- 理解AI系统测试：帮助测试工程师理解AI系统与传统软件系统的差异，掌握AI系统测试的核心概念与挑战。
- 掌握数据测试方法：解决测试数据准备与分组难题，学会基于测试数据的模型评价方法，提升测试有效性。
- 设计大模型用例：提供大模型测试用例设计的具体方法，包括SSE协议接口测试与LangSmith工具应用，解决实际测试难题。
- 验证AI道德性：针对大模型涌现后的道德问题，给出AI道德验证的实操方法，确保模型输出符合伦理标准。
- 利用大模型测试：通过提示词工程引导大模型辅助测试，同时掌握智能化测试工具，提升测试效率与自动化水平。
★★★
Intermediate
BeginnerElementaryIntermediateAdvancedExpert
- 软件测试工程师：希望转型AI测试或扩展测试技能，本书提供从理论到实践的完整路径。
- 大模型开发者：需要了解模型测试与评估方法，确保模型质量与可靠性，本书提供针对性指导。
- AI产品经理：需要理解AI系统测试的要点与挑战，以便更好地协调开发与测试工作。
- 大模型爱好者：对AI测试感兴趣，想系统学习大模型测试技术，本书内容通俗易懂，实例丰富。
- 基础先行：建议先阅读第1-2章，理解AI系统与数据测试基础，为后续章节打下扎实基础。
- 重点突破：第4章是测试用例设计核心，建议精读并结合实例动手实践，掌握SSE接口测试与LangSmith工具。
- 道德与提示词：第5-6章涉及AI道德与提示词工程，可结合实际项目尝试应用，提升测试的深度与广度。
- 工具实践：第7章智能化测试工具建议边学边练，通过开源工具体验自动化测试的便利，增强实操能力。
- 总结升华：最后阅读第8章，理解从算法测试到大模型测试的转变，形成系统性认知。
- 系统认知：全面理解AI系统与大模型测试的理论框架，建立从数据到模型再到应用的完整测试思维。
- 实操技能：掌握测试数据分组、模型评估、用例设计等关键技术，能独立完成大模型测试任务。
- 工具运用：学会使用LangSmith等主流测试工具，以及智能化测试开源工具，提升测试自动化水平。
- 道德验证：具备AI道德验证的实操能力，能识别并规避大模型输出中的伦理风险。
- 效率提升：通过提示词工程利用大模型辅助测试，显著提高测试效率与覆盖度。
- 职业发展：为转型AI测试专家或大模型质量保障岗位奠定坚实基础，增强职场竞争力。
📖 Book Introduction
本书共8章，第1章概述AI（Artificial Intelligence，人工智能）系统，介绍机器学习的模型和分类，以及AI系统对测试工程师“提出”的新问题等；第2章介绍数据的处理过程，以及数据的分组方法，详细介绍依托测试数据的测试评价方法；第3章讲解模型中超参数相关的概念，以及关于模型性能的评估指标，并介绍了较为主流的模型的基准测试；第4章重点介绍AI系统的测试用例设计方法，以及传统软件测试方法在AI系统测试中的应用，同时也介绍ChatGPT类应用中SSE（Server-Sent Events）协议的接口测试和LangSmith在测试过程中的使用方法；第5章介绍AI道德的验证，这也是大模型涌现后绝大多数大模型专家所关注的内容，该章重点介绍大模型的“道德”内容及验证方法；第6章介绍提示词工程和软件测试，我们既要能够测试大模型的应用，也要能够充分利用大模型完成测试工作，该章重点介绍通过提示词工程利用大模型完成测试工作的方法；第7章介绍智能化测试，通过学习开源的智能化测试工具及实践，读者可亲身体验智能化测试的好处；第8章介绍了从AI算法的智能化测试到大模型的智能化测试的转变的知识。
本书内容通俗易懂、实例丰富，适合大模型开发者、软件测试人员，以及大模型爱好者阅读和学习。
本书内容通俗易懂、实例丰富，适合大模型开发者、软件测试人员，以及大模型爱好者阅读和学习。
📑 Table of Contents
第 1 章 AI 系统概述 001 1.1 AI 简介 001 1.2 AI 系统的分类 003 1.3 机器学习的模型和分类 006 1.4 AIGC 是新趋势 009 1.5 AI 系统对测试工程师提出的新问题 010 1.5.1 测试彻底变成黑盒测试 010
