资源介绍
生成式AI驱动下的软件测试：ISTQB专业级认证指南 (英文视频课程，中文外挂字幕)
视频数量：51个
总时长：1小时20分
课程介绍：
生成式AI驱动下的软件测试：ISTQB专业级认证指南
你平时是怎么用AI辅助测试工作的？是不是经常遇到这种情况：让AI生成一组测试用例，它洋洋洒洒写了几十条，看起来很专业，但仔细一瞧，重复的用例占了一大半，边界条件也漏了不少。又或者，同一个问题换个问法，AI给出的答案就完全不一样，让人心里没底。
这其实是大多数测试人在接触AI时都会碰到的困惑。AI确实能帮忙，但怎么用它、用好它，远没有想象中那么简单。
这本课程要解决的正是这个问题。它是ISTQB国际软件测试资质认证委员会推出的CT-GenAI专业级别认证课程，专门讲如何在软件测试工作中安全、有效地使用生成式AI技术。课程总时长不到一个半小时，但内容相当扎实，从AI基础理论到组织级落地策略，帮你把AI测试这件事彻底搞明白。
先说第一部分，生成式AI入门。很多资料一上来就讲概念，枯燥难懂。这门课的处理方式很务实，从最基本的问题出发：什么是生成式AI，它和普通AI有什么区别？大语言模型到底是怎么工作的？Tokenization和Embeddings这些术语代表什么意思？为什么要区分不同的AI类型？课程会逐一解释这些基础概念，还会介绍多模态AI的能力边界，以及LLM的主要功能特性。搞懂这些，你对AI的工作原理才能有清晰认知，而不是只会调API。
第二部分是提示工程，这是课程的核心实操内容。怎么写好一个prompt，直接决定AI输出质量的高低。课程会讲清楚提示词的基本结构，拆解核心技巧，比如怎么给AI分配角色、怎么设定约束条件、怎么引导它按特定方式思考。系统级提示和用户级提示有什么区别，什么时候用哪种方式效果更好，这些都有具体演示。课程还专门讲了如何把AI应用到具体的测试任务中，包括需求评审、测试用例生成、代码审查等常见场景，以及如何评估和优化prompt的效果。学完这部分，你就能写出真正管用的提示词，而不是每次都靠运气。
第三部分讲风险管理，这是很多人在用AI时容易忽视的环节。AI不是万能的，它可能会产生幻觉——一本正经地胡说八道，也可能在推理过程中出现逻辑错误，还可能因为训练数据的偏见导致系统性偏差。这些问题在测试场景中尤其要警惕，因为测试本身就是追求准确性的工作。课程会教你如何检测这些缺陷，以及用什么方法去缓解它们。除了模型本身的问题，还有数据隐私和安全风险要考虑。课程专门讲解了隐私保护策略、安全威胁识别、攻击向量防御等内容，还会提到能源消耗和环境影响这些更宏观的议题。欧盟AI法案和ISO相关标准的要求也会涉及，让你了解合规底线在哪里。
第四部分进入技术架构层面，讲LLM驱动的测试基础设施。RAG检索增强生成是什么意思，怎么用在测试场景里？AI Agent是什么，它能帮测试做什么？要不要对自己的LLM做微调，微调的成本和收益怎么权衡？LLMOps又是怎么回事，如何在生产环境中运营AI系统？这些问题课程都会给出解答，帮助你从技术实现角度理解AI测试的完整链路。
最后一部分聊的是组织和流程层面的话题。影子AI是什么，为什么它可能成为组织的隐患？引入AI需要什么样的整体策略？从选型评估到成本估算，从分阶段实施到团队技能建设，这些实操问题课程都有覆盖。测试流程和岗位职责会如何演变，也是课程关注的重点。
整门课采用短视频章节结构，每个知识点单独成片，节奏紧凑，适合利用碎片时间学习。内容深度对应ISTQB专业级认证要求，但呈现方式更注重实际理解而不是死记硬背。
这门课适合这样几类人：正在或打算在工作中引入AI辅助的测试工程师，可以通过它建立系统能力；测试团队管理者和项目经理，可以获得组织级落地的全局视野；关注AI对质量工作影响的软件从业者，可以快速补充认知；想了解测试基础设施设计的架构师，也可以从中获得参考。
学完这门课，你会对AI测试有一个完整框架，不只是知道怎么用AI工具，还懂得为什么要这样用，以及可能面临什么风险。这才是真正能在工作中落地的能力。AI融入测试工作的趋势已经很明显，与其被动等待，不如主动把这块拼图补齐。