直播安排¶

直播训练营	描述	形式
业务测试用例生成智能体应用实战	文档解析 视觉识别 知识图谱 功能点生成 测试点生成 测试用例生成	项目实战
Web 自动化测试用例生成智能体应用实战	页面结构解析 流程 selenium playwright pom	项目实战
App 自动化测试用例生成智能体应用实战	页面结构解析 流程 appium pom	项目实战
接口自动化测试用例生成智能体应用实战	swagger 流程 pytest requests	项目实战
Web 测试智能体应用实战	playwright mcp 上下文压缩 断言	项目实战
App 测试智能体应用实战	appium mcp 上下文压缩 断言 智能探索 知识图谱	项目实战
接口测试智能体应用实战	http 签名加密 上下文压缩 断言	项目实战
大模型智能体评测	大模型评测 rag评测 智能体评测 性能指标	项目实战
电商系统的 AI 测试全流程实战	文档解析 用例生成 自动化用例生成 用例执行	项目实战
企业智能化测试落地经验分享	腾讯、阿里、字节、微软等知名企业的智能化测试落地经验分享、架构、技术、流程、效果	项目实战
企业应用系统的 AI 测试全流程实战	文档解析 用例生成 自动化用例生成 用例执行	项目实战
爱测智能化测试平台产品经验分享	智能化测试落地痛点 客户常见需求 用例生成 自动化用例生成 用例执行 智能探索 知识图谱	项目实战

大模型智能体工作流¶

大模型 提示词工程 工具 智能体 工作流，掌握如何私有部署自己的大模型应用体系

L1. 大模型¶

价值¶

• 本模块系统覆盖主流大语言模型的使用、部署与管理，帮助学员建立完整的大模型技术认知体系。
• 通过云端调用与本地私有化部署相结合的方式，使学员掌握不同模型在实际场景下的选型与落地方法。
• 课程结合 AI 应用平台与自动化工作流实践，培养学员将大模型应用到真实业务中的能力。
• 学习完成后，学员可具备基础的大模型部署、配置及 AI 应用开发能力，为后续 AI 工程与智能化方向发展奠定基础。

章节¶

章节	描述	标签
大模型原理与应用体系	大模型原理介绍 应用体系介绍
ollama 本地部署	量化模型介绍 本地部署方法
开源大模型体系 阿里千问 Qwen 大模型	qwen 模型体系 提示词 参数 调用方法
开源大模型体系 deepseek	deepseek 模型下载 本地调用
开源大模型体系 glm	glm 模型体系 模型下载 本地调用
开源大模型体系 gemma4	gemma 模型体系 提示词 参数 调用方法
商业大模型体系 qwen 体系	qwen 商业版模型 API调用 鉴权方式 参数配置
商业大模型体系 deekseek 体系	deepseek 商业版 API调用 模型能力对比 使用场景
商业大模型体系 minimax 体系	minimax 模型能力 API调用 多模态能力 应用场景
litellm 大模型网关	多模型统一接入 API转发 模型切换 统一鉴权管理
智能体 opencode	opencode 配置 MCP工具 智能体调用 自动化任务执行
人工智能应用平台 openwebui	openwebui 部署 模型接入 对话管理 私有化应用搭建
人工智能应用平台 Dify	大模型配置 工具管理 知识库管理 ai 应用开发
商业大模型体系 google gemini 体系	gemini 模型能力 API调用 多模态能力 使用方法	可选
商业大模型体系 openai chatgpt 体系	chatgpt 模型能力 API调用 function calling 使用方法	可选
商业大模型体系 Anthropic Claude 体系	claude 模型能力 长文本处理 API调用 使用方法	可选

L2. 提示词工程与 RAG¶

价值¶

• 本模块系统讲解大语言模型提示词工程的核心方法与推理模式，帮助学员理解模型推理逻辑、上下文机制与能力边界。
• 通过结构化输出、ReAct 推理、工具调用等关键技术实践，使学员掌握从“自然语言提问”到“可控执行指令”的转化能力。
• 课程结合 RAG、嵌入模型、向量检索与知识库构建方法，培养学员将外部数据接入大模型，实现“有依据回答”的工程化能力。
• 进一步通过多文档、多模态处理与业务知识库实战，使学员具备构建企业级 AI 助手与智能问答系统的能力。
• 学习完成后，学员可独立完成提示词设计、RAG 系统搭建及 AI 应用开发，为 AI Agent 与智能系统开发打下核心基础。

