主題

?

內容概要

?

AI賦能測試基礎知識?

?

- 基于大語言模型的生成式AI
- 大模型常見概念（Token、微調、Few-shot Learning）
- 推理型大模型定義
- OpenAI與DeepSeek對比（架構、性能、成本）
- 常見國產模型（ChatGLM、Qwen、Baichuan）
- 喬哈里視窗對AI賦能軟件測試的意義
- 喬哈里視窗在軟件測試中的應用示例
- DeepSeek-R1為代表的新一代推理大模型
- 模型分類（通用型/垂直領域）
- 模型的開源（LLaMA）與閉源（GPT-4）
- 大模型問題：幻覺、窗口長度、最大輸出限制
- 模型間差異和換模型引入的問題
- 私有部署的問題（算力、數據隔離）

?

測試用例自動化生成方法

?

- 模板適配策略（等價類、邊界值）
- 高覆蓋率用例生成邏輯
- 演示：FastGPT生成大數據場景測試用例

?

測試結果分析與改進方案

?

- 缺陷根因定位（代碼邏輯、環境配置）
- 可視化工具應用（熱力圖、趨勢預測）
- 質量改進措施（代碼優化、場景補充）

?

AI工具集成與定制化適配

?

- FastGPT測試智能體搭建（術語訓練、Prompt優化）

端到端AI測試流程實戰

?

- 綜合案例：從需求→用例→報告的完整流程
- 效能驗證與適配建議

?

答疑與場景化討論

?

- 企業現有流程的AI融合痛點分析
- 工具兼容性與數據安全答疑

?