考点数量统计全考纲总考点数量38个 | 按认知层级K110个、K223个、K35个第1章 软件测试生成式AI导论考点数量7K1记住1.1.1 回顾不同类型的AI符号AI、经典机器学习、深度学习和生成式AIK2理解1.1.2 讲解生成式AI与大型语言模型的基础知识1.1.3 区分基础型、指令调优型与推理型大语言模型1.1.4 总结多模态大语言模型与视觉-语言模型的基本原理1.2.1 举例说明测试任务中关键的LLM能力1.2.2 比较使用GenAI进行软件测试时的交互模型对应实践目标HOHO-1.1.2H1在使用大语言模型进行软件测试任务时实践分词与词元计数评估HO-1.1.4H1编写并执行一个多模态大语言模型的提示同时使用文本和图像输入完成软件测试任务第2章 有效软件测试的提示工程考点数量10K2理解2.1.1 列举生成式AI在软件测试中使用的提示结构示例2.1.2 区分软件测试中核心提示技术2.1.3 区分系统提示与用户提示2.3.1 理解评估生成式AI在测试任务中结果的指标2.3.2 列举用于评估和迭代优化提示的技术示例K3应用2.2.1 将生成式AI应用于测试分析任务2.2.2 将生成式AI应用于测试设计与测试实施任务2.2.3 将生成式AI应用于自动化回归测试2.2.4 应用生成式AI于测试监控与测试控制任务2.2.5 针对特定情境和测试任务选择并应用适宜的提示技巧对应实践目标HOHO-2.1.1H0观察若干给定的软件测试任务提示识别每个任务中提示的六大组成部分HO-2.1.2aH0观察应用于软件测试任务的提示链、少样本提示及元提示的演示HO-2.1.2bH1识别给定示例中使用的提示工程技术HO-2.2.1aH2基于GUI线框图的多模态提示练习以生成用户故事的验收标准HO-2.2.1bH2通过实践提示链和人工验证逐步分析给定的用户故事并优化验收标准HO-2.2.2aH2运用提示链、结构化提示与元提示技术从用户故事中实践功能测试用例生成HO-2.2.2bH2采用少样本提示技术从用户故事中生成Gherkin风格的测试条件与测试用例HO-2.2.2cH2采用提示链式方法对给定测试套件中的测试用例进行优先级排序HO-2.2.3aH2通过少量示例练习掌握关键词驱动测试脚本的创建与管理HO-2.2.3bH2测试报告分析的结构化提示工程实践HO-2.2.4H0观察生成式AI从测试数据中生成的测试监控指标HO-2.2.5H1针对特定测试任务选择并应用情境适宜的提示技术HO-2.3.1H0观察如何利用指标评估生成式AI在测试任务中的表现HO-2.3.2H1评估并优化特定测试任务的提示语第3章 软件测试中生成式AI的风险管理考点数量9K1记住3.1.1 回顾生成式AI系统中幻觉、推理错误与偏见的定义3.1.4 回顾用于缓解大语言模型非确定性行为的技术3.4.1 回顾与软件测试中生成式AI相关的AI法规、标准及最佳实践框架示例K2理解3.1.3 总结软件测试任务中GenAI幻觉、推理错误及偏倚的缓解技术3.2.1 阐述软件测试中使用生成式人工智能所涉及的关键数据隐私与安全风险3.2.2 列举软件测试中使用生成式AI时的数据隐私与安全漏洞实例3.2.3 总结保护数据隐私与增强软件测试生成式AI安全性的缓解策略3.3.1 阐释任务特征与模型使用对生成式人工智能在软件测试中能耗的影响K3应用3.1.2 识别大语言模型输出中的幻觉、推理错误与偏见对应实践目标HOHO-3.1.2aH1GenAI测试中的幻觉实验HO-3.1.2bH1GenAI测试中的推理错误实验HO-3.2.3H0识别特定生成式AI测试案例中的数据隐私与安全风险HO-3.3.1H1使用模拟器计算给定测试任务的能耗和CO₂排放量第4章 