黑马程序员AI测试课程，打造懂业务、懂架构的复合型人才

1 试学阶段（测试基础与AI工具应用）

线下面授 | 5天

测试介绍

1. 什么是AI测试
2. 质量模型

测试设计

1. AI工具基本应用
2. 等价类设计方法及AI提效设计
3. 边界值设计方法及AI提效设计
4. 实战：电商购物车测试设计
5. 判定表法及AI提效设计
6. 流程图法（业务流程设计测试）
实战1：领取优惠券功能测试数据设计
实战2：对优惠券发布流程、领取流程、使用流程测试设计数据

测试执行

1. 编写测试数据执行文档-测试用例
2. 执行用例前置
3. 用例执行要点
4. 实战：登录模块所有用例
5. 通过浏览器开发者工具和charles工具，进行抓取web和app网络数据包，辅助完成测试用例执行

缺陷管理

1. 缺陷理论
2. 缺陷管理工具应用及AI提效设计
实战：在缺陷管理工具上提交执行缺陷。

项目实战

1. 项目常见测试分类
2. 项目介绍
3. 项目测试流程
4. 项目需求分析及AI提效分析
5. 项目测试计划编写及AI提效设计
6. 项目实操能力
7. 测试报告编写及AI提效设计

特色亮点

1. 【建立AI测试认知框架】从AI测试概念到质量模型，系统构建面向AI应用的测试理论基础，帮助测试人员建立AI时代软件质量保障的全新认知体系。
2. 【明确AI测试定位】深入理解AI测试与传统测试的差异与关联，让测试人员清晰把握AI测试的核心关注点与价值定位，为后续实战打下坚实基础。
3. 【质量模型赋能测试】以质量模型为指引，帮助测试人员建立系统化的质量评估视角，学会从多维度思考AI应用的质量保障策略。

可掌握核心能力

1. 能运用等价类、边界值、判定表、流程图等多种测试设计方法，结合AI工具高效生成覆盖Web与App项目的测试数据
2. 能借助浏览器开发者工具与Charles抓包工具，精准执行测试用例，在真实项目中手工验证并定位软件缺陷
3. 能在禅道等企业级缺陷管理工具中完成缺陷的提交、跟踪与闭环管理，规范把控软件质量全过程

2 AI智能体测试

线下面授 | 5天

AI测试基础与智能体入门

1.AI测试新思维
2.AI核心概念体系与测试视角
3.大模型幻觉识别与测试方法
4.提示词工程——测试工程师的新脚本
5.智能体初体验与测试思维建立
综合实战项目：智能客服助手测试

智能体平台实战与简历评估助手测试

1.智能体平台快速入门
2.智能体核心功能深度掌握
3.简历评估助手项目实战
4.智能体多维度测试
5.测试执行与优化
实战：简历评估助手的完整测试流

智能体安全与伦理测试

1. 对抗性测试：让智能体学会“防忽悠”
2. 内容安全与伦理测试：守护输出的“红线”
3. 健壮性测试：面对“胡言乱语”与“狂轰滥炸”
实战：对“简历评估助手”进行安全与伦理审计

智能体测试进阶与多平台扩展

1. 多平台对比与Dify实战入门
2. 知识库（RAG）专项测试实战
3. 测试用例生成智能体搭建实战
4. 低代码测试自动化初探
实战：完成“法律问答助手”的全流程测试

综合实战

1. 项目分析与方案设计
2. 智能体搭建实战
3. 测试你开发的智能体
4. 项目复盘与优化

特色亮点

1. 【建立AI测试新思维】从AI核心概念到大模型幻觉识别，系统构建面向AI应用的测试认知框架，帮助测试人员快速建立AI时代的测试思维与方法论。
2. 【掌握提示词工程新技能】将提示词工程作为测试工程师的核心新脚本，学会通过精准设计提示词来探测智能体质量，让测试人员具备与AI对话式测试的独特能力。
3. 【智能体初体验实战】通过智能客服助手综合实战，从零到一完成智能体测试全流程，让测试人员亲身体验“被测对象从代码变为智能体”的测试范式变革。

