入门 AI 测试-基础知识学习清单

AI测试学习路线图：https://vcnrpbjxr1js.feishu.cn/wiki/RXcowNZF8ibUEfkFwMXcSBvJnAc

作为一名在测试领域摸爬滚打15年、现在专注于AI测试落地的大厂测试总监，我想把这条AI赋能测试的系统性学习路径分享给你。

很多刚入门的小伙伴容易感到迷茫，面对爆炸式的AI技术更新，总觉得要学的东西又多又杂，陷入“什么都想学，却不知从何下手”的困境——这太正常了。今天这篇文章，我会结合自己一线实战的趟坑经验，为你梳理出一条清晰、可执行、以解决实际问题、切实提升测试效率为核心目标的学习路线。

文中所涉及的深度内容，大部分在内部知识库中都有现成资料，你可以直接跟随练习。我自己也还在持续学习与迭代，相关技术点会不断补齐。所以，你完全不用焦虑，跟着这条路线，一步步走稳即可。

---

一、整体学习路线：五大模块，逐级解锁

1. AI 基础认知与工具选型（入门必修）

2. MCP 与外部工具连接（让 AI 打通真实业务系统）

3. Skills 封装与复用（将测试经验转化为可复用的智能资产）

4. 工作流搭建（打造自动化、标准化的测试智能体）

5. AI 测试提效应用场景合集（综合实战，融会贯通）

如果你已经用过一些 AI 工具，或对基础概念有所了解，完全可以直接切入第5阶段进行场景化练习。

---

二、分阶段学习说明

第1阶段：AI 基础认知与工具选型

目标：建立核心概念心智模型，选定趁手的主力工具。
涵盖：LLM 原理概览、Prompt Engineering 精要、Agent 思想、MCP 协议等基础认知；主流大模型与测试辅助工具的横向对比与选型指南。
你将在本阶段形成对 AI 测试的正确底层认知，避免在工具选择上浪费大量试错时间。

第2阶段：MCP 与外部工具连接

目标：让 AI 突破自身边界，连接外部系统，实现贴近实战的测试交互。
涵盖：MCP（Model Context Protocol）协议深入理解、客户端/服务端配置方法；打通浏览器、数据库、设计工具、测试框架等典型测试设施的 MCP Server 实战案例。
学完此阶段，你将能够指挥 AI 直接操控真实测试环境，生产力发生质变。

第3阶段：Skills 使用与封装

目标：将高频、关键的测试能力标准化封装为 Skills，实现能力的持续积累与团队复用。
涵盖：Skills 机制解析，安装、使用与开发全流程；重点拆解我自研的系列测试专属 Skills——这些都是从真实业务场景中抽象出来的“最佳实践块”。
掌握这一阶段，你的个人经验将逐步沉淀为组织级的智能资产。

第4阶段：工作流搭建

目标：借助工作流工具，将复杂测试环节编排为稳定、可监控的自动化智能体。
涵盖：基于 Coze、Dify 等主流平台的智能体与工作流设计；多节点串联、条件分支、人机协同回路的搭建范式。
本阶段为进阶可选，可根据实际工作需要选择性攻破，适合希望构建一体化 AI 测试管线的同学。

第5阶段：AI 测试提效应用场景合集（综合练习）

目标：以真实测试场景为引，串联前序所有技能，通过“案例-实战-复盘”闭环，真正内化成肌肉记忆。
内容按难度递进设计，涵盖：高效提示词模板库、MCP 实战场景、Skills 专项应用、Skills+MCP 组合拳等综合项目。
你将在接近生产的环境中反复练习，形成属于自己的 AI 提效方法论。

---

三、学习建议 & 避坑指南

1. 严格遵循阶段顺序，不急不跳。 先构建正确的认知底座，再逐层叠加技能，避免基础不稳导致后期返工。

2. 工具在精不在多。 前期专注掌握1-2个主力工具，吃透其能力边界，远比浅尝辄止学一圈更有价值。

3. 以工作中的真实痛点为锚点。 每学一个技术点，立刻思考如何解决手头的实际问题，做到“学完即用，用完即效”。

4. 保持敏捷迭代意识。 AI 工具更新极快，若教程截图与最新界面略有差异，请以官方最新功能为准；我会持续跟进并更新配套资料，你可以把这份路线图当做活的指引。

5. 相信时间的复利。 不必追求速成，稳扎稳打地跟着这份清单积累，量变会比你想象中更快地引发质变。

---

沿着这条路线走，你获得的将不仅仅是几个零散的 AI 技巧，而是一整套可在团队中推广、可随技术演变持续进化的 AI 测试能力体系。让我们一起，用 AI 重新定义测试效能。