LLM驱动的软件测试基础设施考点数量5K2理解4.1.1 说明基于LLM的测试基础设施的关键架构组件与核心概念4.1.2 总结检索增强生成RAG的原理与流程4.1.3 阐释基于LLM的智能体在自动化测试流程中的作用与应用4.2.1 阐释针对特定测试任务的语言模型微调的方法与要点4.2.2 说明LLMOps及其在测试任务中部署和管理LLM的作用对应实践目标HOHO-4.1.2H1针对特定测试任务的检索增强生成实验HO-4.1.3H0观察基于大语言模型的智能体如何协助自动化重复性测试任务HO-4.2.1H0观察给定测试任务与语言模型的微调过程示例第5章 在测试机构部署与整合生成式AI考点数量7K1记住5.1.1 回顾影子AI的风险5.1.4 回顾测试机构采用生成式人工智能的关键阶段5.2.2 回顾测试团队培养AI技能的策略以支持生成式AI在测试活动中的应用5.2.3 识别组织采用生成式AI时测试流程与职责的转移K2理解5.1.2 阐明制定软件测试生成式AI策略时需考量的核心要素5.1.3 总结特定情境下选择LLMs/SLMs进行软件测试任务的关键标准5.2.1 阐明测试人员在测试流程中有效运用生成式人工智能所需的核心技能与知识领域对应实践目标HOHO-5.1.3H1估算使用生成式人工智能进行特定测试任务的周期性成本认知层级实践目标说明K1记住/识别术语、概念核心为“能回忆、能区分”K2理解/解释/总结/比较核心为“能关联、能分析、能阐述”K3应用/落地/解决问题核心为“能实操、能选择、能落地到具体测试任务”H0观察演示/案例无需自主操作H1指导性/识别性练习按步骤执行或识别方法H2带提示的实操练习独立完成复杂测试任务实操。
ISTQB CT-GenAI v1.0分认知等级背诵手册
考点数量统计全考纲总考点数量38个 | 按认知层级K110个、K223个、K35个第1章 软件测试生成式AI导论考点数量7K1记住1.1.1 回顾不同类型的AI符号AI、经典机器学习、深度学习和生成式AIK2理解1.1.2 讲解生成式AI与大型语言模型的基础知识1.1.3 区分基础型、指令调优型与推理型大语言模型1.1.4 总结多模态大语言模型与视觉-语言模型的基本原理1.2.1 举例说明测试任务中关键的LLM能力1.2.2 比较使用GenAI进行软件测试时的交互模型对应实践目标HOHO-1.1.2H1在使用大语言模型进行软件测试任务时实践分词与词元计数评估HO-1.1.4H1编写并执行一个多模态大语言模型的提示同时使用文本和图像输入完成软件测试任务第2章 有效软件测试的提示工程考点数量10K2理解2.1.1 列举生成式AI在软件测试中使用的提示结构示例2.1.2 区分软件测试中核心提示技术2.1.3 区分系统提示与用户提示2.3.1 理解评估生成式AI在测试任务中结果的指标2.3.2 列举用于评估和迭代优化提示的技术示例K3应用2.2.1 将生成式AI应用于测试分析任务2.2.2 将生成式AI应用于测试设计与测试实施任务2.2.3 将生成式AI应用于自动化回归测试2.2.4 应用生成式AI于测试监控与测试控制任务2.2.5 