章节¶

章节	描述	标签
提示词工程体系	大模型参数 提示词理解 提示词工程方法
结构化输出	JSON输出 结构约束 输出解析 稳定性控制
使用工具的自动推理	工具使用提示词 工具函数定义 工具调用流程
ReACT 推理	Thought Action Observation 提示词写法
代码自动生成	生成代码 指定语言 代码约束 自动调试
数据自动生成	生成数据 格式要求 数据多样性 数据校验
检索增强生成(RAG)	RAG 提示词 上下文构建 检索策略 提示词优化
多格式文档处理	PDF Word Excel 文档解析 文本切分 数据清洗
多模态数据处理	图片识别 OCR 语音转文本 多模态输入处理
嵌入模型与嵌入搜索	向量化 Embedding 相似度计算 向量检索
知识库体系 Dify	知识库构建 文档上传 分段策略 检索配置
香港大学 LightRAG 系统	LightRAG 文档扫描 可视化 检索 知识组织
微软 GraphRAG 框架	GraphRAG 体系 提示词 文档生成知识图谱	可选

L3. 智能体¶

价值¶

• 本模块系统讲解 AI 智能体的核心架构与执行机制。
• 通过工具调用、记忆机制与推理链设计，使学员掌握将提示词、工具与上下文组合为可执行智能体的核心方法。
• 课程结合 Agent 工作流，培养学员构建可扩展、可复用智能体系统的工程能力。
• 学习完成后，学员可独立构建编程智能体、自动化测试智能体与企业级 AI 助手，为 AI Agent 与智能化系统开发打下实践基础。

章节¶

章节	描述	标签
智能体 Agent 介绍	智能体核心要素 提示词工程 推理方法 记忆体
工具体系介绍	工具定义 工具调用 MCP协议 工具执行流程
agent-skills智能体技能	技能定义 技能封装 技能复用 任务拆解
opencode 编程智能体	自然语言生成代码 自动执行 调试优化 编程任务自动化
opencode 工具管理	工具注册 工具配置 工具调用 权限控制
opencode 技能管理	技能编排 技能组合 技能调用 任务流程设计
opencode 多智能体管理	多Agent协作 任务分配 上下文共享 协同执行
openclaw 开源智能助理平台	平台部署 智能体创建 会话管理 应用集成
openclaw 企业微信对接	企业微信接入 消息收发 webhook配置 自动化交互
openclaw 工具管理	工具接入 工具配置 工具调用 平台统一管理
openclaw 技能管理	技能定义 技能发布 技能调用 业务流程封装
openclaw 多智能体管理	多智能体编排 协作执行 任务流转 复杂任务处理
Codex 编码智能体	代码生成 代码补全 API调用 自动化开发流程	可选
Cursor 自动编码智能体	AI编程 IDE 自动补全 代码重构 工程化开发	可选
claude code 编码智能体	长代码生成 多文件理解 自动重构 复杂逻辑处理	可选
复杂智能体开发框架 DeepAgents	多层Agent架构 工具链集成 长任务执行 自主决策	可选

L4. 工具与技能¶

价值¶

• 本模块聚焦智能体的工程化开发方法，系统讲解基于 Web、App 与接口自动化场景的智能体构建实践。
• 通过 MCP 协议与主流自动化工具的结合，使学员掌握“自然语言驱动工具执行”的核心实现方式。
• 通过复杂任务拆解、技能封装与多工具协同，使学员掌握智能体能力复用与系统扩展的方法。
• 学习完成后，学员将具备独立开发自动化测试智能体与企业级 AI 应用的能力，实现从工具使用到系统构建的能力升级。

