GenAI時代下的測試管理
| 2026 年線下課程 第二梯次 開課時間: 11 月 22 日 (日) (09:00-16:00) 報名網址: https://forms.gle/y7X8ezRHozs1eX3u5 |
業界務實經驗, 多元測試管理知識, 全面測試流程
課程特色
| 業界務實的做法和經驗分享 |
| 分享業界常見的做法提醒業界常遇到的坑 |
| 多元的測試管理知識 + GenAI 協作 |
| 瀑布式 + Agile/DevOps/GenAI 協作 + 測試設計 + 測試團隊 + 測試流程 |
| 如何打造全面測試流程 |
| 不同組織性質有不同測試流程整合不同角色和階段 |
課程簡介
為什麼軟體測試正在成為團隊最難解的問題？
過去 10 年，軟體開發方式從瀑布式 → Agile → CI/CD，交付速度不斷提升，但測試卻沒有以同樣速度升級。
根據多份業界調查顯示：
- 每位開發者產出增加 76%,平均 PR 體積擴大 33%,審查與測試完全跟不上節奏 (Greptile 2025)
- AI 生成程式碼的漏洞密度是人工撰寫的 2.74 倍 (Veracode 2026)
- 96% 的開發者不完全信任 AI 生成碼,70%+ 的 AI 生成碼需要重寫才能上線
- 75% 的技術主管預期 2026 年面臨中度至重度技術債,67% 的開發者回報除錯時間因 AI 而增加
換句話說：
現在真正的問題不是「測試執行不確實」，而是 測試策略沒跟上開發演化。
這門課要解決的不是「怎麼做測試」,而是:在 AI Coding 時代,如何管理測試、設計測試策略、用 AI 放大測試價值,並建立可被信任的品質決策機制。
你將學習到 (Learning Outcomes)
完成這門課後,你會具備以下能力:
1️⃣ 看懂 AI Coding 時代的測試新挑戰
理解測試管理的新挑戰,看清瓶頸如何從「寫程式」轉移到「驗證」與「信任」。
2️⃣ 重新設計符合 AI 時代的測試策略
建立 Shift-Left + Shift-Right 的策略,並用 GenAI 反過來幫你產出測試計畫。
3️⃣ 設計能控制風險的測試案例
從需求 + 模組雙維度設計案例,並用 GenAI 補強的必要欄位。
4️⃣ 重塑 AI 時代的測試執行節奏
透過 QA 左移 + 右移,把 QA 從守門員轉為全程品質設計者。
5️⃣ 掌握 AI 時代的迴歸測試策略
學會 AI 時代四種迴歸策略,並看懂 Meta JIT Tests 與 Launchable 的運作邏輯。
6️⃣ 用對的 Bug 度量做對的決策
從傳統 圖表延伸到 AI 時代的新度量,讓數字真的能支援決策。
7️⃣ 制定可落地的測試自動化策略
看懂測試金字塔判讀、避開 80% 自動化專案變廢鐵的常見陷阱。
適合對象
- 軟體開發人員、測試人員、SRE、DevOps 工程師
- 測試經理、專案經理、系統分析師
- 規劃公司測試制度和流程的人
- 正在或即將導入 AI Coding 工具 (Cursor / Copilot / Claude Code / Lovable / Bolt 等) 的團隊
- 對軟體測試有興趣、想升級測試管理思維者者
課程大綱
第一章 軟體測試基本概念
單元 1 軟體測試管理面臨的挑戰
AI 讓開發產出暴增,QA 突然成了瓶頸——看清測試管理的新挑戰,作為後續解題地圖。
a. 驗證瓶頸全面爆發 — QA 成為新的交付約束
b. AI 程式碼安全危機 — 漏洞密度是人工的 2.74 倍
c. 非決定性系統失效 — 傳統斷言模型崩壞
單元 2 測試管理是什麼
為什麼測試做了 bug 還是漏?把 QA 從「執行單位」升級為「品質服務提供者」。
a. 管理本質 — 軟體測試管理 vs 專案管理
b. 服務文化 — 測試團隊的客戶是開發團隊
c. 重點方向 — 測試管理的核心關注
單元 3 測試管理與開發階段
瀑布、迭代、DevOps、AI Coding 各自的測試重心完全不同,聚焦 AI Coding 帶來的根本性轉變。
a. 傳統對照 — 瀑布與迭代開發的測試活動
b. 測試左移 + 右移 — DevOps 的測試重心
c. AI Coding 轉變 — 作者變了、Bug 型態變了
第二章 軟體測試規劃
單元 1 測試規劃要考慮什麼
「寫了測試計畫也沒人看」——教你寫出小而有用、真的會被讀的一頁式測試計畫。
a. 測試策略六要素 — 目標、方式、環境、度量、風險、工具
b. 規劃配套 — 可追蹤性、時程、資源、變動管理、通過準則
c. 一頁式測試計畫 — 用心智圖收斂
單元 2 AI 開發的測試策略
只測「上線前」已經來不及——建立 AI 時代的七大測試策略,讓 GenAI 反過來幫你產測試計畫。
a. 測試優先 + 靜態分析 — 先寫測試,每次 commit 跑檢查
b. 相依性 + 單元 + 整合 — 防 Slopsquatting、85% 覆蓋門檻、API 契約
