学习清单
对于一些刚入门、想系统学习的小伙伴，在开始学习 AI 赋能测试场景前，建议先补充一些基础知识。我整理了一份 AI 基础知识学习清单，内容不多，跟着清单走就能快速建立 AI 测试的完整认知，为后续学习 Skills、实战落地打好基础。这份清单会随着大家的学习反馈以及技术更新而持续更新。
核心目标： 掌握「AI 基础认知 + 工具选型与使用」，建立清晰的知识框架，为后续学习 Skills、MCP 实战做铺垫。
第 1 讲：常用 AI 工具介绍
学习重点： 了解主流 AI 测试工具的定位、核心能力、适用场景，知道不同工具分别解决什么问题，如何选择适合自己的工具。
参考文章：
- AI 工具选择（2026-03-05 更新）
- AI 工具选择（知识星球）（2026-01-23 更新）
第 2 讲：AI 测试技术核心概念
学习重点： AI 测试的核心术语（如提示词工程、Agent、MCP、Skills 等）、底层逻辑、行业趋势，建立对 AI 测试的本质认知，避免只停留在「工具使用」层面。
参考内容： 见本站 AI 测试教程中「核心概念 & 工具基础使用」相关文章。
第 3 讲：AI IDE 工具基础使用（任选其一即可）
学习重点： 掌握安装、基础配置、核心功能（新建项目、对话交互、大模型切换、规则配置等），为后续学习 MCP、Skills、开发脚本打基础。
参考文章（二选一）：
- Cursor：Cursor 基础使用教程
- Trae：Trae 基础使用教程
第 4 讲：提示词基础与测试提效简单应用
学习重点： 学会与 AI 高效对话，完成单点提效任务。如通过开发小工具、流程图绘制、用例生成等基础场景，掌握提示词 / 规则编写技巧，并巩固前面所学。
参考教程：
学习建议
- 按顺序学习：先从「路线图 + 核心概念」建立认知，再了解工具定位，最后深入学习一个工具的基础操作，避免碎片化学习。
- 工具聚焦：任选其一深入即可，不必同时学多个；先把一个工具用熟，再按需拓展。
- 结合实战：每学完一个工具，尝试用它解决 1～2 个实际测试问题（如生成简单用例、写一段基础脚本），加深理解。
补充说明
本清单中的基础内容来自知识库，仅作入门铺垫；后续会根据大家的学习反馈，持续优化学习路径和内容。
由于 AI 工具更新迭代较快，部分功能和界面布局可能会有调整，我可能无法第一时间同步最新用法，但核心操作逻辑和使用思路是一致的。建议学习时结合官方文档作为补充参考，我也会在有空时逐步更新教程内容。