章节¶

章节	描述	标签
mcp 协议介绍	MCP原理 协议结构 工具调用机制 AI调用工具流程
mcporter 技能	mcporter 配置 技能封装 工具注册 自动化任务执行
Web 自动化智能体 playwright-mcp	playwright-mcp 配置 浏览器控制 页面操作 自动化测试执行
App 自动化智能体 mobile mcp	mobile-mcp 配置 设备控制 点击滑动 输入操作 自动化执行
App 自动化智能体 appium mcp	appium-mcp 配置 元素定位 操作封装 跨平台自动化
接口自动化智能体	接口调用 请求构建 参数处理 响应断言 自动化测试
文档格式处理工具	PDF Word Excel 解析 文本提取 内容转换 数据清洗
视频处理工具	视频生成 剪辑 合成 字幕处理 自动化内容生产
图表生成工具	图表生成 数据可视化 报告生成 自动化分析
霍格沃兹 App 智能体	App自动化测试 业务流程执行 场景封装 测试智能体实战
superpowers	高级能力扩展 自动化增强 工具组合 复杂任务处理
openspec	规范驱动开发 接口描述 自动生成代码 测试用例生成

L5. 工作流与智能体平台¶

价值¶

• 本模块聚焦主流 AI Agent 智能体平台与工作流方案，帮助学员理解智能体从“单点能力”到“平台化应用”的演进路径。
• 通过多模态智能体、自动编码智能体与工作流编排平台的实践，使学员掌握复杂任务自动化与流程化执行的方法。
• 课程结合云端平台、本地部署与开源框架，培养学员在不同业务场景下进行技术选型与架构设计的能力。
• 通过对比多种智能体方案与平台能力，使学员具备构建企业级 AI 应用与智能测试系统的整体视角。
• 学习完成后，学员将具备设计、选型并落地 AI Agent 解决方案的能力，实现从工具使用到平台级系统构建的能力跃迁。

章节¶

章节	描述	标签
browser-use 智能体	浏览器控制 页面理解 自动操作 网页任务执行
腾讯 AppAgent 智能体	AppAgent 原理 移动端操作 UI理解 自动化任务执行
人工智能应用平台 Coze	Coze 平台使用 智能体搭建 工作流编排 插件工具集成
自动化工作流平台 N8N	节点编排 工作流设计 API集成 自动化任务流转
魔搭大模型管理平台	模型管理 模型部署 推理服务 API调用 平台化管理
大模型开发框架 LangChain	链式调用 工具集成 Prompt管理 RAG应用开发
智能体开发框架 LangGraph	状态流转 多Agent编排 复杂任务执行 工作流控制
霍格沃兹爱测智能化测试平台	测试流程管理 自动化执行 AI辅助测试 测试智能体落地
lm studio 本地部署	本地模型运行 模型管理 API服务 私有化部署	可选
智能体 claude-code	自动编码 代码理解 多文件处理 编程智能体应用	可选
大语言模型微调 LLaMA-Factory	模型微调 数据准备 指令训练 模型优化	可选

智能化测试¶

测试用例生成智能体、测试用例执行智能体、业务知识图谱，利用 Ai 赋能软件测试

L1. 用例生成智能体¶

价值¶

• 本模块围绕测试用例与自动化脚本的智能生成方法，系统讲解大模型在测试设计与实现中的核心应用方式。
• 结合 RAG 与多智能体技术，使学员能够基于业务知识库生成高质量测试用例，实现复杂场景的自动化覆盖。
• 学习完成后，学员可独立构建用例生成智能体，实现测试设计自动化与脚本生成自动化，为智能测试体系建设提供核心支撑。

章节¶

章节	描述	标签
业务用例生成智能体-基于大模型	需求解析 用例生成 场景拆解 边界条件 覆盖设计
业务用例生成智能体-基于RAG	知识库接入 业务上下文增强 用例生成 优化结果准确性
业务用例生成智能体-基于多智能体	多Agent协作 任务拆解 用例评审 自动优化 复杂场景处理

