全集中軟體測試: ISTQB CT-GenAI測試專家養成攻略

前言 ▌ISTQB Testing with Generative AI (CT-GenAI) 的價值

Chapter 01 ▌GenAI 在軟體測試中的應用導論
1.1 GenAI 基礎與關鍵概念
1.1.1 AI 光譜：符號式AI、傳統機器學習、深度學習與GenAI
1.1.2 GenAI 與大型語言模型的基礎概念
1.1.3 基礎模型、指令微調模型與推理型 LLM
1.1.4 多模態 LLM 與視覺語言模型
1.2 在軟體測試中運用GenAI：核心原則
1.2.1 支援測試任務的關鍵 LLM 能力
1.2.2 AI 聊天機器人與 LLM 驅動之軟體測試應用

Chapter 02 ▌有效軟體測試的提示詞工程
2.1 有效提示詞開發
2.1.1 軟體測試中GenAI 提示的結構
2.1.2 軟體測試的核心提示技術
2.1.3 系統提示詞與使用者提示詞
2.2 將提示工程技術應用於軟體測試任務
2.2.1 運用GenAI進行測試分析
2.2.2 運用GenAI進行測試設計與建置
2.2.3 運用GenAI進行自動化回歸測試
2.2.4 運用GenAI進行測試監督與控制
2.2.5 為軟體測試選擇提示技術
2.3 評估GenAI結果並精煉提示詞
2.3.1 評估GenAI在測試任務中結果的度量指標
2.3.2 提示詞評估與反覆精進的技術

Chapter 03 ▌管理GenAI在軟體測試中的風險
3.1 幻覺、推論誤差與偏誤
3.1.1 GenAI系統中幻覺、推理錯誤與偏誤的定義
3.1.2 LLM輸出中的幻覺、推理錯誤與偏誤
3.1.3 GenAI幻覺、推理錯誤與偏誤的緩解技術
3.1.4 LLM非決定性行為的緩解技術
3.2 GenAI在軟體測試中的資料隱私與資安風險
3.2.1 資料隱私與資訊安全相關風險
3.2.2 資料隱私問題與資訊安全弱點
3.2.3 資訊安全性的因應與緩解策略
3.3 GenAI於軟體測試中的能源消耗與環境影響
3.3.1 能源消耗
3.3.2 環境影響
3.3.3 GenAI能源消耗與環境影響的測試考量
3.4 AI法規、標準與最佳實務框架
3.4.1 法規、標準與最佳實務框架概論
3.4.2 歐盟人工智慧法案
3.4.3 ISO/IEC 42001
3.4.4 ISO/IEC 23053
3.4.5 NIST人工智慧風險管理框架

Chapter 04 ▌以LLM驅動的軟體測試基礎架構
4.1 LLM驅動之測試基礎架構方法
4.1.1 LLM 驅動測試基礎架構的關鍵架構元件與概念
4.1.2 檢索增強生成
4.1.3 LLM驅動代理在自動化測試流程中的角色
4.2 微調與LLMOps
4.2.1 LLM 在測試任務上的微調
4.2.2 在軟體測試中部署與管理 LLM 時的LLMOps

Chapter 05 ▌在測試組織中部署與整合GenAI
5.1 GenAI在軟體測試中的導入實施路徑
5.1.1 影子AI
5.1.2 軟體測試中 GenAI 策略的關鍵考量
5.1.3 為軟體測試任務選擇 LLMs / SLMs
5.1.4 在軟體測試中導入GenAI 的階段
5.2 GenAI導入軟體測試的變革管理
5.2.1 使用GenAI 進行測試所需的關鍵技能與知識
5.2.2 在測試團隊中建立GenAI能力
5.2.3 AI 賦能測試組織的測試流程演進

Chapter 06 ▌章節模擬試題與答案解析
6.1 章節模擬試題
6.1.1 第一章 GenAI在軟體測試中的應用導論
6.1.2 第二章 有效軟體測試的提示詞工程
6.1.3 第三章 管理GenAI在軟體測試中的風險
6.1.4 第四章 以LLM驅動的軟體測試基礎架構
6.1.5 第五章 在測試組織中部署與整合GenAI
6.2 章節模擬試題答案解析
6.2.1 第一章 GenAI在軟體測試中的應用導論
6.2.2 第二章 有效軟體測試的提示詞工程
6.2.3 第三章 管理GenAI在軟體測試中的風險
6.2.4 第四章 以LLM驅動的軟體測試基礎架構
6.2.5 第五章 在測試組織中部署與整合GenAI

Chapter 07 ▌模擬試卷
7.1 模擬考題
7.2 模擬考題解答

Appendix A ▌從標準到現場建立AI 測試治理流程
A.1 附錄閱讀建議
A.2 建立跨職能治理責任
A.3 AI 測試治理成熟度模型

Appendix B ▌案例：GenAI 生成測試案例衝擊評估

Appendix C ▌ISO/IEC 42001 控制措施自我檢核
C.1 38個控制措施
C.2 「AI 政策」自我檢核範例
C.2.1 AI 相關政策（Policies Related to AI）
C.2.2 AI 政策（AI Policy）
C.2.3 查核結果
C.3 「AI 政策」自我檢核填寫範例
C.3.1 AI 相關政策（Policies Related to AI）
C.3.2 AI 政策（AI Policy）
C.3.3 查核結果
C.3.4 改善建議

韓文銘
專注推廣軟體品質與測試教育，常受邀至企業擔任ISTQB國際認證課程講師，教學風格親切易懂，擅長將複雜觀念轉化為一目了然的圖表與案例，幫助學習者真正做到「聽得懂、學得會、用得上」。延續「全集中」教學理念，本書特別為台灣讀者設計，透過清楚易懂的說明，帶領讀者從理解 GenAI、善用GenAI 到掌握風險與治理，同時兼顧實務應用與 ISTQB CT-GenAI 國際認證。

葉承宇
現任科技大廠人工智慧研發資深專家，並兼任大專院校講師及敏捷專業社群理事。長期深耕敏捷開發、軟體品質工程與 AI 輔助流程導入，致力於推動生成式 AI 在軟體工程與測試領域的實務應用。具備ISO/ IEC42001 人工智慧管理系統主導稽核員資格， 現亦於工研院等機構擔任iPAS AI 應用規劃師授課講師，具備豐富的跨領域教學、企業培訓與大型專案實務經驗。