5 反馈闭环与改进
下午：
四.Agent在数据分析领域的应用与实践
4.1 案例学习：智能问数
4.1.1 智能问数的三大技术路线
4.1.2 智能问数的三大模式
4.1.3智能问数”的常见问题解答-“多表随便问”问题
4.1.4智能问数”常见问题解答-SQL生成的人工确认和二次加工问题
4.1.5 “智能问数”常见问题解答-跨库查询问题
4.1.6 “智能问数”常见问题解答-图表“智能”显示问题
4.1.7 “智能问数”常见问题解答-大量字段中只用到少量有效字段的问题
4.1.8 “智能问数”常见问题解答-指标异动归因分析问题
4.1.9 如何评价“智能问数”效果？
4.1.10 为支持智能问数，是否需要对LLM进行SFT有监督微调？
4.1.11 SFT有监督微调需要用到的数据集
4.1.12 为支持智能问数，如何用好思维链？
4.1.13为支持智能问数，思维链中的类别学习(Example)应该如何写？
4.1.14 智能问数产品架构参考
4.2 案例学习-舆情归因分析
4.2.1 舆情分析大模型构建
4.2.2 同业知识库
4.2.3 数据分析/智能投顾/风险预警等场景
4.2.4 报告体系
五.Agent上下文管理
5.1 上下文压缩
5.2 上下文规范化
5.3上下文截断
5.4上下文提取
5.5 上下文持久化
5.6上下文注入
5.7 Token管理
5.8 上下文更新
5.9 上下文安全访问
六.长期记忆/短期记忆的设计原理与最佳实践
6.1 为什么要记忆：没有记忆会怎样
6.2 定义对齐：短期记忆 VS 长期记忆
6.3 长短期记忆的对比表
6.4 短期记忆
6.4.1 短期记忆应该存储什么
6.4.2 短期记忆更新策略
6.4.3 短期记忆与上下文管理的关系
6.4.4 如何评测短期记忆效果
6.5 长期记忆
6.5.1 长期记忆分层
6.5.2 长期记忆写入路径
6.5.3 长期记忆读取路径
6.5.4 如何评测长期记忆效果
6.6 记忆与RAG的边界
6.7 安全合规
6.8 案例学习