c. CI/CD 閘門 + 生產監控 — 沒過就擋住,Canary 上線
第三章 軟體測試設計
單元 1 測試設計的方式
主管問「覆蓋率夠嗎?」答不上來——從雙維度設計,讓覆蓋率變得可解釋。
a. 雙維度設計框架 — 從需求功能 + 程式模組拆解
b. 方法分類 — 黑箱、白箱、靜態、動態
c. AI 時代流程 — AI 草稿 + 人類補漏的協作模式
單元 2 測試個案的內容
AI 產出的測試案例「看起來很多」但無法執行——必要欄位 + 用 GenAI 反過來 review。
a. 個案資訊 — IEEE 829 文件關係、詳細程度、維護時機
b. 用 GenAI 檢視 — 覆蓋率、風險、流程、品質、自動化潛力
c. 工具能力 — Review Queue、PTS、Prompt 管理
第四章 軟體測試執行
單元 1 測試執行前的注意事項
「QA 會被 AI 取代嗎?」不會,但角色一定要轉——建立 QA 左移 + 右移雙向定位。
a. 執行前準備 — Build 管理、環境、進入條件、成員配置
b. QA 左移 — 需求變成可驗證的例子
c. QA 右移 — AI 監督員 + 探索性測試
單元 2 傳統測試執行流程
持續整合、回歸測試大家都聽過——為下一單元建立對照基線。
a. 持續整合 — 每日建構與 BVT
b. 三種測試 — 功能、回歸、探索性
c. 兩階段重心 — 前半深度、後半廣度
單元 3 AI 時代下的 CI 流程改善
一天進 30 個 PR,傳統 BVT 完全擋不住——三件必做事。
a. BVT 測試擴充種類 — 含 AI 易錯邊界與安全檢查
b. Bug fix PR 強制附重現測試 — 永久回歸保護
c. Static Testing 加入 AI 幻覺偵測 — 攔截幻覺 API 與 license 風險
單元 4 迴歸測試策略
全回歸要 8 小時、一天 4 個 release——AI 時代四種策略 + 兩個業界案例。
a. 傳統挑選邏輯 — 全測、有改動、優先順序、組合
b. AI 時代四種策略 — PTS、風險導向、視覺雙層、自主迴圈
x. 業界案例深度解析 — Meta JIT Tests 與 Launchable
單元 5 Bug 追蹤管理
壞的 bug report 浪費的時間比 bug 本身還多——把 bug report 當成推銷工具。
a. Bug Report 內容 — 該有的資訊與好報告的標準
b. 推銷的工具 — 報告代表你本人
c. 關鍵技巧 — Priority vs Severity、不能重現的 bug 怎麼寫
單元 6 AI 時代的 Bug 管理
Bug 成本結構翻轉——最貴的從「修」變成「驗」。
a. Bug 分配 — 派給人還是 AI? 幾個判斷維度
b. 從「修好」到「修對」 — AI 修復要過 4 道關卡
c. L1 ~ L4 分層驗證 — 健檢通過取代測試通過
單元 7 Bug 度量分析
同樣 100 個 bug,有人看出系統弱點,有人只看到數字——關鍵圖表怎麼看。
a. 進度類 — 提交修復分佈圖、累積圖、Aged Bug
b. 品質類 — 與受測模組、注入發現階段、Reopen 統計
c. 效益類 — 被發現方式、與發現者
單元 8 AI 時代的 Bug 度量分析
傳統 Bug 度量分析大多失真——AI 幻覺、prompt 缺漏、Agent 互相覆蓋都不在裡面。
a. AI 表現類 — 修補迴圈次數、修不好的缺陷、修復回歸率
b. 品質定位類 — Bug 攔截率、產碼 vs 缺陷熱區、Agent 缺陷貢獻
c. 根因類 — Spec / Prompt 缺陷率 + 三大基礎建設
第五章 測試自動化
單元 1 測試自動化介紹
80% 的自動化專案變廢鐵——不是工具不好,是策略錯了。
a. 基礎判讀 — 測試 vs 自動化、為何失敗、誰適合自動化
b. 金字塔策略 — 測試金字塔判讀與倒立成因
c.工具選擇 — 多項考量因素與主流工具最佳場景
上課時數
一天課程, 共 6 小時. (上午九點到下午四點, 中間休息一小時)
常見問題 (FAQ)
Q1. 我們公司還沒導入 AI Coding 工具,可以上這門課嗎?
可以,而且現在是最好的時機。這門課大約 60% 的內容是傳統測試管理的核心能力(測試規劃、測試設計、Bug 管理、測試報告、停測標準),這些不論用不用 AI 都是 QA 必備的基本功。另外 40% 是 AI Coding 時代的新策略,提早建立觀念,等公司導入時你就是團隊中唯一準備好的人——而不是被 AI 浪潮推著走。
Q2. 我不會寫測試自動化,可不可以上這門課?
完全可以。這門課的重點是測試管理與策略,不是教你寫自動化程式。即使是「測試自動化」那一章,內容也聚焦在判斷哪些該自動化、為什麼會失敗、選工具怎麼選——這些屬於管理決策,不需要動手寫程式。如果你是 PM、測試經理、SA,或剛接觸測試的工程師,這門課反而能幫你建立「該不該投資自動化」的判斷力。