在软件工程3.0时代，传统的软件测试正面临着根本性的转型从流程驱动的自动化测试向智能化、认知型的大模型驱动测试演进。本书旨在系统阐述大模型如何重塑软件测试的方法论与实践，帮助测试从业者把握时代机遇，提升专业价值。内容涵盖大模型在软件测试全生命周期中的应用，从理论层面探讨了理论框架与技术基础，从实践层面详细介绍了大模型如何赋能测试需求分析、测试用例设计、自动化脚本生成、非功能测试以及测试管理等核心环节。本书还深入探讨了大模型时代测试知识工程的构建方法以及测试人员的角色转型与能力提升路径，为测试从业者的职业发展提供了前瞻性指导。
本书适合一线测试工程师、测试团队负责人阅读，也可以供开发人员与产品经理、高校师生及研究人员参考。

时代的浪潮总是以惊人的速度推动着技术的变革。回首软件工程的发展历程，我们经历了从手工编码到敏捷开发的变迁，而今天，我们正站在一个全新时代软件工程3.0时代的门槛上，一个由大模型引领的变革正在重塑整个软件产业。
为何要写这本书
2022年11月ChatGPT横空出世，犹如一道闪电照亮了人工智能（Artificial Intelligence，AI）的天空。在短短一年多的时间里，LLM的能力已经从简单的文本生成，发展到能够理解复杂需求、编写代码、分析系统、设计测试方案，甚至能够模拟不同角色进行协作。这一技术革命不仅改变了我们与计算机交互的方式，更深刻地影响着软件开发的每一个环节。
在这场变革中，软件测试领域面临着前所未有的机遇与挑战。传统的测试自动化正在被一种更高级的范式由LLM驱动的智能测试所取代。这不仅仅是工具的升级，更是思维方式和工作流程的根本性转变。
本书正是在这一背景下应运而生的。作为一线实践者，我们亲历了LLM技术在软件测试中的实际应用，见证了它带来的效率提升和质量改进。我们意识到，这一领域急需一本系统性的指导书，需要它解释LLM的技术原理，更重要的是，提供切实可行的应用方法，帮助测试人员在这个新时代找到自己的定位和发展路径。
本书主要内容
本书从软件测试的全生命周期出发，系统性地探讨了LLM在软件测试的各个环节中的应用。全书共分为8章。
软件测试的新时代：探讨软件研发进入软件工程3.0时代的大背景，分析软件测试面临的新机遇与新挑战，为整本书奠定理论基础。
LLM基础：从自然语言处理（Natural Language Processing，NLP）技术演进史开始，深入解析LLM的核心技术，包括Transformer架构、预训练模型、基于领域数据的微调等关键技术。我们特别关注提示工程（Prompt Engineering）和AI智能体（AI Agent）的应用，为测试实践提供技术支撑。
LLM驱动测试需求分析：探讨如何利用LLM理解产品需求、分解测试需求、界定测试范围和挖掘测试风险。同时，介绍如何生成测试项、验收标准和测试计划，提高需求分析的效率和质量。
LLM驱动测试用例生成：详细阐述如何借助LLM理解用户行为、生成测试场景，以及如何基于不同方法和模板生成规范的功能测试用例，也介绍了LLM在性能测试设计中的应用。
LLM驱动测试脚本生成：聚焦自动化测试脚本的生成，内容涵盖单元测试脚本、API测试脚本、Web自动化测试脚本和移动App自动化测试脚本。还探讨了如何利用LLM对测试脚本进行解释、优化和转化。
LLM助力非功能测试：从性能测试结果分析、性能瓶颈识别到安全漏洞检测，再到用户体验测试，全面展示了LLM在非功能测试领域的强大能力。
LLM助力测试管理：介绍如何构建以LLM为核心的测试知识工程，如何实施智能测试流程，以及LLM在软件缺陷管理和测试报告生成中的应用。
LLM时代测试人员的发展：探讨在LLM时代，测试人员将扮演什么角色，什么技能更为重要，以及如何快速成长，为测试人员指明未来的发展方向。
如何阅读本书