可掌握核心能力

1. 能独立完成智能体平台的搭建与配置，掌握面向智能体（Agent）的功能测试、对话流测试与场景验证方法
2. 能运用提示词工程、AI辅助测试数据生成等技能，高效完成智能体的测试设计、执行与质量评估
3. 能结合大模型基本原理，识别并测试智能体中的幻觉问题、边界响应问题，形成AI应用测试的系统性能力

3 AI大模型测试

线下面授 | 12天

Python基础入门

1.Python环境搭建与PyCharm使用
2.变量、数据类型与运算符
3.流程控制(if/for/while)
4.异常处理机制
5.模块导入与使用
实战：简易数据验证与清洗脚本

核心数据结构

1.字符串处理与正则表达式
2.列表与元组操作
3.字典与集合应用
4.列表推导式与生成器
实战：电商评论数据处理系统

高级特性

1.函数定义与调用
2.参数传递(位置/关键字/默认)
3.匿名函数(lambda)
4.文件读写操作
5. 异常处理：让程序更健壮
6. 模块与包：代码的组织艺术
7.实战：电商销售数据清洗系统

面向对象与线程

1.面向对象编程思想
2. 类的声明及对象的使用
3. 类的常用方法
4. 面向对象高级应用（继承）
5. 多线程应用

Pandas数据分析入门与数据探查

1. Pandas概述
2. Pandas环境搭建与Jupyter使用
3. Pandas数据结构：Series与DataFrame
4. 数据读写：从文件到DataFrame
5. 数据查询与切片：精准获取所需数据

数据清洗核心技术

1. 缺失值处理：数据中的"缺失"
2. 重复值处理：数据中的"冗余"
3. 异常值检测与处理：数据中的"离群者"
4. 数据类型转换与规范化
实战：：电商用户数据探查分析

机器学习基础

1.人工智能与机器学习概念
2.机器学习分类(监督/无监督/强化)
3.数据预处理与特征工程
4.数据集划分(训练集/验证集/测试集)
5.模型评估指标(准确率/精确率/召回率/F1)
实战：人才流失任务实战

深度学习入门

1.神经网络基础概念
2.神经元结构与工作原理
3.激活函数与损失函数
4.反向传播算法
5.过拟合与欠拟合
实战：电商场景手机价格分类任务

模型训练与评估

1.使用PyTorch构建神经网络
2.模型训练流程(fit)
3.模型预测与评估(predict)
4.分类报告与混淆矩阵
5.模型保存与加载

大模型与迁移学习

1.预训练模型概念(BERT/GPT)
2.迁移学习原理
3.全量微调与PEFT微调
4.LoRA微调方法详解
5.微调数据集准备
实战：基于transformer情感分类

LLaMA-Factory实战

1.环境配置与GPU云服务器
2.模型选择(Qwen/DeepSeek)
3.数据格式与数据集构建
4.微调参数配置(lora设置)
5.模型训练与导出部署
实战：基于LLaMA-Factory垂直领域对话机器人微调项目

大模型评测工具DeepEval

1.大模型评估方法
2.DeepEval环境安装
3.DeepEval核心功能
实战：DeepEval评测Qwen3问答系统应用实战

特色亮点

1. 【测试人员学AI技术】从Python到深度学习，让测试人员深入AI底层原理，具备分析模型“为什么错”的能力，从黑盒测试进阶为真正看懂AI的测试专家。
2. 【聚焦大模型测试核心】深度掌握LLaMA-Factory微调原理与DeepEval评测工具，让测试人员不仅能理解模型如何训练，更能对Qwen/DeepSeek等大模型进行系统性质量评估，构建AI测试岗位核心硬技能。
3. 【以测促学双视角】从质量保障视角切入AI技术栈，聚焦数据质量探查、模型评估指标、自动化评测等测试强相关能力，精准匹配AI测试岗位“懂技术、会评测、保质量”的核心要求。

可掌握核心能力

1. 能运用LangChain构建智能体应用链路，借助LangSmith实现全流程可观测性测试与缺陷定位。
2. 能基于LLaMA-Factory完成垂直领域智能体的微调训练，理解模型行为边界。
3. 能运用DeepEval评测框架，独立完成大模型问答系统的自动化评估。

