AI 協作的系統化測試案例設計實戰

2026 年線下課程第二梯次
開課時間: 5 月 9 日 (台中)(星期六) 09:00-16:00
報名網址: https://forms.gle/tn2aVpHTW7396rQL6

透過動手實作, 刻意反覆練習, 快速建立開立測試個案的能力

課程特色

圖解測試概念，快速掌握核心

軟體測試的術語與方法眾多且複雜，本課程透過清晰易懂的視覺化圖表，精準解析每個測試術語、階段與核心目標。無論您是開發人員、測試人員或產品經理，都能快速掌握實務重點，提升溝通效率與合作默契。

實作導向，與生成式 AI 共創測試案例

課程設計多個實務練習，融合傳統測試方法與生成式 AI（如 ChatGPT），帶您親自設計高品質測試案例，並透過真實專案場景的模擬，提升測試邏輯與實務經驗，協助您將學習成果立即應用於工作中。

深入黑箱測試，輕鬆解決專案需求

系統性介紹黑箱測試方法，包括等價類別、邊界值、配對分析、使用個案、狀態轉移及決策表格等測試技術。透過案例與 AI 工具協作，您將能快速判斷最適合專案需求的測試方法，提升測試效率與覆蓋率。

Generative AI 測試實戰，提升工作效率

課程特別強調生成式 AI 在軟體測試中的應用，從撰寫高效的 Prompt 到利用 AI 快速生成覆蓋正常、邊界與特殊情況的測試個案。深入探討 AI 的限制與優勢，讓您在日常測試工作中善用 AI 工具，提升個人與團隊的生產力。

全方位分析測試方法的時機與差異

透過小組討論及多元實作練習，全面分析與比較各種測試方法的使用時機、優缺點與最佳實務。我們不僅提供工具，更教您如何靈活修正和優化測試策略，確保開發品質並降低專案風險。

課程簡介

AI 已經可以幫你快速寫出測試案例、測試腳本，甚至生出一大堆 coverage 看起來很漂亮的測試程式。但真正的問題是：那些東西真的能信嗎？

這堂課提醒你不要盲目依賴 AI，並且教你怎麼讓 AI 變成助力。

先看懂：AI 為什麼會在測試上出錯

課程一開始會先建立測試與 AI 協作的基本觀念，帶你理解生成式 AI 的特性，以及它為什麼常常在測試場景中出現判斷不完整、上下文不足、邏輯中斷、需求理解偏差等問題。

建立測試思維，而不是只學會下 prompt

課程會重新梳理什麼是軟體測試、測試原則是什麼，以及單元測試、整合測試、系統測試、驗收測試之間的差異。這不是在講教科書，而是在幫你建立一個很關鍵的能力：知道什麼該測、為什麼要測、測試思維是什麼。

接著會提到「提示工程」，讓你知道怎麼用的測試專業知識，把 prompt 從模糊問法，升級成有結構、有品質、有可用性的輸入。

用黑箱測試方法補上 AI 最容易漏掉的地方

課程會帶你掌握常見而實用的黑箱測試設計技巧，包括：

等價類別測試
邊界值測試
Use Case Testing
Pairwise Testing
State Transition Testing
Decision Table Testing

當 AI 幫你大量產生內容的時候，知道這些方法，可以讓你系統性地去檢查，覆蓋是否合理、場景是否完整、風險是否被照顧。

重新思考白箱測試與 coverage 的真實價值

這堂課糾正你白箱測試的觀念，重新理解 coverage、程式結構與測試價值之間的關係。特別是在 AI 可以快速幫你補滿測試程式的今天，課程會帶你面對一個很多團隊不太想正視的問題：100% coverage，真的代表你可以放心嗎？

打造你的提示庫

學會建立可重複使用的「測試專家提示庫」，讓 AI 產出更具備專業深度。離開教室後，你將擁有一套自己的「AI 協作框架」。讓你不是在用 AI 寫測試，而是在用系統化的方法，確保 AI 產出的成果無懈可擊。

