资源介绍
视频数量：48个
总时长：1小时28分
课程介绍：
测试员的提示词修炼课：把人工智能变成可靠的测试搭档
评审会上，同事把需求文档丢给聊天机器人，几分钟后拿到一份带边界条件、异常场景和优先级建议的测试点清单。你回到工位，复制了同一份文档，也问了同一个工具，得到的却是一句“需要对功能进行全面测试”。工具一样，差别只在提问的方式。这门课就是从这种落差讲起的。
课程由Martin主讲，48个短视频，总时长1小时28分，节奏紧凑，适合利用碎片时间看。他一开始就把话说明白：课程的幻灯片和部分语音由人工智能参与制作，但脚本由他撰写和核对，技巧和踩坑经验来自多年测试工作。这个坦诚的态度贯穿始终，也让课程少了很多空泛宣传，多了一些测试员之间的实话。
一、为什么测试员天然适合写提示词
很多人以为提示词工程是算法工程师的事，课程却给出相反判断。测试员每天做的事，本来就是拆解需求、寻找边界、构造异常输入、判断输出是否可信。这些动作换到与人工智能对话的场景里，恰好就是写出好提示词的基础。课程第一节会讲清楚提示词为什么是测试员的一项手艺，也会说明学完之后能做什么、适合哪些人。它还专门提到两类测试提示：一类是用人工智能帮你做测试，另一类是用提示词去检验人工智能本身的输出。同一个技能，两种收益。
二、先明白机器怎么读你的话
第二部分不堆技术，只讲够用的原理。你会看到一个很实用的心智模型：把人工智能想成一位能力很强但完全失忆的专家，它只看你递过去的那张便条，不知道你的项目背景，也不会主动追问。它只知道提示词里写了什么，没写的部分就靠猜。课程还解释了上下文窗口，让你明白长时间对话后它为什么会忘记前面的要求，以及为什么有时候需要重新陈述关键信息。理解这一点，后面几乎所有技巧都能想通。
三、好提示词的骨架
第三到第七部分是全课的主干。课程会拆开一个好提示词的基本结构，讲清格式、约束和示例各自起什么作用，再给出一副可以灵活套用的骨架。接着进入具体训练：怎样把模糊要求改成明确指令，怎样给足上下文来减少胡编乱造，怎样用零个、一个或几个示例让输出更贴近你的场景，怎样控制输出格式，让结果能直接粘进缺陷单、测试用例表或评审记录。每一部分都围绕测试工作的实际交付物展开，不是只讲漂亮话。
四、日常工具箱与迭代方法
第八部分给出一套测试员常用的提示词模式，覆盖日常工作中的重复场景，比如根据需求生成测试点、润色缺陷描述、整理测试数据、模拟用户操作路径。第九部分讲迭代，提示词很少一次就完美，需要像调试代码一样观察输出、定位问题、补上缺失信息。第十部分再进一步，介绍分步思考、任务分解、角色设定等更强的方法，同时提醒一句很重要的话：方法越强，越需要验证结果。
五、避开陷阱，留下资产
最后几部分很务实。课程会列举常见陷阱和更隐蔽的错误，告诉你哪些提问方式容易得到看似合理却不可靠的答案，怎样在安全边界内使用提示词。第十三部分讲建立自己的提示词库，不要每次从零开始，把好用的提示词沉淀下来，变成团队可以共享的资产。课程还附带词汇表、参考卡、检查清单和提示词手册，方便边看边用。
这门课适合手工测试人员、测试负责人、自动化测试人员，以及经常需要评审需求、编写用例、整理缺陷记录、刚接触人工智能工具的人。它不教模型训练，也不要求写代码，重点是让测试员把提问变成一项稳定技能。学完之后，你不会再靠运气和工具对话，而是有一套自己的提问套路、一个能持续补充的提示词库，以及判断输出该信到什么程度的习惯。