4 AI自动化测试

线下面授 | 9天

自动化测试介绍

1. 什么是自动化测试
2. 为什么要进行自动化测试
3. 自动化测试应用场景
4. 自动化测试分类
5. 自动化测试环境

web自动化测试

1. 自动化用例管理（pytest框架）
2. 自动化框架（Selenium）API
3. 自动化框架（Playwright）API
4. web现有自动化测试框架应用（通用）及AI提效应用
5. opencode + skills编写自动化脚本
6. git版本控制
7. 回归测试Jenkins（CI/CD）应用
8. Web-UI自动化测试框架设计（0-1）及AI提效应用
9. Selenium-Grid分布式执行及AI工具提效应用
实战：智慧园区项目实战及AI工具提效应用

app自动化测试

1. appium框架API
2. app自动化测试框架应用(通用)及AI提效应用
3. app自动化测试框架设计（0-1）及AI提效应用
4. opencode + skills编写自动化脚本
5. 代码版本管理（git）
6. 代码托管平台（gitee、gitlab、github）
7. 自动化回归测试（定时执行）
实战：智慧园区项目实战

特色亮点

1. 【Web+App双端自动化全覆盖】从Selenium、Playwright到Appium，系统掌握Web与App两大端的主流自动化框架API与应用，让测试人员具备跨端、跨框架的自动化脚本编写与执行能力。
2. 【AI全链路赋能自动化测试】从通用框架的AI提效应用，到opencode+skills智能编写自动化脚本，再到Selenium-Grid分布式执行的AI辅助优化，让测试人员掌握AI驱动的自动化测试全链路提效技能。
3. 【企业级框架设计与工程化落地】从0到1完成Web与App自动化测试框架设计，结合pytest用例管理、Git版本控制、代码托管平台、Jenkins CI/CD持续集成与定时回归，让测试人员具备企业级自动化测试工程的完整构建与管理能力。

可掌握核心能力

1. 能运用opencode + skills生成Selenium、Playwright、Appium自动化脚本，高效完成Web与App测试脚本的开发与维护。
2. 能结合AI工具完成自动化测试框架从0到1的设计与搭建，实现分布式执行与CI/CD集成。
3. 能运用opencode + skills在智慧园区真实项目中落地自动化测试全流程，形成“AI+自动化测试”实战能力。

5 AI接口测试

线下面授 | 8天

接口用例设计

1. 接口测试基础
2. 解析接口API文档及AI提效应用
3. 设计接口测试用例及AI提效应用
实战：客达天下项目接口解析和用设计

接口测试（工具实现）

1. 接口测试工具-apifox及AI提效应用
2. 业务流程接口用例测试及AI提效应用
3. 单接口用例测试及AI提效应用
4. 测试报告及AI提效应用
实战：客达天下项目接口

接口回归测试（自动化提效）

1. 接口请求发送-requests库及AI提效应用
2. 业务流程接口用例测试及AI提效应用
3. 单接口用例测试及AI提效应用
4. opencode + skills编写自动化脚本
5. 测试报告及AI提效应用
6. 接口自动化测试框架应用
7. 接口自动化测试框架设计与实现
实战：客达天下项目接口

数据库辅助测试

1. 数据库介绍
2. 使用工具操作数据库
3. 使用SQL操作数据库及AI提效应用
实战：借款数据构造及验证

特色亮点

1. 【AI全链路赋能接口测试】从接口API文档解析、测试用例设计到工具执行、自动化脚本编写，深度应用AI工具实现接口测试全链路提效，让测试人员掌握AI驱动的接口测试核心能力。
2. 【工具+代码双模式全覆盖】系统掌握Apifox工具实现与Requests库代码实现两种接口测试模式，从单接口到业务流程场景全覆盖，让测试人员具备灵活应对不同接口测试需求的综合能力。
3. 【框架设计+数据库辅助双突破】从0到1完成接口自动化测试框架设计与实现，结合数据库辅助测试进行数据构造与验证，让测试人员具备企业级接口自动化测试工程的完整构建与数据支撑能力

可掌握核心能力

1. 能运用opencode + skills生成接口自动化脚本，完成接口请求发送与业务流程用例测试。
2. 能结合AI工具完成接口自动化测试框架从0到1的设计与实现，构建高效回归测试体系。
3. 能运用AI提效工具贯穿接口测试全流程，在真实项目中完成从用例设计到数据库验证的完整落地。

