توسعه عاملهای هوش مصنوعی و سیستم چندعاملی برای تمرین QA
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تسلط به تکنیکهای مهندسی پرامپت مانند استدلال زنجیرهای تفکر، تخصیص نقش و مثالهای Few-Shot برای طراحی پرامپتهای مؤثر برای عاملهای هوش مصنوعی QA
- ساخت عاملهای QA هوشمند با استفاده از LangChain و LLMها که میتوانند بهطور خودکار تست کیس های BDD را از user storyهای Jira با انسان-در-حلقه تولید و بهبود بخشند.
- پیادهسازی پایپ لاین های Retrieval-Augmented Generation (RAG) برای افزایش عاملهای QA با درک زمینهای با استفاده از تعبیه ها، قطعه بندی و پایگاههای داده برداری
- توسعه و هماهنگسازی سیستمهای QA چندعاملی با استفاده از LangGraph، که در آن یک عامل مدیر QA تسک ها را بین یک عامل QA و یک عامل اتوماسیون QA توزیع میکند.
- یکپارچهسازی اتوماسیون تست هوش مصنوعی محور با اتصال ابزارهای LangChain به WebdriverIO برای اجرا و اعتبارسنجی خودکار تستهای مرورگر ابتدا تا انتها
پیشنیازهای دوره
- درک اولیه از فرآیندهای تست نرمافزار یا QA مفید است اما اجباری نیست.
- آشنایی با برنامهنویسی Python (سطح مبتدی) دنبال کردن دوره را آسانتر میکند.
- علاقه به هوش مصنوعی، اتوماسیون یا سیستمهای مبتنی بر LLM تجربه یادگیری شما را بهبود میبخشد.
توضیحات دوره
آینده تست QA هوشمند است - با نیروی عاملهای هوش مصنوعی که میتوانند بهطور خودکار فکر کنند، تحلیل کنند و تستها را اجرا کنند.
در این دوره، «توسعه عاملهای هوش مصنوعی و سیستم چندعاملی برای تمرین QA با استفاده از LangChain، LangGraph و LLMها»، شما یاد خواهید گرفت که چگونه گردشکارهای QA هوش مصنوعی محور را از ابتدا طراحی، بسازید و مستقر کنید.
شما با تسلط به اصول LangChain، درک مهندسی پرامپت و تولید تقویتشده با بازیابی (RAG) برای دادن استدلال و حافظه به عاملهای خود شروع خواهید کرد. سپس، عاملهای QA هوش مصنوعی واقعی خواهید ساخت که میتوانند:
تولید مستقیم تست کیس های BDD از user storyهای Jira
اجرای تستهای مرورگر ابتدا تا انتها با استفاده از WebdriverIO
یکپارچهسازی اعتبارسنجی انسان-در-حلقه برای کیفیت و کنترل در نهایت، شما یک سیستم چندعاملی مبتنی بر LangGraph ایجاد خواهید کرد، که در آن چندین عامل هوش مصنوعی - تحلیلگر نیازمندیها، تولیدکننده تست کیس و عامل اتوماسیون تست- تحت یک عامل ناظر با هم کار میکنند تا یک فرآیند کامل QA را بهطور خودکار هماهنگ کنند.
چرا این دوره اهمیت دارد؟
اسکریپتهای اتوماسیون سنتی ایستا و تکراری هستند. با عاملهای هوش مصنوعی، گردشکار QA شما پویا، تطبیقی و بهطور مداوم در حال بهبود میشود - باعث انتشار سریعتر، پوشش تست هوشمندتر و کاهش مداخله دستی میشود.
این دوره برای چه کسانی است؟
مهندسان QA و SDETها که به دنبال ارتقای مهارت به اتوماسیون هوش مصنوعی هستند.
مدیران QA که در حال بررسی گردشکارهای تست هوشمند هستند.
توسعهدهندگان، معماران تست و هر کسی که در مورد استفاده از LLMها و LangChain در سیستمهای QA واقعی کنجکاو است.
در پایان این دوره، شما نه تنها از هوش مصنوعی استفاده خواهید کرد - بلکه قادر خواهید بود سیستمهای QA مجهز به هوش مصنوعی بسازید که چگونگی انجام تست را متحول میکند.
این دوره برای چه کسانی مناسب است؟
- مهندسان QA
- SDET
- توسعهدهندگان
- مهندسان اتوماسیون هوش مصنوعی
توسعه عاملهای هوش مصنوعی و سیستم چندعاملی برای تمرین QA
-
مقدمهای بر LangChain 07:55
-
مقدمهای بر عاملهای هوش مصنوعی برای فرآیند QA 08:30
-
ساختار دوره 04:36
-
مدلهای LLM و قالب پرامپت 04:53
-
زنجیرهها در LangChain 04:42
-
ابزارها و عاملها در LangChain 05:19
-
حافظه در LangChain 02:54
-
نصب Python و راهاندازی محیط مجازی Python 02:36
-
راهاندازی Jupyter Notebook برای توسعه عامل هوش مصنوعی 03:59
-
راهاندازی کلیدهای API OpenAI 03:34
-
راهاندازی LLM محلی با Ollama 05:45
-
مهندسی پرامپت چیست؟ 02:49
-
درک زنجیره تفکر و تخصیص نقش 02:37
-
درک مثالهای چند-نمونه و ReAct 03:33
-
دموی عملی: نوشتن پرامپت برای تولید سناریوهای تست BDD 04:52
-
Retrieval-Augmented Generation (RAG) چیست؟ 02:29
-
درک قطعه بندی و تعبیه ها 05:34
-
درک پایگاه داده برداری 03:06
-
دموی عملی: ساخت یک عامل RAG QA 03:43
-
دریافت جزئیات Story جیرا به عنوان ورودی 06:37
-
آمادهسازی و تکهتکهکردن داده 02:51
-
ایجاد فروشگاه برداری با تعبیه ها 06:03
-
ساخت عامل تولید تست کیس BDD 16:54
-
افزودن انسان-در-حلقه و بازبینی نهایی 12:01
-
مقدمهای بر عامل هوش مصنوعی اتوماسیون تست WebdriverIO 04:44
-
ساخت سرور محلی WebdriverIO 06:07
-
تعریف ابزارهای LangChain برای عملیات WebdriverIO 05:41
-
ساخت و اجرای عامل هوش مصنوعی اتوماسیون تست WebdriverIO 17:48
-
مقدمهای بر سیستمهای QA هوش مصنوعی چندعاملی 11:08
-
عامل تولید تست کیس - ایجاد سناریوهای BDD 04:42
-
عامل اتوماسیون تست - اجرای تستهای مرورگر 04:04
-
عامل ناظر - هماهنگسازی گردش کار 08:43
مشخصات آموزش
توسعه عاملهای هوش مصنوعی و سیستم چندعاملی برای تمرین QA
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:32
- مدت زمان :03:10:49
- حجم :1.35GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy