书籍简介

**《使用生成式AI进行软件测试》**通过AI工具的强大能力,加速您的测试流程并交付卓越的软件产品质量。 测试越多,您对软件的了解就越深入。《使用生成式AI进行软件测试》展示了如何利用基于大语言模型(LLM)的AI技术扩展、自动化和增强您的软件测试能力。您的团队将能够在更短的时间内交付更高质量的测试结果。


在本书中,您将学习如何:

  • 识别 使用AI改进测试质量的机会
  • 构建 基于AI工具的自动化测试
  • 探索 在探索性测试中使用AI工具生成新的测试思路
  • 设计 利用AI工具辅助新功能的设计过程
  • 提升 使用AI工具改善测试环境的可测试性
  • 优化 通过提示工程最大化测试输出
  • 创建 为您的业务需求量身定制的自定义大语言模型

本书特色

《使用生成式AI进行软件测试》提供了实用且无夸大的建议,帮助您利用AI工具支持软件测试工作。本书由畅销书作者 Mark Winteringham 撰写,其中涵盖了如何生成合成测试数据、实现自动化测试,以及如何使用AI增强和改进测试设计。**由 Nicola Martin 作序。**购买本书的纸质版,还可免费获得来自 Manning 出版社的PDF和ePub电子版。


关于技术

软件测试有一个简单的原则:测试得越多,了解得越多。然而,专业的测试人员都知道,优质的测试需要大量时间。 通过将大语言模型(LLMs)和生成式AI集成到测试流程中,您可以大幅自动化和增强测试过程,提升测试质量和覆盖率,同时提供更具价值的测试结果。

目录

第1部分:使用大语言模型增强测试

使用大语言模型增强测试 1. 大语言模型与提示工程 1. 人工智能、自动化与测试

第2部分:AI辅助开发者测试4. 面向开发者的AI辅助测试 5. 使用AI进行测试规划 6. 使用AI快速创建测试数据 7. 使用AI加速和改进UI自动化 8. 使用AI辅助探索性测试 9. AI测试助手的开发 第3部分:高级AI技术10. 引入自定义大语言模型 11. 基于检索增强生成(RAG)的提示工程 12. 利用业务领域知识微调LLMs 附录:

A. ChatGPT的设置与使用 * B. GitHub Copilot的设置与使用 * C. 探索性测试笔记

成为VIP会员查看完整内容
20

相关内容

生成式人工智能是利用复杂的算法、模型和规则,从大规模数据集中学习,以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容,全面超越了传统软件的数据处理和分析能力。2022年末,OpenAI推出的ChatGPT标志着这一技术在文本生成领域取得了显著进展,2023年被称为生成式人工智能的突破之年。这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面,生成系统在解释提示和生成逼真输出方面取得了显著的进步。同时,视频和音频的生成技术也在迅速发展,这为虚拟现实和元宇宙的实现提供了新的途径。生成式人工智能技术在各行业、各领域都具有广泛的应用前景。
【新书】大型语言模型实战:语言理解与生成
专知会员服务
61+阅读 · 2024年11月6日
【新书】使用生成式人工智能和Python开始数据分析
专知会员服务
46+阅读 · 2024年10月10日
【新书】生成式人工智能傻瓜书入门
专知会员服务
54+阅读 · 2024年9月24日
【新书】使用Altair和人工智能进行数据讲述
专知会员服务
41+阅读 · 2024年9月18日
【2024新书】分布式机器学习模式
专知会员服务
87+阅读 · 2024年1月24日
下载 | 512页教程《神经网络与深度学习》,2018最新著作
机器学习算法与Python学习
50+阅读 · 2019年1月6日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
14+阅读 · 2016年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
Arxiv
160+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
417+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
Arxiv
150+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
14+阅读 · 2016年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
微信扫码咨询专知VIP会员