適合對象

軟體工程師：希望提升測試能力，增強專案品質的開發者。
測試人員：需要掌握系統化測試方法與生成式 AI 應用的專業人士。
專案經理與測試經理：希望優化團隊測試流程與方法的管理者。
系統分析師：負責確保系統設計符合測試標準的專業人員。
對軟體測試有興趣者：任何想進一步了解測試個案設計的人。
對生成式 AI 感興趣人士：希望在軟體測試領域實務應用生成式 AI 工具。

課程大綱

主題	內容說明
測試與 AI 協作基本觀念簡介	a. 生成式AI 簡介 GenAI 的特性如何影響軟體測試 GenAI 真的擅長軟體測試嗎? b. 軟體測試定義與常見迷思 c. 測試與軟體開發階段的關係
測試個案與提示工程	a. 測試個案的定義哪些資訊需要寫在測試個案中常見測試個案的描述方式測試個案的分類哪些資訊對 GenAI 生成有幫助 b. 提示詞測試人員 = 天生提示工程師結構化提示詞框架八種提示範本演練: 開立測試個案練習 (一) （傳統方法 + ChatGPT）
黑箱測試	a. 黑箱測試的定義 b. 等價分析法 (Equivalence Class Testing) c. 邊界值分析法 (Boundary Value Testing) 演練: 開立測試個案練習 (二)（傳統方法 + ChatGPT） d. 使用個案分析法 (Use case Testing) e. 配對分析法 (Pairwise Testing) f. 狀態轉移分析法 (State Transition Testing) 演練: 開立測試個案練習 (三)（傳統方法 + ChatGPT） g. 決策表格分析法 (Decision Table Testing) 演練: 開立測試個案練習 (四)（傳統方法 + ChatGPT）討論: 比較不同方法使用時機和優缺點
白箱測試	a. 白箱測試的定義 b. 涵蓋度的介紹演練: 利用 AI + 白箱方法生成測試個案 c. Coverage ratio 的幻想 d. 循環複雜度介紹和應用
總合討論	a. 整理今日所學測試方法轉成提示庫 b. 普通範本提示和測試設計提示的比較

上課方式

課程講授 40%
工作坊實作 45%
案例分享 15%

先備知識

了解軟體開發在做些什麼
有課前準備教材可以參考

常見問題

(1) 是否會提供報帳用發票
請在註冊時提供公司抬頭和統編, 上課時會給學員發票

(2) 是否需要攜帶筆電
這門課會用到 GenAI 工具, 因此需要有可以使用 GenAI 工具的筆電, 平板或手機

(3) Product Manager 為什麼需要了解這門課？
a. 強化需求傳遞與驗收準則設計能力
產品經理常因需求不清，導致開發理解偏差或測試驗收困難。透過學習系統化測試案例設計，可以幫助 PM 用更具體的語言與驗收條件溝通需求，降低「做出來不是我要的」風險。
b. 掌握測試思維，提升產品決策品質
PM 若能理解各種黑箱測試方法（如邊界值、等價類別等），在做需求優先排序或功能驗收時，更能預判可能出錯或使用者痛點集中在哪，提升產品設計與驗收的精準度。
c. 善用 GenAI，加速 PM 的需求驗證流程
不需依賴工程師，PM 也能學會如何使用 ChatGPT 協助撰寫測試場景、模擬用例，進行早期驗證與思考，進一步強化 MVP 的實驗力與產品敏捷度。

(4) Developer 為什麼需要了解這門課？
a. 撰寫單元與整合測試更有系統
開發人員不只寫程式，更要確保程式有合理的測試覆蓋。學習如何用邏輯思維拆解測試案例、善用等價類別與邊界條件，可提升測試設計的效率與品質。
b. 與測試與 PM 沟通更流暢，減少返工
理解測試設計的語言與結構，有助於與 QA 團隊或 PM 更有效溝通測試需求、驗收條件與邏輯盲點，大幅減少認知落差帶來的 bug 或改修。
c. 善用生成式 AI，節省測試設計與驗證時間
使用 ChatGPT 等工具協助產生單元測試案例、模擬 API 行為或 UI 邊界測試，不僅可節省時間，也有助於提早發現潛在錯誤，提升開發效率與品質。

課程花絮