曙海教學優勢
該課程面向企事業項目實際需要,教學以實用為導向，秉承21年積累的教學品質，LLM在軟件測試領域的應用實踐與大廠實戰案例解讀培訓學習學校中心以項目實現為導向,老師將會與您分享設計的全流程以及工具的綜合使用技巧、經驗。上門/線上/線下皆可,小班面授,互動直播任選.專注技術培訓,匠心服務,實戰教學。上門/線上/線下皆可,LLM在軟件測試領域的應用實踐與大廠實戰案例解讀培訓學習學校中心專家,課程可定制,熱線:4008699035。
大批企業和曙海
建立了良好的合作關系,合作企業30萬+。我們課程培養了十幾萬受歡迎的工程師。曙海的課程在業內有著響亮的知名度，同心致遠，博大精深。
|
課程名稱 （課程時長：2天） LLM在軟件測試領域的應用實踐與大廠實戰案例解讀 ? 培訓對象： 軟件研發負責人，研發管理負責人，運維負責人，DevOps負責人，測試負責人，工程效能負責人 軟件架構師，資深研發工程師 運維架構師，資深運維工程師，DevOps工程師，SRE 測試架構師，資深測試工程師 研發管理人員，研發流程工程師 |
|
課程大綱： 生成式AI的最新進展與應用 l?AIGC的基本概念 l?大語言模型的基本概念 l?LLM和傳統AI的區別 l?AIGC目前的主要應用領域 l?AIGC目前的可能的應用領域 l?各類生成式AI的工具能力 以chatGPT為例來深入理解LLM的基本工作原理 l?什么是ChatGPT l?GPT和chatGPT的關系 l?ChatGPT的歷史和發展 l?ChatGPT的架構和模型 l?ChatGPT的訓練數據和算法 l?ChatGPT的生成過程和輸出結果 l?ChatGPT的局限性 l?ChatGPT的安全性 l?ChatGPT的涌現能力 l?ChatGPT的思維鏈 DeepSeek大模型基礎 l?DeepSeek與傳統LLM的主要區別 l?從DeepSeek R1 Zero到DeepSeek R1 l?DeepSeek R1和OpenAI O1模型的對比總結 l?預訓練范式 vs 推理計算范式 l?多頭潛在注意力機制MLA l?混合專家架構MoE l?DeepSeekMoE的關鍵創新 l?對傳統大模型的挑戰和機遇 l?DeepSeek的常見誤解與詳細解讀 大語言模型本地部署實戰 l?本地部署的基礎知識 l?本地安裝ollama l?本地部署Deepseek R1 l?本地部署Llama 3.3 l?本地安裝open-webui l?本地部署實現RAG LLM的主流應用場景與未來發展 l?GenAI在千行百業的應用概覽 l?GenAI在軟件研發企業的應用概覽 l?單模態 vs 多模態 l?知識工程的回歸 l?LLM的未來發展方向 l?LLM在各行業中的應用前景 l?LLM的風險與不確定性應對 l?LLM的技術演化方向 l?LLM的哲學思考 熟練使用LLM能力的全面進階 l?LLM應用能力的進階模型（“倒三角”模型） l?提示詞工程基礎知識 l?主流提示詞使用技巧 l?提示的萬能使用公式詳解 l?提示詞模板的使用 l?提示詞靜態鏈的使用 l?提示詞的橫向擴展 l?提示詞的縱向擴展 l?使用OpenAI API l?ReAct的概念和落地 l?思維鏈和多思維鏈 l?RAG的基本原理與應用 l?多模態RAG的使用 l?plugin機制與使用方式 l?Function Call機制與使用方式 l?MCP 機制與使用方式 l?Agent的雛形 l?Agent開發的基本框架 l?業界主流Agent的設計思路與使用 l?Multi-Agent的雛形 l?業界主流Multi-Agent的設計思路 l?Multi-Agent的基本邏輯和應用范圍 l?Multi-Agent應用示例：MetaGPT l?Multi-Agent應用示例：DevChat LLM在軟件研發全生命周期中的應用場景與案例 l?軟件研發全流程中LLM擅長的部分 l?軟件研發全流程中LLM不擅長的部分 l?競品分析與市場調研階段LLM的應用場景與案例 l?產品概念與產品定義階段LLM的應用場景與案例 l?產品原型階段LLM的應用場景與案例 l?產品體驗設計階段LLM的應用場景與案例 l?需求分析階段LLM的應用場景與案例 l?技術選型階段LLM的應用場景與案例 l?頂層設計階段LLM的應用場景與案例 l?詳細設計階段LLM的應用場景與案例 l?從設計到UML，從UML到代碼的完整示例 l?編碼階段LLM的應用場景與案例 l?代碼評審階段LLM的應用場景與案例 l?單元測試階段LLM的應用場景與案例 l?接口測試階段LLM的應用場景與案例 l?持續集成流水中LLM的應用場景與案例 l?各類軟件工程文檔中LLM的應用場景與案例 l?持續發布中LLM的應用場景與案例 l?性能測試階段LLM的應用場景與案例 l?測試結果分析中LLM的應用場景與案例 AI輔助編程工具提升測試開發的質效 l?LLM輔助編程工具的基本原理和應用場景 l?代碼大模型測評集HumanEval、MBPP介紹和評分原理 l?微軟：Github Copilot和Copilot X l?亞馬遜：CodeWhisperer l?智能代碼編輯器Cursor l?智譜智能編程助手CodeGeeX等 l?百度Comate快碼 l?阿里通義靈碼 l?LLM輔助編程工具 主要使用場景 l?LLM輔助編程工具的實現原理 l?LLM輔助編程工具加持下的軟件生態改變 l?LLM輔助編程工具改變傳統開發的12大場景 l?LLM輔助編程工具的編程技巧 l?LLM輔助編程工具下的測試優化 l?案例：某互聯網大廠的應用案例分析 LLM在軟件質量和軟件測試領域中的應用與案例 l?使用Test pilot自動生成測試用例 l?Test pilot的基本原理 l?使用OpenAI API實現單元測試用例的生成 l?LLM用于單元測試用例生成的技術難點與解決思路 l?使用OpenAI API實現API接口測試用例的生成 l?使用DeepSeek 實現API組合調用測試用例的生成 l?LLM在測試數據生成領域的應用與實踐 l?LLM用于API接口測試用例生成的技術難點與解決思路 l?測試腳本開發中的GitHub Copilot應用 l?Copilot X的能力與測試領域應用 l?基于AI Agent的測試用例設計生成技術 l?基于AI Agent的測試用例腳本生成技術 l?基于Multi-Agent的測試用例設計生成技術 l?基于Multi-Agent的測試用例腳本生成技術 l?使用LLM實現Monkey Test的能力擴展 l?使用LLM實現無腳本的Mobile App探索測試 l?使用LLM識別錯誤敏感的測試數據 l?使用LLM實現失敗測試用例的自動修復 l?使用LLM提升被測對象的可測試性 各類AIGC場景深度解讀 l?文生圖能力的使用（大量行業案例） l?與日程辦公的結合（Office Copilot的案例） l?其他各類可能使用場景解讀（國內外最新案例） |
?
?