L2. 自动化用例生成智能体¶

价值¶

• 本模块系统讲解自动化测试用例与脚本生成的智能体实现方法，帮助学员建立从“测试设计”到“自动化执行”的完整工程化认知。
• 通过 Web、App 与接口自动化场景的实践，使学员掌握基于 AI 自动生成测试步骤、定位策略与断言逻辑的方法。
• 课程结合数据驱动、框架分层与脚本生成能力，培养学员构建可复用、可维护自动化测试体系的能力。
• 进一步通过智能体驱动自动化执行，使学员实现“自然语言生成自动化脚本并执行”的能力提升测试效率。
  学习完成后，学员将具备设计与实现自动化用例生成智能体的能力，为测试开发与智能测试平台建设打下基础。

章节¶

章节	描述	标签
Web 自动化用例生成智能体	页面解析 元素定位 用例步骤生成 Playwright/Selenium 脚本生成
App 自动化用例生成智能体	页面结构识别 元素定位 操作生成 Appium 脚本生成
接口自动化生成智能体	接口解析 请求构建 参数生成 断言设计 自动化测试脚本生成

L3. 用例执行智能体¶

价值¶

• 本模块围绕软件测试自动化与 AI 智能体的深度结合，系统讲解基于 ReAct 推理模式的测试执行智能体设计方法。
• 通过 Web、App 与接口三类核心测试场景，使学员掌握从“用例生成”到“自动执行与结果反馈”的完整闭环能力。
• 课程结合工具调用、执行状态感知与断言判断机制，培养学员构建可解释、可控制的自动化执行智能体能力。
• 进一步通过执行日志分析与失败重试机制，使智能体具备一定的自我修复与问题定位能力。
• 学习完成后，学员将具备构建自动化测试执行智能体的能力，为智能测试平台与下一代测试体系奠定基础。

章节¶

章节	描述	标签
Web 用例执行智能体	浏览器控制 页面操作执行 断言判断 执行结果分析 自动重试
App 用例执行智能体	设备控制 UI操作执行 元素识别 断言校验 异常处理
接口用例执行智能体	接口请求执行 参数处理 响应断言 结果校验 日志分析

L4. 专项测试智能体¶

价值¶

• 本模块聚焦测试专项能力与 AI 智能体的深度融合，系统讲解性能、安全、代码质量等方向的智能化测试方案。
• 通过基于 ReAct 推理模式的专项测试智能体实践，帮助学员掌握将专业测试工具封装为可自动推理与执行的智能体能力。
• 课程强调测试结果分析、缺陷定位与问题溯源的工程化落地，提升测试效率与问题发现深度。
• 学习完成后，学员将具备构建多类型专项测试智能体的能力，为企业级质量保障与智能测试体系建设提供技术支撑。

章节¶

章节	描述	标签
性能测试智能体	性能测试工具封装 ReAct 智能体
安全测试智能体	安全测试工具封装 ReAct 智能体
用户端性能分析智能体	web 性能分析 playwright mcp
代码静态测试智能体	代码静态测试工具 ReAct 智能体
代码动态测试智能体	代码动态测试工具 ReAct 智能体
代码评审智能体	代码评审工具 ReAct 智能体
缺陷溯源智能体	ReAct 智能体 服务器日志工具 代码分析工具

L5. 智能化测试开发¶

价值¶

• 本模块围绕智能化测试体系的构建方法，系统讲解从自动化测试到模型驱动测试与知识驱动测试的能力演进路径。
• 通过数据驱动、自动化框架与测试平台开发实践，使学员掌握测试工程从“脚本级”向“系统级”的升级方法。
• 通过智能探索测试与自动化执行结合，使测试过程具备更高的覆盖能力与自适应能力。
• 学习完成后，学员将具备构建智能化测试平台与复杂系统测试解决方案的能力，实现从自动化测试到智能测试的能力跃迁。

章节¶

章节	描述	标签
数据驱动测试自动化框架	数据驱动设计 测试数据管理 参数化执行 用例复用
web 测试自动化框架	框架分层设计 页面对象模型 Selenium/Playwright 实践
app 测试自动化框架	Appium框架设计 元素定位 跨平台自动化 测试执行
接口测试自动化框架	接口封装 请求构建 数据驱动 断言机制 自动化执行
智能化测试平台开发	测试平台架构 用例管理 执行调度 报告分析 AI能力集成
模型驱动测试体系介绍	模型驱动理念 状态建模 测试路径生成 覆盖分析
模型驱动测试框架 altwalker	AltWalker 使用 状态模型构建 路径遍历 自动生成测试用例
模型驱动测试框架 graphwalker	GraphWalker 使用 图模型构建 路径覆盖 测试执行
智能探索测试智能体	UI探索 状态识别 自动路径发现 异常检测 覆盖提升