本书既面向测试工程师、测试管理者，也适合对软件测试与LLM融合感兴趣的开发人员、产品经理和技术决策者阅读。对于不同背景的读者，有以下阅读建议。
对于初入测试领域的新人：建议从第1章开始，按顺序阅读全书，以建立完整的知识体系。第2章涉及较多技术细节，可以先了解基本概念，待实际应用时再深入学习。
对于有经验的测试工程师：可以重点关注第3章～第6章，这些章的内容与日常测试工作相关，能够帮助测试工程师立即提升工作效率。同时，第8章对职业发展的思考也尤为重要。
对于测试管理者和技术负责人：第1章、第7章和第8章是必读内容，它们涵盖了战略视角和管理实践。其他章可以选择性阅读，以了解技术细节。
对于开发人员和产品经理：可以重点阅读第1章和第3章，了解LLM如何改变需求分析和测试设计的方式，促进跨团队协作。
值得强调的是，本书不仅阐述理论，更注重对实践的指导。每章都包含大量案例供读者参考，我们鼓励读者结合自己的实际工作进行实践，这样才能真正掌握书中的方法和技巧。
致谢
本书的完成离不开众多同人的支持与帮助。首先，我要感谢那些在LLM测试应用领域进行开拓性工作的研究者和实践者，他们丰富的思想和成果为本书提供了参考。特别感谢参与本书案例实践的各位技术专家，他们的实际经验和反馈使本书的内容更加贴近实际需求。
其次，感谢在审稿过程中提供宝贵意见的各位专家学者，他们的专业见解帮助我们不断完善书中的内容。感谢中国计算机学会（China Computer Federation，CCF）出版服务团队和机械工业出版社编辑团队，他们的专业工作使本书得以顺利面世。在此，也要感谢我的家人，感谢他们的理解与陪伴，让我能心无旁骛地投入创作。
最后，我要特别感谢所有读者。正是你们对知识的渴求和对技术的热情，激励着我不断探索和分享。希望本书能够成为你们在LLM驱动软件测试道路上的得力助手，帮助你们在这个充满机遇与挑战的新时代取得更大的成就。
让我们共同拥抱这个变革的时代，重新定义软件测试的价值和边界！
朱少民

同济大学特聘教授、CCF TF软件质量工程SIG主席、CCF杰出演讲者、软件绿色联盟标准评测组组长、QECon大会和AiDD峰会发起人、拥有个人公众号《软件质量报道》。近三十年来一直从事软件工程的教学与研究工作，先后获得多项省、部级科技进步奖，已出版了二十多部著作和4本译作，代表作主要有《软件项目管理》、《全程软件测试》、《敏捷测试：以持续测试促进持续交付》、《软件测试方法和技术》、《软件质量保证与管理》等。曾任思科（中国）软件有限公司QA高级总监、IEEE ICST 2019工业论坛主席、IEEE ICST、QRS等国际学术会议程序委员、《软件学报》审稿人等。

丛书序
前　言
第1章　软件测试的新时代　001
1.1　软件研发进入软件工程3.0时代　002
1.2　软件测试的新机遇　006
1.3　软件测试的新挑战　011
1.4　本章小结　013
1.5　参考文献　014
第2章　LLM基础　016
2.1　LLM的诞生和进化 017
2.1.1　NLP 技术演进　017
2.1.2　谁与GPT争锋　021
2.1.3　ChatGPT的诞生　025
2.2　LLM核心技术　026
2.2.1　Transformer　027
2.2.2　预训练模型　030
2.2.3　基于领域数据的微调　031
2.2.4　指令微调　034
2.3　提示工程　038
2.3.1　提示词撰写原则与策略　038
2.3.2　提示技术　041
2.3.3　思维链　044
2.3.4　提示词应用技巧　047
2.4　让LLM扮演不同角色　049
2.4.1　AI智能体　049
2.4.2　多智能体　052
2.4.3　多智能体框架　056
2.4.4　构建测试专家智能体　058