针对特定情境和测试任务选择并应用适宜的提示技巧对应实践目标HOHO-2.1.1H0观察若干给定的软件测试任务提示识别每个任务中提示的六大组成部分HO-2.1.2aH0观察应用于软件测试任务的提示链、少样本提示及元提示的演示HO-2.1.2bH1识别给定示例中使用的提示工程技术HO-2.2.1aH2基于GUI线框图的多模态提示练习以生成用户故事的验收标准HO-2.2.1bH2通过实践提示链和人工验证逐步分析给定的用户故事并优化验收标准HO-2.2.2aH2运用提示链、结构化提示与元提示技术从用户故事中实践功能测试用例生成HO-2.2.2bH2采用少样本提示技术从用户故事中生成Gherkin风格的测试条件与测试用例HO-2.2.2cH2采用提示链式方法对给定测试套件中的测试用例进行优先级排序HO-2.2.3aH2通过少量示例练习掌握关键词驱动测试脚本的创建与管理HO-2.2.3bH2测试报告分析的结构化提示工程实践HO-2.2.4H0观察生成式AI从测试数据中生成的测试监控指标HO-2.2.5H1针对特定测试任务选择并应用情境适宜的提示技术HO-2.3.1H0观察如何利用指标评估生成式AI在测试任务中的表现HO-2.3.2H1评估并优化特定测试任务的提示语第3章 软件测试中生成式AI的风险管理考点数量9K1记住3.1.1 回顾生成式AI系统中幻觉、推理错误与偏见的定义3.1.4 回顾用于缓解大语言模型非确定性行为的技术3.4.1 回顾与软件测试中生成式AI相关的AI法规、标准及最佳实践框架示例K2理解3.1.3 总结软件测试任务中GenAI幻觉、推理错误及偏倚的缓解技术3.2.1 阐述软件测试中使用生成式人工智能所涉及的关键数据隐私与安全风险3.2.2 列举软件测试中使用生成式AI时的数据隐私与安全漏洞实例3.2.3 总结保护数据隐私与增强软件测试生成式AI安全性的缓解策略3.3.1 阐释任务特征与模型使用对生成式人工智能在软件测试中能耗的影响K3应用3.1.2 识别大语言模型输出中的幻觉、推理错误与偏见对应实践目标HOHO-3.1.2aH1GenAI测试中的幻觉实验HO-3.1.2bH1GenAI测试中的推理错误实验HO-3.2.3H0识别特定生成式AI测试案例中的数据隐私与安全风险HO-3.3.1H1使用模拟器计算给定测试任务的能耗和CO₂排放量第4章 LLM驱动的软件测试基础设施考点数量5K2理解4.1.1 说明基于LLM的测试基础设施的关键架构组件与核心概念4.1.2 总结检索增强生成RAG的原理与流程4.1.3 阐释基于LLM的智能体在自动化测试流程中的作用与应用4.2.1 阐释针对特定测试任务的语言模型微调的方法与要点4.2.2 说明LLMOps及其在测试任务中部署和管理LLM的作用对应实践目标HOHO-4.1.2H1针对特定测试任务的检索增强生成实验HO-4.1.3H0观察基于大语言模型的智能体如何协助自动化重复性测试任务HO-4.2.1H0观察给定测试任务与语言模型的微调过程示例第5章 在测试机构部署与整合生成式AI考点数量7K1记住5.1.1 回顾影子AI的风险5.1.4 回顾测试机构采用生成式人工智能的关键阶段5.2.2 回顾测试团队培养AI技能的策略以支持生成式AI在测试活动中的应用5.2.3 识别组织采用生成式AI时测试流程与职责的转移K2理解5.1.2 阐明制定软件测试生成式AI策略时需考量的核心要素5.1.3 总结特定情境下选择LLMs/SLMs进行软件测试任务的关键标准5.2.1 阐明测试人员在测试流程中有效运用生成式人工智能所需的核心技能与知识领域对应实践目标HOHO-5.1.3H1估算使用生成式人工智能进行特定测试任务的周期性成本认知层级实践目标说明K1记住/识别术语、概念核心为“能回忆、能区分”K2理解/解释/总结/比较核心为“能关联、能分析、能阐述”K3应用/落地/解决问题核心为“能实操、能选择、能落地到具体测试任务”H0观察演示/案例无需自主操作H1指导性/识别性练习按步骤执行或识别方法H2带提示的实操练习独立完成复杂测试任务实操。
