资源介绍
视频数量：21个
总时长：1小时50分
课程介绍：
生成式人工智能在软件测试与代码审查中的应用
写测试用例写到手腕发酸的时候，你有没有想过，旁边要是有个助手能帮你一口气把用例全列出来就好了？做性能测试的时候，反复调整并发数和负载参数，要是人工智能能直接告诉你系统什么时候开始扛不住，会省下多少事？还有代码审查，盯屏幕一整天眼睛都花了，如果AI能在几秒钟内帮你指出那些隐藏的Bug，效率能提升多少？这门课讲的就是怎么把这些假设变成现实。
这门课一共七个章节，二十一个视频，总时长差不多两小时。内容覆盖了从测试策略制定到代码审查，从功能性测试到非功能性测试，从测试用例生成到质量报告输出的完整链条。可以说，只要你做的工作和软件质量沾边，里面都有你用得上的东西。
一、人工智能如何重塑软件测试：
课程先从一个大问题入手：生成式AI到底是怎么改变质量保障工作的？讲师会带你理解AI在测试领域的角色定位——它不是来抢你饭碗的，而是来帮你把那些重复、繁琐的工作接过去。然后重点讨论一个很多人在实际使用中忽略的问题：AI辅助测试本身的质量怎么保证？毕竟，AI生成的测试用例也可能漏掉关键场景，AI写的代码也可能引入新的缺陷。这一章会帮你建立对AI能力的合理预期，明白什么时候该信它，什么时候需要自己把关。
二、用AI制定测试策略：
光知道AI能做什么还不够，你得知道怎么用。这一章引入了一个演示应用作为贯穿全课的案例，先让大家熟悉这个项目的背景和结构。然后讲师会手把手演示怎么让AI帮你生成一份完整的测试策略，包括测试范围、测试类型、优先级排序等等。更重要的是，策略生成出来之后往往不是一步到位的，讲师还会教你如何与AI多轮对话、迭代改进这份策略，让它越来越贴合你的实际项目需求。
三、用AI生成测试用例：
测试用例是QA工程师最花时间的工作之一。这一章分两个场景展开：一种是从需求文档出发，把用户故事和验收标准丢给AI，让它自动生成覆盖正面和负面场景的测试用例，包含标题、前置条件、步骤、测试数据和预期结果这些完整字段；另一种是从实际探索中出发，让AI根据你描述的功能行为，实时生成对应的测试场景。两套方法配合起来，基本上能覆盖你日常编写测试用例的大部分需求。
四、用AI加速测试自动化：
写自动化测试脚本是个技术活，但有了AI之后门槛可以低很多。这一章覆盖三个层次：用AI生成单元测试，针对单个函数或方法级别的验证；用AI生成集成测试，验证模块之间的交互是否正确；用AI生成端到端的UI测试，模拟用户从界面点击到结果验证的完整流程。每一层都会演示具体的操作过程，让你看到从提示词到可运行测试代码的完整转化路径。
五、用AI支持非功能性测试：
功能性测试只是质量保障的一半。这一章把目光投向那些容易被忽视但同样重要的测试领域：性能测试，教你用AI把用户旅程转化成可重复的负载测试，包括网络条件模拟、逐步增加负载、识别性能下降信号等；模糊测试，让AI帮你生成各种异常输入来探测系统的健壮性；无障碍测试，检查你的应用是否对残障人士友好；本地化测试，验证不同语言、不同地区设置下应用的展示是否正确。这些测试类型在传统工作流中往往因为成本太高而被跳过，但有了AI之后，很多都可以低成本地跑起来。
六、用AI审查代码并保障质量标准：
代码审查是保证代码质量的重要关口，但人工审查既耗时又容易遗漏。这一章教你把AI整合进现有的代码审查工作流，让它成为你的第一道防线。具体包括：用AI做静态分析，自动检测代码中的潜在问题、风格违规和安全漏洞；配置AI机器人自动执行代码审查任务；以及用AI帮助构建CI流水线中的自动化检查环节。这样一来，很多基础问题在人工审查之前就已经被标记出来了，团队可以把精力集中在真正需要讨论的设计决策上。
七、用AI提升质量报告效率：
测试做完了，缺陷管理又是另一件头疼的事。这一章先讲怎么用AI对缺陷进行分类和优先级排序，省去手动整理的麻烦，并且有专门的演示环节展示实际操作过程。然后会教你用AI生成质量报告和仪表盘，把测试覆盖率、通过率、缺陷趋势这些数据自动整理成清晰的可视化结果，让你在向团队和管理层汇报时不用再熬夜做PPT。
整门课学完之后，你会发现AI在软件质量保障领域的应用远比想象中广泛。它不会让你变成一个只会按按钮的人，而是让你从大量重复劳动中解放出来，把精力放在那些真正需要人类判断力的地方——比如理解业务、设计场景、做出权衡。对于已经在做测试、QA或者代码审查工作的工程师来说，这门课提供的是一套马上能上手的实操方法；对于团队管理者来说，看完这些内容你会更清楚AI能在哪些环节为团队提速。