【极客时间】构造AI驱动的测试智能体（新课首发，）

写测试用例靠经验，代码变更靠人肉查影响面，业务规则散落在文档和聊天记录里——这是很多测试工程师和转岗开发者的日常。这门课的核心，是教你用多智能体架构把这些工作交给 AI 去跑，而不是停留在“调用大模型生成一段用例”的浅层使用。它解决的不是“AI 能写什么”，而是“如何让 AI 读懂你的代码仓库、你的业务规则、你的测试边界，并像老员工一样做决策”。学完你具备的不是一个调包教程，而是一套可落地的测试智能体工程方法，能独立搭建并维护一个覆盖白盒、黑盒、增量分析三条线的测试 Agent 系统。

适合谁，以及为什么不是零基础就能硬啃

这门课假设你至少已经能读懂中等复杂度的代码逻辑，知道什么是单元测试、集成测试、回归测试，并且对“代码变更会影响哪些模块”这件事有基本判断力。不需要你会 RAG 或多智能体框架，但如果你对“知识库怎么建”“Agent 之间怎么传上下文”完全陌生，前几章会需要多花时间理解概念。如果你是测试转开发，或者想从纯手工测试转向“测试工程化”方向，这门课的切入角度比泛泛的“AI 编程”课更对口，因为它全程围绕测试业务场景设计，而不是让你背一堆通用框架文档。

建议的学习顺序与资料怎么配合

不要按编号从 1 到 9 硬刷。建议先啃白盒测试核心能力和增量代码识别这两块，把“代码变更如何驱动测试策略”这条主线打通；再补黑盒测试分析和 RAG 流程建设，理解知识库如何把业务规则喂给模型；最后才进入多智能体模式初探和专属业务知识库的搭建。每学完一个能力模块，找一段真实的 diff 或业务规则文档，手动写一遍你期望 Agent 输出的测试分析，再对照课程里的实现方式，看模型在哪些环节需要人工兜底。资料包里的内容偏讲解，练习得靠你自己的代码仓库和业务文档，没有现成数据集可以白嫖。

学完能独立做什么

你能独立把团队现有的测试知识库接入 RAG 流程，搭建一个能自动识别增量代码影响面、并生成对应黑盒用例的测试智能体原型。你不再需要靠“问同事这段代码改了会影响什么”来决策测试范围，而是让 Agent 先跑一遍，人工再审核。更重要的是，你具备把这套方法迁移到新项目的能力——换一套业务规则、换一个代码仓库，你知道知识库怎么重建、多智能体的分工怎么调整。这不是学了一个工具，而是掌握了一种把领域知识工程化的思路，后续无论团队推不推 AI 测试，这套能力都直接可用。