6 AI性能测试

线下面授 | 8天

性能测试介绍

1. 性能测试的概念
2. 性能测试和功能测试对比

性能测试场景

1. 单业务场景及AI提效应用
2. 混合业务场景及AI提效应用
3. 峰值场景及AI提效应用
4. 稳定性测试场景及AI提效应用
5. 极限容错场景及AI提效应用

项目性能测试（Jmeter）

1. 项目介绍
2. 性能测试如何做
3. 单业务场景测试
4. 混合业务场景测试
5. 峰值场景测试
6. 稳定性测试场景测试
7. 极限容错场景测试
8. 性能测试总结报告
实战：AI电商性能测试

项目性能测试（Locust）

1. locust介绍和安装及AI提效应用
2. Locust框架的基本使用及AI提效应用
3. Locust实现单业务性能测试及AI提效应用
4. Locust实现混合场景测试及AI提效应用
5. Locust实现分布式测试及AI提效应用
6. Locust性能测试（迁移python接口脚本）
7. opencode + skills编写性能脚本
实战：使用Locust编写项目各业务接口的脚本，运行并获取指标数据

Linux

1. 项目环境介绍
2. 搭建环境常用命令及AI提效应用
3. 服务器性能监测
实战：部署（docker）及AI提效应用

特色亮点

1. 【五大场景全覆盖+AI提效】从单业务、混合业务、峰值、稳定性到极限容错，系统覆盖性能测试五大核心场景，深度应用AI工具辅助场景设计与数据分析，让测试人员掌握全方位性能测试设计能力。
2. 【Jmeter+Locust双工具实战】同时掌握Jmeter与Locust两大主流性能测试工具，从脚本编写、场景配置到分布式执行与指标采集，让测试人员具备跨工具、多场景的性能测试实施能力。
3. 【环境部署+服务器监控全链路】从Linux命令基础到Docker容器部署，结合服务器性能监测能力，让测试人员掌握性能测试执行环境的搭建与资源监控全链路技能。

可掌握核心能力

1. 能运用opencode + skills编写性能测试脚本，完成Jmeter与Locust双工具的性能场景执行。
2. 能结合AI提效工具完成多场景性能测试的设计与执行，输出专业性能测试报告。
3. 能运用Linux命令与Docker部署性能测试环境，结合AI工具完成服务器性能监测与问题诊断。

7 AI鸿蒙测试

线下面授 | 7天

鸿蒙Next

1. 鸿蒙介绍
2. 鸿蒙测试环境搭建
3. 鸿蒙功能测试
4. 鸿蒙专项测试
5. 鸿蒙自动化测试
6. opencode + skills编写自动化脚本
7. 鸿蒙性能测试
实战：美寇商城

App测试

1. APP前置基础
2. APP专项测试
3. APP性能测试
4. APP稳定性测试
5. charles抓包辅助测试
实战：智慧园区APP项目实战

特色亮点

1. 【鸿蒙+App双端测试全覆盖】从鸿蒙Next系统测试到传统App测试，系统覆盖双端的功能测试、专项测试、性能测试与稳定性测试，让测试人员具备跨平台、多终端的移动端测试综合能力。
2. 【AI赋能鸿蒙自动化测试】深度应用opencode+skills智能编写鸿蒙自动化脚本，结合鸿蒙专项测试与性能测试，让测试人员掌握AI驱动的新兴操作系统测试提效技能。
3. 【企业级项目双实战】以美寇商城（鸿蒙）与智慧园区APP（传统App）两大真实项目为载体，结合Charles抓包辅助测试，让测试人员在实战中积累鸿蒙与App双端的测试经验与问题定位能力。

可掌握核心能力

1. 能运用opencode + skills编写鸿蒙自动化脚本，独立完成鸿蒙应用的功能测试与专项测试。
2. 能结合AI提效工具完成App专项测试与性能测试，运用Charles抓包辅助缺陷定位。
3. 能运用opencode + skills在智慧园区APP真实项目中落地全流程测试，形成“AI+移动端测试”实战能力。