🧪 测试与质量保证¶
定位：覆盖 AI 研究生需要的完整测试技能体系——从传统软件测试到 AI 模型评估 核心重点： AI 模型测试与评估（ LLM/Agent/多模态 评估方法论与实践）
🎯 学习目标¶
通过本教程，你将掌握：
- 测试基础：黑盒/白盒测试、测试策略与质量度量
- 单元测试： Python pytest 框架、 Mock 技术、 TDD 开发模式
- AI 模型评估 ⭐： LLM 评估基准（ MMLU/HumanEval ）、 Agent 评估框架、多模态模型测试
- 实战能力：构建端到端测试流水线， CI/CD 集成自动化测试
📚 章节目录¶
| 编号 | 章节 | 核心内容 | 难度 | 学习时间 |
|---|---|---|---|---|
| 01 | 软件测试概述 | 测试理论、方法论、质量模型 | ⭐⭐ | 3 小时 |
| 02 | 单元测试 | pytest 、 Mock 、覆盖率、 TDD | ⭐⭐⭐ | 4 小时 |
| 03 | AI 模型测试与评估 | LLM/Agent/多模态评估体系 | ⭐⭐⭐⭐ | 6 小时 |
📖 推荐学习路径¶
Text Only
第1天 (3h): 01-软件测试概述
→ 理解测试金字塔、V模型、质量度量
第2天 (4h): 02-单元测试
→ 动手练习 pytest，写出第一个测试套件
第3天 (6h): 03-AI模型测试与评估 ⭐
→ 重点章节！掌握 LLM 评估方法论
→ 实践：用 RAGAS 评估 RAG 系统
🗂️ 补充资源¶
| 目录 | 说明 | 推荐程度 |
|---|---|---|
| 实战项目/ | 测试实战练习（含 CI/CD 集成） | ⭐⭐⭐⭐ |
| 面试准备/ | 测试面试题库与高频考点 | ⭐⭐⭐⭐⭐ |
🔗 相关教程¶
- AI Agent 开发实战/05-Agent 评估与测试 — Agent 专项评估
- MLOps 与 AI 工程化 — 模型监控与持续评估
- LLM 应用 — LLM 应用测试实践
🤖 AI 驱动测试补充¶
- AI测试：将测试用例生成、缺陷归因、回归分析纳入统一流水线。
- LLM测试生成：用大模型按接口契约与业务规则自动生成测试集，再做人工抽检。
- Copilot测试 / testim：结合 IDE 辅助生成与平台化回归执行，提高变更迭代速度。
最后更新： 2026-02-18 总学时：约 13 小时（核心章节） + 实战项目