人工智能产品测试¶

L1.人工智能概念基础¶

价值¶

本模块系统讲解人工智能与机器学习的基础概念，帮助学员建立对智能系统工作原理的正确认知。
通过特征、模型与典型算法的讲解，使学员理解数据如何转化为可计算、可决策的模型结果。
课程结合信用卡反欺诈与推荐系统等真实业务案例，强化理论与实际场景的联系。
学习完成后，学员将具备理解和分析 AI 系统基本逻辑的能力，为后续大模型、智能体与智能测试相关内容打下理论基础。

章节¶

章节	描述
机器学习概念介绍	专家系统与机器学习的概念
特征的概念	特征概念 离散与连续
模型介绍	特征 权重 数据类型
逻辑回归的介绍	逻辑回归 概念 示例
参数与超参数	参数 超参数 mini batch 梯度下降
信用卡反欺诈案例	信用卡反欺诈详解 相关技术
推荐系统详解	推荐系统案例 技术体解读

L2.人工智能系统架构¶

价值¶

本模块系统讲解人工智能系统的整体架构与关键组成部分，帮助学员理解 AI 系统在工程层面的运行方式。
通过人工智能与大数据、云计算及边缘计算的结合分析，使学员掌握不同计算架构在 AI 场景中的作用与取舍。
课程重点介绍数据闭环与模型持续学习机制，强化对数据质量与模型演进的工程认知。
学习完成后，学员将具备分析与理解复杂 AI 系统架构的能力，为 AI 应用设计、测试与运维奠定基础。

章节¶

章节	描述
人工智能与大数据	人工智能与大数据有着何种关系 大数据模块作用
人工智能中的云计算与边缘计算	讲解云计算与边缘计算在人工智能场景中的设计
自学习与数据闭环	自学习 数据质量 构建数据闭环 数据质量监控。
模型的实时训练与更新（迁移学习）	parameter server，实时训练与迁移学习

L3.数据质量¶

价值¶

本模块系统讲解数据在人工智能系统中的核心作用，帮助学员建立对训练集、验证集与测试集的正确认知。
通过数据采集、数据分布与性能差异的分析，使学员理解数据质量对模型效果的直接影响。
课程结合数据质量保障方法与工具实践，强化数据评估与验证的工程能力。
学习完成后，学员将具备分析与保障数据质量的能力，为模型训练、评测与智能系统测试提供可靠数据基础。

章节¶

章节	描述
数据的重要性：训练集，验证集，测试集	数据集使用场景 拆分
选取数据的注意点	讲解采集数据集时的注意事项。
详解数据分布带来的性能差异	从原理上讲解应该如何设计性能测试场景
数据质量保证	讲解如何使用 spark 技术验证数据质量

L4.计算机视觉¶

价值¶

本模块系统讲解计算机视觉的核心原理与典型应用场景，帮助学员理解视觉类智能系统的技术基础。
通过神经网络、卷积神经网络及目标检测等内容，使学员掌握视觉模型的基本工作机制与评测思路。
课程结合 OCR 与边缘计算场景，强化对实际业务落地与测试指标的理解。
学习完成后，学员将具备分析与测试计算机视觉系统的能力，为视觉类 AI 应用与智能测试奠定基础。

章节¶

章节	描述
神经网络与深度学习	神经网络的概念，它与深度学习是什么关系
图像处理与卷积神经网络	卷积神经网络的概念， 它与普通的神经网络有何不同。
目标检测	讲解常见的计算机视觉的业务场景，计算原理和测试指标。
OCR	讲解 OCR 的业务场景，实现原理和测试指标。
再提边缘计算	讲解计算机视觉场景下的边缘计算与测试场景。
大模型（选修）	介绍大模型的原理以及测试方法。

