这门课解决什么问题

传统软件测试的痛点很具体：写用例耗时间、造测试数据费劲、回归测试时重复劳动多。这门课的主题是把大语言模型接到测试流程里，用 AI Agent 自动生成测试用例、编排测试步骤，而不是教你怎么用聊天机器人闲聊。它解决的工作场景是：你拿到一个需求文档或接口定义后，不再手动逐条写用例，而是让本地或云端大模型按你设定的提示词模板批量产出，再串成可执行的链式流程。如果你是在做功能测试、接口测试，经常被用例覆盖度不够和工期紧夹击，这个方向值得投入时间了解。

适合什么基础与建议先看哪几块

这门课不适合完全没写过代码的人。它默认你懂基本的 Python 语法、能看懂简单的测试脚本，最好有过接口测试或自动化测试的实操经验。如果你连变量、函数、HTTP 请求都陌生，建议先补这些基础再来看，否则到调用大模型 API 和拼接链式输出那一步会卡住。建议的学习顺序是：先看项目演示，弄清楚 AI Agent 在测试流程里到底替代了哪几个环节，不要一上来就啃提示词；然后看本地大模型部署和云端调用的部分，把环境跑通；最后再细抠提示词写法和链式、流式输出。提示词那几块是核心，但没跑通环境之前看了也用不上，顺序别反。

学完能独立做什么与资料怎么配合练习

学完之后，你应该能独立搭起一个 AI Agent 测试流程：本地或云端部署一个大模型，用 Python 调用它，写一套针对测试场景的提示词模板，让模型按固定格式输出测试用例，再用链式调用把多步输出串起来、用流式输出实时看到生成过程。这不是装个工具点几下就完事，而是要自己写代码、调提示词、处理模型返回格式。配合资料练习时，建议每看完一个环节就停下来动手做：看完本地部署就真的把模型跑起来，看完提示词就拿自己工作中的真实需求文档去试生成效果，看完链式输出就把之前生成的用例串成一个小流程。只看不练，到后面拼平台的时候会发现每一步都似懂非懂。另外，提示词的写法不要照搬课程里的模板，拿自己的业务场景改几轮，才能体会到格式约束和上下文给多少对输出质量的影响有多大。


掌握基于AI Agent的测试用例生成全流程，能够独立搭建AIAgentTestFlow测试平台

课程目录

*   01 AI Agent 项目简介/

  *   01 AI测试简介.mp4 05:03

  *   02 AI_AgentTestFlow项目演示.mp4 09:37

*   02 AI大模型部署Prompt提示词/

  *   01 Ollama_本地部署大模型.mp4 16:23

  *   02 Ollama_python代码调用本地大模型.mp4 13:05

  *   03 python调用GLM云端大模型.mp4 09:15

  *   04 AI提示词prompt用法_1.mp4 09:33

  *   05 AI提示词prompt用法_2.mp4 15:50

  *   06 AI提示词prompt用法_3.mp4 10:49

  *   07 LLM_chain链式输出实现.mp4 07:12

  *   08 LLM_Stream流式输出内容.mp4 05:24

  *   09 LLM_prompt提示词生成测试用例.mp4 15:00

  *   10 用例markdown数据转Xmind.mp4 05:51

*   03 上传需求文档与文本解析/

  *   01 TextLoader解析txt文件.mp4 12:31

  *   02 TextSplitter文本分块器.mp4 14:21

  *   03 Docx2txtLoaderWord文档解析.mp4 10:25

  *   04 PyPDFLoader-PDF文档解析.mp4 11:32

*   04 RAG向量基于FAISS检索匹配知识库/

  *   01 知识库RAG原理简介.mp4 07:22

  *   02 Vector向量的原理.mp4 07:46

  *   03 Vector向量知识库检索.mp4 18:16

  *   04 FAISS向量本地存档.mp4 11:28

  *   05 RAG-知识库用例生成流程.mp4 15:40

*   05 AI Agent TestFlow 项目/

  *   01 AI_Agent_用例生成平台项目架构.mp4 05:07

  *   02 AI_Agent_创建配置文件读取.mp4 18:26

  *   03 AI_Agent_RAG_Prompt提示词模板.mp4 08:16

  *   04 AI_Agent_document需求文档解析_1.mp4 20:33

  *   05 AI_Agent_document需求文档解析_2.mp4 13:40

  *   06 AI_Agent_document知识库解析.mp4 05:30

  *   07 AI_Agent_Vector向量加载.mp4 19:54

  *   08 AI_Agent_Vector向量添加查询.mp4 20:43

  *   09 AI_Agent_获取添加文档数据.mp4 07:58

  *   10 AI_Agent_获取RAG检索内容.mp4 08:35

  *   11 AI_Agent_main文件调试功能.mp4 11:39

  *   12 AI_Agent_streamlit_界面设计.mp4 15:52

  *   13 AI_Agent_streamlit_知识库功能.mp4 13:23

  *   14 AI_Agent_streamlit_需求解析.mp4 07:28

  *   15 AI_Agent_streamlit_RAG检索用例生成.mp4 23:47

  *   16 AI_Agent_streamlit_禅道配置_1.mp4 23:51

  *   17 AI_Agent_streamlit_禅道配置_2.mp4 05:38

  *   18 AI_Agent_streamlit_Markdown转Json.mp4 14:11

  *   19 AI_Agent_streamlit_用例数据导入禅道.mp4 12:41