课程背景
在数智化转型浪潮下，软件质量保障和智能硬件开发正面临双重挑战：
一方面，敏捷开发和迅速迭代对测试效率提出极限要求，传统自动化测试脚本维护成本高昂，UI变更频繁导致用例失效、测试覆盖率难以拉升，测试队伍深陷“救火”和“重复劳动”的泥潭。另一方面，嵌入式装置智能化诉求激增，但将庞大的AI模型部署到资源受限的MCU上，具体来看，面临算力、内存、功耗的“不可能三角”，工程师在模型选项、压缩、移植和性能调优上举步维艰。
和此同时，国家正大力推进资料资产入表，公司亟需构筑智能化、平台化的质量保障和货品研发架构，以化解政策合规和市场竞争的双重压力。
本课采用“
双轨并行、实战驱动
”的规划推演，精准回应上述两大核心痛点。
第 一天，锁住“AI赋能软件测试”，系统解说从自动化测试基础到AI测试核心技艺，再到测试平台化和CI/CD集成的完整学识链，让参训者掌握利用AI拉升测试效率和质量的“新武器”。第二天，纵深“嵌入式AI工程化落地”，从构筑“云-边-端”协同概念开始，到模型选型、裁剪精进、系统调优，实操中，最终完成一个完整的嵌入式AI项目实战，打通从算法到货品的“最后一公里”
。课程强调“
理论-实例-实战
”三位一体，借助真实公司实例剖析和动手工作坊，确保所学即所用。
参训者完成本课后，
个人将晋升为掌握AI测试和嵌入式AI开发两大前沿技艺的复合型英才
，极大拉升在智能化时代的职业竞争力。
对公司而言，不仅能构筑起高效、智能的自动化测试架构，将测试人员从重复劳动中解放，锁住更高价值的质量打法和隐患拆解；更能掌握将AI模型高效部署到嵌入式装置的核心本领，加速智能硬件货品的革新和上市周期
。最终，借助引入AI驱动的质量工程和智能化货品开发，为公司参与DCMM/CMMM认证、达成资料资产价值化奠定坚实的技艺基础。
课程收益
1.
掌握AI赋能自动化测试的核心办法论和抓手链
，能够独立规划并施行智能测试用例生成、自愈测试和视觉测试方案，拉升测试效率40%以上。
2.
领会主流测试平台化和CI/CD集成最 佳实践
，能够规划和搭建符合公司现况的持续测试流水线，达成测试左移和质量反馈闭环。
3.
构筑嵌入式AI开发的系统性工程思路
，清晰认知从云端训练到边缘部署（TinyML）的全流程差异和要害技艺瓶颈。
4.
学会根据硬件约束“量体裁衣”
，运行层面，掌握模型剪枝、量化、学识蒸馏等等轻量化技艺，能将大模型成功部署到资源受限的嵌入式装置。
5.
获得一套完整的实战抓手包和行动规划
，包括AI测试脚本模板、嵌入式模型精进查验清单、性能调优指南，可直接运用于当前项目。
6.
拉升跨领域技艺整合和破解复杂工程问题的本领
，成为连接软件开发和硬件智能化的要害纽带。
课程大纲
课程导入：我们从哪里来，就一线经验说，到哪里去？
• 破冰游戏：用“找不同”游戏引入“人工查验”和“智能识别”的差异。
• 我们的测试之痛：小组碰头，用便利贴写下当前事务中最头疼的3个测试或者开发问题，就一线经验说，贴上“痛点墙”。
• 课程地图预览：用一张简单的旅行地图，展示两天的研习旅程。
• 学识模块：
◦ 学识点一：AI测试没那么神秘：就像教小孩认东西——何为“图像识别测试”和“智能用例生成”。
◦ 学识点二：主流AI测试抓手“尝鲜会”：迅速演示2-3个国内外主流抓手的“炫酷”功能。
◦ 学识点三：AI测试能做什么、不能做什么？——构筑合理预期。
• 实例故事：
◦ 故事： “一个电商APP的‘购物车’图标变了颜色，运行层面，传统脚本全军覆没，AI测试怎样一眼认出？”
• 小组碰头：我的AI测试助手“入职规划”
◦ 碰头标的：为你的项目小组设想一位AI测试助手，给它起个名字，明晰它第 一周要帮你做的一件具体事情。
◦ 碰头时间：25分钟
◦ 产出要求：画出一张“助手入职海报”，往细里说，包含助手名字、头像、一句口号和第 一项差事。
◦ 展示方式：每组3分钟趣味引见自己的“新同事”。
• 学识模块：
◦ 学识点一：持续集成（CI）就像“流水线质检”：讲清从代码提交到打包的自动化进程。
◦ 学识点二：手把手：用GitHub Actions / GitLab CI 配置一个最简单的“代码查验-打包”流水线。
◦ 学识点三：将自动化测试加入流水线：让每次代码提交都自动跑一遍测试。
• 动手实战：
◦ 实战差事：在导师提供的示例代码库中，换个角度看，配置一条属于自己的CI流水线，并成功运行。
• 小组碰头：规划我们的“质量门禁”
◦ 碰头标的：小组携手，具体来看，具体来看，画出一条从“写代码”到“可发布”的简易流水线图，执行层面，并决定在哪个环节设置必须借助的“查验点”。
◦ 碰头时间：30分钟
◦ 产出要求：画在A1纸上，换个角度看，用不同颜色标出“开发阶段”，“测试阶段”和“质量门禁”。
◦ 展示方式：每组5分钟解说自己的流水线规划。
• 学识模块：
◦ 学识点一：何为嵌入式AI？——给计算器装上“大脑”，让它能识数字。
◦ 学识点二：“云训练”和“端推理”分家记：为何训练在云端，运行在装置端？
◦ 学识点三：给模型“瘦身”两大招：剪枝（像修剪树枝）和量化（将高清图变缩略图）。
• 实例故事：
◦ 故事： “智能音箱是怎样“听懂”你说话的？——一个微型AI模型在芯片里的旅程。”
• 小组碰头：为“智能小夜灯”规划AI功能
◦ 碰头标的：假设要做一个有人靠近自动亮的智能小夜灯，碰头AI模型应该放在云端还是灯里？为何？
◦ 碰头时间：20分钟
◦ 产出要求：给出小组的选项（云端/装置端）和最要害的一个依据。
◦ 展示方式：各组举牌表决，并陈述依据。
• 学识模块：
◦ 学识点一：入门抓手三件套：Python（训练），TensorFlow Lite（转换），开发板（运行）。
◦ 学识点二：端到端流程走一遍：收集图片->训练简单模型->转换模型->部署到板子。
• 动手实战（或者更换为智能体落地实操）：
◦ 实战项目：在导师的渐次带出下，采用预训练的模型，完成“人脸检测”或者“动作识别”模型在ESP32-CAM等等开发板上的部署和运行。
◦ 成功准则：当你在摄像头前做出规定动作时，开发板上的LED灯亮起或者串口输出识别结果。
• 课程收束和行动启航
◦ 我的研习藏宝图：每人画出自己两天的研习收获地图。
◦ 颁发“启航证书”：庆祝每位参训者完成入门之旅。
◦ 填写“531行动规划卡”：5点收获、3个可用的学识点、1件回去后第 一周就要做的事。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|冰洋老师
适合谁听
• 软件开发工程师、测试开发工程师（SDET） • 嵌入式软件开发工程师、硬件工程师 • 技艺经理、项目经理、货品经理（技艺来由） • 对AI在软件测试或者嵌入式领域运用感兴趣的技艺决策者。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。