资源介绍
视频数量：44个
总时长：6小时37分
课程介绍：
人工智能测试工程师就业实战
凌晨两点，支付页面卡住，顾客被重复扣款。这样的问题一旦流入真实业务，修复的往往不只是几行代码，还包括用户信任、团队时间和经营成本。质量保证工程师的价值，就在用户察觉异常之前把问题拦下来。这套课程以AI测试工程师的成长路径为主线，从岗位认知、测试方法、自动化框架，一直讲到人工智能应用测试与求职准备，帮助学习者建立一套能够用于真实项目的完整质量保障能力。
一、认识质量保证岗位：
课程先从软件测试工程师的一天讲起，介绍需求评审、用例设计、缺陷跟踪、发布验证和跨团队沟通等工作内容，并结合典型软件故障说明缺陷为何会不断累积。通过这些案例，学习者能够理解QA并不是在产品完成后点按钮的人，而是从需求阶段就参与质量判断的技术角色。
随后，课程梳理质量保证在敏捷开发、DevOps和软件生命周期中的位置，解释开发、测试与交付如何协作，以及自动化测试为什么需要融入团队流程。建立正确的岗位认知很重要，它会直接影响后续学习时对测试设计、代码能力和工程规范的理解。
二、掌握测试基本功：
这一部分围绕质量保证工程师必须掌握的概念展开，包括7项测试原则，以及错误、缺陷和失败之间的区别。课程还会讲解单元测试、集成测试、系统测试和验收测试的差异，帮助学习者判断某个测试应放在哪一层。
功能测试、非功能测试、回归测试和冒烟测试也会逐项拆解。功能测试关注系统是否完成预定动作，非功能测试观察性能、稳定性、兼容性和易用性，回归测试用于确认新改动没有破坏旧功能，冒烟测试则负责快速判断当前版本是否具备继续验证的条件。掌握这些分类后，面对具体需求时就不容易盲目铺开用例。
三、学会设计有效测试：
测试设计的重点不是数量多，而是用更少、更准确的验证覆盖主要风险。课程先从需求和用户故事评审入手，以购物折扣码为例子，拆解过期折扣、叠加使用、免运费门槛等容易被忽略的问题，并介绍静态测试与动态测试的差别。
等价类划分和边界值分析用于提高输入测试效率；决策表适合处理复杂业务规则；状态转换测试则关注对象在不同状态之间变化时的行为。随后，学习者会为ShopLane结账流程编写清晰、可复用的测试用例，并通过探索性测试寻找脚本未覆盖的问题。缺陷报告部分则强调复现步骤、预期结果、实际结果和证据整理，让开发人员能够快速定位并修复问题。
四、从手工测试走向自动化：
自动化不是把手工步骤全部录下来，而是选择稳定、重复、风险高的场景进行长期运行。课程会先讲清楚哪些测试值得自动化，再逐步配置Node.js、VS Code、Git和Playwright工具链。
TypeScript部分只介绍测试工程师真正需要的基础内容，包括类型、变量、函数和数据结构，避免陷入无关语法。完成环境准备后，学习者将从ShopLane登录功能开始编写第一条Playwright测试，掌握元素定位、断言和稳定的等待方式。页面对象模型则用于拆分页面操作与测试流程，让测试代码更容易维护，也能适应页面的小幅调整。
五、搭建专业自动化框架：
在基础测试之上，课程继续处理真实项目中最棘手的问题。测试数据与夹具用于隔离数据状态，支持更可靠的执行；并行运行能够缩短测试套件的反馈时间；等待策略和环境稳定性则用于治理令人烦恼的不稳定测试。
课程还会使用Playwright测试购物车接口，掌握接口校验方法，并通过Git、GitHub Actions和测试报告把测试接入持续集成流程。每次提交代码后自动执行关键测试，发现问题时生成清晰报告，这正是自动化测试在团队中真正发挥价值的方式。
六、把人工智能用于测试工作：
人工智能可以加快测试设计，但输出不能未经检查就直接进入项目。课程先分析人工智能在质量保证工作中的能力、限制和风险，再讲解测试人员应如何设计提示词，获得稳定、可验证的结果。
学习者会使用人工智能生成测试用例和测试数据，并在人工确认后投入使用；在AI编码助手的帮助下编写和重构Playwright测试，提高效率。失败分析也是重点，人工智能可以辅助分类失败、阅读日志和起草缺陷报告，但最终判断仍要结合业务规则与实际证据。这样的使用方法能节省机械劳动，同时避免把不确定结果带入质量流程。
七、测试人工智能功能：
测试传统软件通常有明确答案，而测试大语言模型应用时，结果往往具有不确定性。课程会讲解这类测试在评价标准、重复执行和风险判断上的不同，并围绕ShopLane人工智能购物助手，检查回答准确性、相关性和实际帮助程度。
幻觉、偏见与有害输出需要通过基于风险的测试进行识别；提示注入和提示词攻击则要求测试人员具备新的安全意识。课程还会介绍黄金数据集、评价指标和规模化评估方法，让人工智能输出质量不再依赖“看起来不错”，而是能够被持续记录、比较和追踪。
八、应对真实项目挑战：
课程通过ShopLane黑色星期五故障案例，分析高峰期测试遗漏、发布压力和团队恢复过程，总结常见质量保证错误。面对开发人员或管理者质疑缺陷时，也会学习如何依靠需求依据、数据和风险说明推动问题得到处理。推动质量左移和建立全员质量文化，能够减少问题在后期集中爆发的概率。
九、为求职与职业发展做准备：
最后，课程梳理手工测试工程师、自动化测试工程师、SDET和人工智能质量工程师等职业方向，介绍ISTQB认证、CTFL v4.0及相关人工智能测试认证。作品集建设、技术面试准备、岗位沟通和入职后前90天的期待也会逐项讲解。
全部44个视频合计6小时37分钟，内容既有完整的岗位地图，也有可落到ShopLane案例中的实践任务。完成学习后，你将能够读懂需求、设计测试、分析缺陷、搭建自动化流程、接入持续集成，并具备测试人工智能功能的专业视角，为进入质量保证岗位建立清晰且可验证的能力基础。