L5.大模型测评与测试¶

价值¶

本模块系统讲解大模型及相关 AI 系统的测评与测试方法，帮助学员建立对模型效果与系统质量的量化认知。
通过覆盖文本生成、RAG、多模态与智能体等典型场景，使学员掌握不同 AI 系统的评测指标与评测框架。
课程强调评测数据集构建、结果分析与评测报告输出，提升 AI 系统测试的工程化与规范化能力。
学习完成后，学员将具备独立开展大模型与智能系统测评的能力，为 AI 产品质量评估与安全保障提供技术支撑。

章节¶

章节	描述
大语言模型测评体系	评测数据集管理 大模型评测指标 大模型评测框架
文本生成系统测评	文本模型数据集 文本模型评测指标 文本模型评测框架
RAG 相关系统测评	RAG 评测数据集 评测指标 评测框架
多模态大模型系统测评	图像测评数据集 评测指标 评测框架
智能体系统的测评	智能体测评方法 测评框架 测评报告
Ai 系统安全测评	安全性 鲁棒性 评测框架 评测报告

大模型应用开发¶

掌握大模型开发的基本框架，LangChain LangGraph 等框架，为后续打造自己的智能体夯实基础

L1. 大语言模型开发框架 LangChain¶

章节	描述
大语言模型应用开发框架 LangChain	生态介绍 关键组件 快速应用
LangChain 大模型调用	生成模型 对话模型 提示词 消息列表 输出
LangChain 结构化输出	json pydantic 模型
LangChain 工具调用	function/tool calling 工具定义调用
LangChain 智能体	智能体流程 工具调用 输出解析 多步迭代
LangChain 记忆	短期记忆 长期记忆

L2. RAG 应用开发框架¶

章节	描述
文档加载器	pdf word excel office 文档处理 网页 markdown
文本分割器	html 分割 分割策略
嵌入模型与嵌入搜索	嵌入模型 嵌入检索 topk
向量存储与语义检索体系	向量存储方案 语义检索支持
网页数据检索智能体	网页加载 文档分割 RAG 检索
代码检索智能体	代码读取 代码分割 RAG 检索

L3. 智能体 AI Agent 开发框架¶

章节	描述	标签
AI 智能体开发框架 LangGraph	langgraph 介绍 生态 快速开发 部署
多智能体工作流开发框架 LangGraph	工作流 基于图的 api 功能 api 路由 自主规划 任务协同 路由
复杂智能体开发框架 DeepAgents	上下文管理 文件处理 网络请求 子智能体

L4. AI 应用平台开发框架¶

章节	描述	标签
Web 自动化智能体框架开发	Web 自动化操作 控件树识别 推理
app 自动化智能体框架开发	app 自动化操作 控件树识别 推理
接口自动化智能体框架开发	app 自动化操作 结构化识别 推理

L5. 自动化智能体开发¶

章节	描述	标签
API 开发框架 FastAPI
大模型前端开发框架 Gradio		选学
数据交互应用开发框架 Streamlit		选学
全栈开发框架 Flask		选学
全栈开发框架 Dash		选学
霍格沃兹爱测智能体平台		选学

多模态大模型与 AIGC¶

L1. 多模态大模型¶

章节	描述	标签
语音识别模型	Whisper 模型介绍 编程调用	选学
多模态大模型 qwen-vl	图像识别 位置 分类
文生图大模型	Dall-E Sora 图像生成 图像修改	选学
文生视频大模型	可灵 混元 万相	选学
图生视频大模型		选学

L2. 视觉识别应用¶

章节	描述	标签
视频工作流 comfyui	视觉大模型 节点 工作流
多模态大模型提示词	提示词 风格 角色
图像处理工具 opencv	图像处理 灰度化
视频处理工具 ffmpeg	视觉分析 拆帧 音频处理 视频处理
视频处理工具 moviepy	视频处理 多媒体处理 视频剪切 组合

L3. AIGC 智能体¶

章节	描述	标签
办公自动化智能体	电脑操作	选学
图文文章生成智能体	文生图 图片搜索结合智能体	选学
流程图生成智能体	plantuml 图表生成	选学
短视频生成智能体	moviepy 视频剪辑工具封装	选学