2.5　本章小结　061
2.6　参考文献　062
第3章　LLM驱动测试需求分析　064
3.1　测试需求分析要点　066
3.2　LLM驱动测试需求分析和计划　069
3.2.1　LLM助力软件需求分析　069
3.2.2　LLM助力测试需求分解　077
3.2.3　LLM助力界定测试范围　077
3.2.4　LLM助力挖掘测试风险与生成应对策略　081
3.3　生成测试项和验收标准　088
3.4　生成测试需求检查表　095
3.5　生成和优化测试计划　099
3.6　本章小结　104
第4章　LLM驱动测试用例生成　106
4.1　测试用例设计要点　107
4.2　测试场景　112
4.2.1　帮助LLM理解用户行为　112
4.2.2　生成测试场景　118
4.2.3　拓展测试场景　125
4.3　功能测试用例生成　128
4.3.1　基于简单的设计方法生成测试用例　128
4.3.2　基于业务流程图生成端到端的测试用例　134
4.3.3　基于模板生成规范的测试用例　138
4.3.4　评审测试用例　142
4.4　LLM助力性能测试设计　144
4.4.1　识别性能需求、风险点和明确性能指标　145
4.4.2　性能测试的详细设计生成 152
4.5　本章小结　161
4.6　参考文献　163
第5章　LLM驱动测试脚本生成　164
5.1　测试脚本要点　165
5.2　利用LLM生成测试脚本　172
5.2.1　单元测试脚本　172
5.2.2　API测试脚本　185
5.2.3　Web自动化测试脚本　195
5.2.4　移动App自动化测试脚本　202
5.3　测试脚本解释与优化　208
5.3.1　可读性优化　209
5.3.2　充分性优化　211
5.3.3　性能优化　217
5.4　测试脚本转化　224
5.5　本章小结　226
5.6　参考文献　227
第6章　LLM助力非功能测试　229
6.1　AI智能体助力性能测试结果分析　230
6.2　LLM助力性能瓶颈分析　244
6.3　LLM助力软件安全漏洞检测　253
6.4　LLM助力安全策略智能推荐　262
6.5　LLM助力用户体验测试　271
6.6　LLM助力性能测试设计与实施　275
6.7　本章小结　292
6.8　参考文献　293
第7章　LLM助力测试管理　294
7.1　为软件测试服务的知识工程　295
7.1.1　数据规划与采集　295
7.1.2　数据处理与知识抽取　300
7.1.3　知识库构建与索引　305
7.1.4　应用层设计与集成　308
7.1.5　评测与优化　312
7.2　智能测试流程实施方案　316
7.2.1　智能测试平台　316
7.2.2　智能测试用例设计与生成　320
7.2.3　智能测试执行与动态调度　322
7.2.4　智能测试结果分析与优化　323
7.3　LLM在软件缺陷管理中的应用　324
7.3.1　LLM在软件缺陷管理中的多维应用　324
7.3.2　面临的挑战与未来发展方向　327
7.4　LLM生成测试报告　328
7.4.1　LLM评估测试过程　329
7.4.2　LLM赋能测试结果分析　330
7.4.3　LLM助力产品质量评估　332
7.4.4　LLM驱动测试报告生成　335
7.5　本章小结　338
第8章　LLM时代测试人员的发展　340
8.1　测试人员未来扮演的角色　341
8.2　未来什么技能对测试人员更重要　343
8.3　批判性思维　347
8.4　如何快速成长　349
8.5　大模型时代测试人员的发展路径　352
8.5.1　学习路径：知识与思维双轨并行　352
8.5.2　实践路径：从应用到创新　353
8.5.3　职业路径：角色转型与价值提升　354
8.6　本章小结　355