LLM在软件测试领域的应用实践与大厂实战案例解读(2天)

LLM在软件测试领域的应用实践与大厂实战案例解读(2天)
    马上咨询


    培训对象:

    • 软件研发负责人,研发管理负责人,运维负责人,DevOps负责人,测试负责人,工程效能负责人
    • 软件架构师,资深研发工程师
    • 运维架构师,资深运维工程师,DevOps工程师,SRE
    • 测试架构师,资深测试工程师
    • 研发管理人员,研发流程工程师


    课程大纲
    生成式AI的最新进展与应用
    • AIGC的基本概念
    • 大语言模型的基本概念
    • LLM和传统AI的区别
    • AIGC目前的主要应用领域
    • AIGC目前的可能的应用领域
    • 各类生成式AI的工具能力
    chatGPT为例来深入理解LLM的基本工作原理
    • 什么是ChatGPT
    • GPT和chatGPT的关系
    • ChatGPT的历史和发展
    • ChatGPT的架构和模型
    • ChatGPT的训练数据和算法
    • ChatGPT的生成过程和输出结果
    • ChatGPT的局限性
    • ChatGPT的安全性
    • ChatGPT的涌现能力
    • ChatGPT的思维链
    LLM的主流应用场景与未来发展
    • GenAI在千行百业的应用概览
    • GenAI在软件研发企业的应用概览
    • 单模态 vs 多模态
    • 知识工程的回归
    • LLM的未来发展方向
    • LLM在各行业中的应用前景
    • LLM的风险与不确定性应对
    • LLM的技术演化方向
    • LLM的哲学思考
    熟练使用LLM能力的全面进阶
    • LLM应用能力的进阶模型(“倒三角”模型)
    • 提示词工程基础知识
    • 主流提示词使用技巧
    • 提示的万能使用公式详解
    • 提示词模板的使用
    • 提示词静态链的使用
    • 提示词的横向扩展
    • 提示词的纵向扩展
    • 使用OpenAI API
    • ReAct的概念和落地
    • 思维链和多思维链
    • RAG的基本原理与应用
    • 多模态RAG的使用
    • plugin机制与使用方式
    • Function Call机制与使用方式
    • Agent的雏形
    • Agent开发的基本框架
    • 业界主流Agent的设计思路与使用
    • Multi-Agent的雏形
    • 业界主流Multi-Agent的设计思路
    • Multi-Agent的基本逻辑和应用范围
    • Multi-Agent应用示例:MetaGPT
    • Multi-Agent应用示例:DevChat
    LLM在软件研发全生命周期中的应用场景与案例
    • 软件研发全流程中LLM擅长的部分
    • 软件研发全流程中LLM不擅长的部分
    • 需求分析阶段LLM的应用场景与案例
    • 顶层设计阶段LLM的应用场景与案例
    • 详细设计阶段LLM的应用场景与案例
    • 编码阶段LLM的应用场景与案例
    • 代码评审阶段LLM的应用场景与案例
    • 单元测试阶段LLM的应用场景与案例
    • 接口测试阶段LLM的应用场景与案例
    • 持续集成流水中LLM的应用场景与案例
    • 持续发布中LLM的应用场景与案例
    • 性能测试阶段LLM的应用场景与案例
    • 测试结果分析中LLM的应用场景与案例
    LLM在软件质量和软件测试领域中的应用与案例
    • 使用Test pilot自动生成测试用例
    • Test pilot的基本原理
    • 使用OpenAI API实现单元测试用例的生成
    • LLM用于单元测试用例生成的技术难点与解决思路
    • 使用OpenAI API实现API接口测试用例的生成
    • LLM用于API接口测试用例生成的技术难点与解决思路
    • 测试脚本开发中的GitHub Copilot应用
    • Copilot X的能力与测试领域应用
    • 基于AI Agent的测试用例设计生成技术
    • 基于AI Agent的测试用例脚本生成技术
    • 基于Multi-Agent的测试用例设计生成技术
    • 基于Multi-Agent的测试用例脚本生成技术
    • 使用LLM实现Monkey Test的能力扩展
    • 使用LLM实现无脚本的Mobile App探索测试
    • 使用LLM识别错误敏感的测试数据
    • 使用LLM实现失败测试用例的自动修复
    使用LLM提升被测对象的可测试性
    各类AIGC场景深度解读
    • 文生图能力的使用(大量行业案例)
    • 与日程办公的结合(Office Copilot的案例)
    其他各类可能使用场景解读(国内外最新案例)