最近和不少星球同学以及测试同行交流，发现很多同学所在的公司已经开始探索并推动AI能力在工作场景中的应用。
去年和其他老师合作，完成了好几个大型企业AI知识库的部署以及相关培训，我也在朋友圈分享过这些内容。很多同学看到之后咨询我能不能学，其实AI市面上广告太多，大多是提示词，再给你一些包壳的AI产品做体验。
如何学到AI相关的一些核心技术点呢？不是市面上每次聊AI都局限在提示词，而是能够会一些相对底层的技术，去构建他们的竞争力壁垒。
对此我想说可以，我们已经有了不少基于软件测试领域的案例。比如：
智能用例设计：利用大模型生成更全面、更有效的测试用例，包括那些覆盖边缘情况和异常流程的用例。 动态用例优化：学习如何根据软件的变更动态调整和优化测试用例，以保持测试的时效性和相关性。 自动化脚本开发：使用大模型自动化测试脚本的生成和维护，提高自动化测试的效率和可靠性。 持续集成集成：学习如何将大模型集成到CI/CD流程中，实现测试的自动化，加快软件交付速度。 定制化工具开发：大模型帮助开发定制化的测试工具和框架，以适应特定的测试需求。 代码质量分析：学习如何使用大模型分析代码质量，帮助测试工程师在早期发现潜在的技术债务和风险。 负载模拟与分析：使用大模型模拟不同的用户负载和使用场景，以及如何分析性能测试数据以识别性能瓶颈。 性能优化建议：根据大模型的分析结果提出性能优化的建议，帮助开发团队改进软件性能。 测试数据生成：使用大模型生成符合特定要求的测试数据，确保数据的有效性和多样性。 数据验证与分析：验证测试数据的准确性和完整性，以及如何分析数据以提高测试结果的可靠性。 自动化报告生成：大模型助力自动化生成包含测试结果、覆盖率和缺陷统计的测试报告。 趋势分析与决策支持：学习如何分析测试数据，识别测试趋势和模式，为测试决策提供支持。 缺陷分析：针对失败的测试用例自动化完成缺陷分析。 报告生成：自动化完成缺陷分析及修改建议报告。
不限期数听课 全项目实战，全套课程视频及源码赠送 围绕软测最需要的大模型应用技术 只需一点点Python基础即可学会 免费推荐工作
