霍格沃兹测试开发学社人工智能测试开发训练营2期

这门训练营的主题是人工智能在测试开发中的落地，不是讲AI原理，也不是教你训练大模型。它要解决的是一个很具体的职场问题：当被测系统里开始出现推荐、识别、对话这类不确定输出的功能，传统的断言式用例就失效了，测试工程师得换一套方法来判断"结果对不对"。课程围绕这个场景展开，把大模型能力接进日常测试工作流。

适合什么基础的人看

如果你已经会写基本的自动化脚本，熟悉接口测试或UI测试的常规流程，能看懂Python代码，那这门课的门槛是够的。它不要求你有机器学习背景，也不要求数学基础，但要求你对测试本身有实操经验——否则里面讲的很多改造点你感受不到痛点。纯零基础转行者看这部分会比较吃力，建议先补一段手工测试和接口自动化的实践再来。运维和研发如果想把测试环节自动化，也可以看，但重点会落在与测试流程结合的部分。

建议先看哪几块

不要从头顺着看。建议先把讲大模型接口调用和提示词组织的那部分过一遍，这是后面所有内容的地基，理解了怎么稳定地拿到模型输出，再往下才不悬空。接着看测试用例生成与断言改造相关的段落，这里直接对应你手上"AI功能没法断言"的问题。最后再看缺陷分析与报告整理那块，属于提效性质，优先级可以放低。中间涉及具体工具和框架的章节，按你团队实际用的技术栈挑着看即可，不必全刷。

学完能独立做什么，资料怎么配合练

学完之后，比较现实的目标是：你能独立为一个带AI能力的接口设计测试方案，用模型辅助生成和补充用例，对不确定输出做多轮采样和相似度判断，并把结果整理成可读的测试结论。再进一步，能把重复的缺陷归类、日志初筛这类活儿做成半自动流程。资料里的演示代码不要只看，要拿自己项目里的一个真实接口替换进去跑通一遍，尤其是提示词和判定阈值这两处，必须自己调过才有手感。练习时建议保留每次调用的原始输入输出，方便回看模型为什么给出这个结果。整体看，这门课适合当工具手册用，边做边查，而不是一次性刷完。