L4. 多模态大模型私有部署¶

章节	描述	标签
文生图大模型	项目介绍 环境 部署 测试	选学
文生视频大模型部署	项目介绍 环境 部署 测试	选学
图生视频大模型部署	项目介绍 环境 部署 测试	选学

L5. AIGC 解决方案¶

章节	描述	标签
VideoLingo 多语言视频翻译系统	外文视频下载 翻译 配音
Dify 视频处理工作流	视频处理 分层处理 合并

视觉与图像识别自动化测试¶

L1.人工智能在音频、视觉、多模态领域的应用¶

章节	描述
ocr 识别模型	ocr 识别原理 常见工具 使用
视觉识别模型 yolo	图像识别 图像分割
transformers 视觉识别应用开发	视觉识别 图形分类 多模态大模型
视觉处理框架 opencv	图像处理 灰度化

L2.视觉识别在自动化测试中的应用¶

章节	描述
基于视觉模型的目标检测技术在自动化测试中的应用	视觉模型、图像目标检测、自动化测试、图片内容断言
基于图片的可视化测试技术在自动化测试中的应用	图像对比、基于图片的功能测试、可视化测试、APP 自动化测试
基于 OCR 识别方法的自动化测试	ocr 识别 调用 自动化集成
Airtest 游戏自动化测试框架	图像识别、游戏测试、POCO

L3.计算机视觉¶

章节	描述
当前 UI 自动化测试技术概览及瓶颈分析	常见 UI 自动化框架工具及技术原理，前端 UI 自动化面临瓶颈点讲解：可测性、维护成本、场景理解、召回能力
基于传统的视觉 CV 处理技术	软件工程视角，解读基于传统视觉算法的 CV 技术，包括边缘检测、霍夫曼直线检测、模版匹配、SIFT 尺度不变特征变换检测、图像金字塔模型
基于机器学习的视觉 CV 处理技术	软件工程视角，解读基于深度卷积神经网络的视觉应用场景，图像聚类、图像去噪、目标检测、图像分割

L4.UI 视觉分析服务¶

章节	描述
UI 页面理解技术介绍	为什么要做基于视觉的页面理解技术？UI 页面结构树逆向解析是解决传统自动化瓶颈的关键技术之一。进一步讲解页面理解技术原理。
UI 页面结构树之逆向解析技术	介绍页面结构树逆向技术的设计思路和关键步骤，基础切分、属性判断、区域划分、结果封装。
UI 页面理解技术之服务化	介绍使用 Python Opencv 搭建 UI 视觉分析程序服务的设计思路，包括服务架构、出入参统一设计，入参多类型、多数量图片下载支持、插件机制等。

L5.UI 和自动化结合的案例实践¶

章节	描述
【可测性】基于无监督深度特征的视觉识别技术	PyTorch 构建模型，实现无监督的模版匹配技术。
【场景理解】视觉场景案例之响应时间分析和弹窗检测	构建响应时间性能测试解决方案，使用 TensorFlow 完成（弹窗截图）目标检测模型和分类模型的应用，模型推理加速技术尝试。
【召回技术】视觉召回技术之有参照 UIDiff 检测技术	兼容机型下的 App 页面的智能视觉 Diff 检查解决方案，在自研数据集下进行验证有效性。
【召回技术】视觉召回技术之无参照模型预测技术	基于历史数据构建数据集，使用 Pytorch 构建异常页面、元素检测模型，实现异常元素的召回及可视化。
【综合案例】基于深度学习的遍历动作推荐实践	基于开源 RICO 数据集，使用 TensorFlow 和 Keras 构建深度学习网络模型，对时序 App 页面截图进行动作推荐预测，实现拟人化的智能遍历。

赠课¶

课程	描述
深度学习应用	神经网络基础与经典模型，聚焦计算机视觉、自然语言处理等领域的深度学习算法
Python 编程语言	从基础语法到高阶应用
Docker 容器技术	镜像、容器核心操作与Docker Compose工具
用户端 Web 自动化测试	基于 Selenium、讲解 Web 端元素定位、用例设计，实现 Web 测试流程自动化提效。

• 点击跳转赠送课程大纲