AI全栈测试开发进阶3期2025

这门课解决的是「测试怎么和 AI 搭上」的问题

不少测试岗的人现在都有同一个困惑：日常写用例、跑接口、维护自动化脚本，这些活还在做，但招聘要求里开始频繁出现大模型、Agent、智能体这些词。想补，又不知道从哪下手——直接去学算法不现实，只看几篇科普又落不了地。这门课切入的角度比较实际：它不教你怎么训练模型，而是把 AI 能力接到测试开发的工作流里。前半段用 Python 把工程底子重新过一遍，后半段进入 AgentChat、AssistantAgent 这类智能体框架的基础用法，方向是让你能自己搭出一个带 AI 能力的测试工具或对话式助手，而不是停留在调用现成接口。

适合什么基础，以及建议先看哪几块

如果你完全没写过代码，这门课会偏吃力，因为它开头就是 Python 核心基础和项目环境搭建，节奏是按「已经能看懂基本语法、但工程习惯不牢」的人设计的。比较合适的起点是：做过功能测试或接口测试，写过一些脚本，对类和函数有概念，但没系统整理过项目结构。这种情况下，建议先把环境资源和 Python 核心基础那部分走完，别急着跳到智能体章节——后面的 AgentChat 内容会反复用到模块组织、异步调用、配置管理这些基本功，底子虚的话会在调试环节卡住。有 Python 基础的人可以快速过一遍开头，把重点放在 AgentChat 核心基础和 AssistantAgent 这两块，它们是整门课的主线。

学完能独立做什么，资料怎么配合练

按这条线走下来，比较现实的产出是：你能独立搭起一个可运行的智能体小项目，比如让测试用例生成、缺陷描述整理、接口返回结果解读这类重复劳动交给一个对话式助手去跑；也能看懂市面上常见的 Agent 框架文档，自己往里加工具函数。注意这里是「能独立做小工具」，不是「能独立做平台」，别把预期拉太高。练习上建议不要只看视频：每看完一个智能体模块，就用自己的业务场景替换掉示例里的数据，比如把课程里的对话流程改成你手头项目的接口校验流程。环境资源部分给的配置方式最好自己重搭一遍，依赖装不上的报错过程本身就是学习内容。资料按章节顺序推进即可，遇到卡壳先回看 Python 部分对应的知识点，比反复重看智能体章节更有效。