AI赋能测试学习路线

新闻

作者：微信文章
点击上方蓝色字体关注 遇见十二

最近，很多小伙伴想学习AI测试的落地应用，但是不知道如何来学习，今天十二就分享下AI赋能测试学习路线。一. 学习AI相关基础知识和原理

AI涉及的理论知识很多，有些也很深奥，别被高大上的术语吓跑！入门阶段，我们只需要知道这些概念是什么、能干嘛，不需要深究原理，比如：

LLM（大模型）

prompt （提示词）

Agent（智能体）/工作流

RAG（检索增强生成）

MCP （模型上下文协议）等

怎么学？

方法1：对于这些基础概念介绍的文章和教程网上特别多，有些还带有图片解释很清晰，建议可以关注一些AI技术博主，可以从他们总结的文章中去学习。

方法2：直接去问AI，把你想了解的这些概念一个个去问AI（DeepSeek和豆包都可以），让他用通俗的语言和例子给你解释，这个方法更方便，也是我当初学习时用的方法。
二. 了解一些目前主流的AI工具

随着AI越来越热门，AI工具也越来越多（比如Cursor、Trae、Coze等），有些刚入门的小伙伴就会头昏眼花，不知道该选择哪个，所以这里建议可以先简单了解一下AI工具，结合自己的实际情况，看看选择1-2个去学习。

同样的方法，也是直接去网上找相关的文章去看，有很多博主都有对相关工具进行测评，也可以直接去对应工具的官网查看。
三. 学习赋能测试的核心技能

阶段1：学会如何与AI对话，掌握Prompt基础，完成简单提效任务。

比如：使用AI开发一些提效小工具、编写测试脚本等，通过这些小案例，了解如何使用AI工具，如何与AI进行对话、如何写出更合适的提示词/规则等。
阶段2：将AI应用到具体的测试类型中，提升效率。

AI生成测试用例： 基于需求文档生成功能用例、探索性测试思路。

AI构造测试数据：使用AI构造日常或场景测试数据。

AI根据接口文档生成接口测试用例：在这里可以开始学习MCP相关的应用

AI驱动的自动化测试： 利用AI辅助定位元素、生成/维护脚本、分析结果
阶段3：利用AI进行更复杂的分析、预测和流程优化

搭建自动化测试工作流 (Agent)： 串联多个AI和工具，实现端到端自动化。

AI进行日志分析 & 异常检测： 自动分析海量日志，定位潜在问题。

利用AI进行性能问题分析： 辅助分析性能测试结果，定位瓶颈。

利用AI代码分析工具分析评审代码质量。

在软件测试领域，这一变革正在加速发生。测试人员面临着日益复杂的系统、快速迭代的需求和海量的测试知识需要掌握。这正是十二推出 【AI赋能测试知识库】 的初衷。
AI赋能测试知识库是一份针对测试人的专业在线AI知识库，深度融合了大语言模型、RAG和智能体等先进技术，为测试工程师打造了一个智能工作伙伴。它包含：AI代码分析工具：AI分析代码并生成可视化报告（送源码）AI生成测试用例系列：cursor生成测试用例，AI 测试用例工具（送源码）AI驱动的UI自动化：基于Playwright MCP、Midscene.js实现UI自动化AI驱动的接口自动化：AI读取接口文档并生成接口用例
企业级知识库 / 智能客服：RAGFlow企业级知识库搭建，Dify智能客服实战
Text2SQL 系列：基于RAGFlow构建Text2SQL，本地搭建AI SQL助手（送源码）
AI核心技能：十二工作中用到的一些技能，比如构造测试数据

AI编程专区：Cursor基础到实战应用、Trae基础到实战应用

MCP系列：MCP基础到实战应用

DeepSeek专区：DeepSeek入门到应用提效

注：以上3个源码工具均可商用，落地到企业项目中进行使用。

以上内容，基于十二自用总结整理，且会持续更新。



AI赋能测试知识库获取，扫描下面二维码或搜索：“shier3339”添加我，咨询获取。

点击了解十二：

来，这是十二的介绍，一起前行（第1版）



💥文末福利：关注「十二成长说」公众号，私我免费领取以下「2025 AI大会测试资料包」一份。





- end -

欢迎你来～



扫一扫，遇见十二