课程亮点
1. 课程所涉及软件全部开源,且可离线私有化部署,保护企业数据隐私和安全
2. 结合企业实际痛点与业务需求,结合大模型技术,给出解决方案
课程收益
1. 掌握主流大模型本地化部署与应用方法
2. 掌握设计有效提示词,以及提示词工程优化方法
3. 掌握大模型在质量和效能领域的落地实践与场景应用
4. 针对企业实际问题,给予案例与解答
课程大纲
注:课前将提供所有课程安装包(开源免费)与详细部署文档
VSCode可替换为IDEA,Copilot,Cursor等其他IDE
大模型在全局质量中应用 |
|
大模型赋能全局质量与本地化部署 ~ 1小时 |
|
智能体与AI编码工具对比 |
|
提示词优化与设计 ~ 1.5小时 | |
提示词工程优化高阶技巧 |
· 【案例】提示词模版库 |
各场景测试用例 Prompt 设计 |
|
AI智能体赋能测试用例生成 ~ 4小时 | |
Dify概述与主要功能 |
|
RAG概述 |
|
构建本地知识库 |
|
AI智能体用于缺陷检测与代码审查 |
|
AI智能体用于手工测试用例生成 |
|
AI智能体用于设备软件特色场景用例设计 |
|
AI智能体用于测试用例评审 |
|
AI智能体用于代码质量评估 |
|
上机实操 |
|
大模型赋能自动化测试代码生成实践 ~ 3小时 | |
大模型与IDE插件集成 | · 如何免费调用离线大模型? · 保护数据安全 · Continue插件部署 · Ollama部署 · Qwen3-coder大模型部署 · 与VSCode集成 · 【案例】多模态大模型llama-vision集成 · 【案例】多模态大模型qwen3-vl集成 |
利用VSCode生成代码实践 | · 什么是VIBE coding? · VIBE coding要点 · @ Symbols 快捷指令
|
Sikuli工具应用 |
· 自动化执行 |
AI 驱动测试用例生成 | · 【案例】Bug转自动化用例 · 【案例】新增业务需求文档生成自动化用例 · 【案例】基于手工测试用例生成自动化用例 · 【案例】Windows UI自动化测试脚本生成 · 【案例】Linux UI自动化测试脚本生成 · 【案例】自动化脚本根据UI变化自动更新 |
上机实操 | · 基于以上案例进行上机实操 |
大模型输出质量管控 ~ 1小时 | |
大模型幻觉改进分析 | · 大模型幻觉根因分析 · 提升大模型输出结果准确性方法 · 工程优化方向 · RAG链路效果优化 |
AI生成结果评审 |
|
上机实操 |
|

