
曙海教學優(yōu)勢
該課程面向企事業(yè)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(zhì),LLM在軟件測試領(lǐng)域的應用實踐與大廠實戰(zhàn)培訓以項目實現(xiàn)為導向,老師將會與您分享設(shè)計的全流程以及工具的綜合使用技巧、經(jīng)驗。上門/線上/線下皆可,小班面授,互動直播任選.專注技術(shù)培訓,匠心服務(wù),實戰(zhàn)教學。上門/線上/線下皆可,LLM在軟件測試領(lǐng)域的應用實踐與大廠實戰(zhàn)培訓專家,課程可定制,熱線:4008699035。
大批企業(yè)和曙海
建立了良好的合作關(guān)系,合作企業(yè)30萬+。我們課程培養(yǎng)了十幾萬受歡迎的工程師,在業(yè)內(nèi)有著響亮的知名度,同心致遠,用心服務(wù)。
?培訓對象:
軟件研發(fā)負責人,研發(fā)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(gòu)師,資深研發(fā)工程師
運維架構(gòu)師,資深運維工程師,DevOps工程師,SRE
測試架構(gòu)師,資深測試工程師
研發(fā)管理人員,研發(fā)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(tǒng)AI的區(qū)別
l?AIGC目前的主要應用領(lǐng)域
l?AIGC目前的可能的應用領(lǐng)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(guān)系
l?ChatGPT的歷史和發(fā)展
l?ChatGPT的架構(gòu)和模型
l?ChatGPT的訓練數(shù)據(jù)和算法
l?ChatGPT的生成過程和輸出結(jié)果
l?ChatGPT的局限性
l?ChatGPT的安全性
l?ChatGPT的涌現(xiàn)能力
l?ChatGPT的思維鏈
DeepSeek大模型基礎(chǔ)
l?DeepSeek與傳統(tǒng)LLM的主要區(qū)別
l?從DeepSeek R1 Zero到DeepSeek R1
l?DeepSeek R1和OpenAI O1模型的對比總結(jié)
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(gòu)MoE
l?DeepSeekMoE的關(guān)鍵創(chuàng)新
l?對傳統(tǒng)大模型的挑戰(zhàn)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(zhàn)
l?本地部署的基礎(chǔ)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(xiàn)RAG
LLM的主流應用場景與未來發(fā)展
l?GenAI在千行百業(yè)的應用概覽
l?GenAI在軟件研發(fā)企業(yè)的應用概覽
l?單模態(tài) vs 多模態(tài)
l?知識工程的回歸
l?LLM的未來發(fā)展方向
l?LLM在各行業(yè)中的應用前景
l?LLM的風險與不確定性應對
l?LLM的技術(shù)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(chǔ)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(tài)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(tài)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(fā)的基本框架
l?業(yè)界主流Agent的設(shè)計思路與使用
l?Multi-Agent的雛形
l?業(yè)界主流Multi-Agent的設(shè)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(fā)全生命周期中的應用場景與案例
l?軟件研發(fā)全流程中LLM擅長的部分
l?軟件研發(fā)全流程中LLM不擅長的部分
l?競品分析與市場調(diào)研階段LLM的應用場景與案例
l?產(chǎn)品概念與產(chǎn)品定義階段LLM的應用場景與案例
l?產(chǎn)品原型階段LLM的應用場景與案例
l?產(chǎn)品體驗設(shè)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(shù)選型階段LLM的應用場景與案例
l?頂層設(shè)計階段LLM的應用場景與案例
l?詳細設(shè)計階段LLM的應用場景與案例
l?從設(shè)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(xù)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(xù)發(fā)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(jié)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(fā)的質(zhì)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(xiàn)原理
l?LLM輔助編程工具加持下的軟件生態(tài)改變
l?LLM輔助編程工具改變傳統(tǒng)開發(fā)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(yōu)化
l?案例:某互聯(lián)網(wǎng)大廠的應用案例分析
LLM在軟件質(zhì)量和軟件測試領(lǐng)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(xiàn)單元測試用例的生成
l?LLM用于單元測試用例生成的技術(shù)難點與解決思路
l?使用OpenAI API實現(xiàn)API接口測試用例的生成
l?使用DeepSeek 實現(xiàn)API組合調(diào)用測試用例的生成
l?LLM在測試數(shù)據(jù)生成領(lǐng)域的應用與實踐
l?LLM用于API接口測試用例生成的技術(shù)難點與解決思路
l?測試腳本開發(fā)中的GitHub Copilot應用
l?Copilot X的能力與測試領(lǐng)域應用
l?基于AI Agent的測試用例設(shè)計生成技術(shù)
l?基于AI Agent的測試用例腳本生成技術(shù)
l?基于Multi-Agent的測試用例設(shè)計生成技術(shù)
l?基于Multi-Agent的測試用例腳本生成技術(shù)
l?使用LLM實現(xiàn)Monkey Test的能力擴展
l?使用LLM實現(xiàn)無腳本的Mobile App探索測試
l?使用LLM識別錯誤敏感的測試數(shù)據(jù)
l?使用LLM實現(xiàn)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(yè)案例)
l?與日程辦公的結(jié)合(Office Copilot的案例)
?
其他各類可能使用場景解讀(國內(nèi)外最新案例)