7月23日，TiD质量竞争力提升计划邀请到了资深软件测试与质量咨询师刘冉。他以“大模型辅助软件测试及未来”为主题，分享探讨大模型在软件测试中的应用现状及未来发展方向。

首先，刘老师对大模型辅助软件测试现状进行了基础解析，从流程角度：从流程角度：分析、设计、开发、测试、维护，为大家讲解了大模型辅助测试的能做的一些工作，并介绍了大模型辅助测试的三种基础模型：基础应用、Co-pilot型应用、自主智能体。

接着，刘老师向大家介绍了大模型预训练与微调和RAG对于辅助软件测试的影响。基础通用大模型需特定训练后微调以适用于特定测试和业务，他指出，其过程成本高且需大模型专家协助，大公司常采用此方式。他接着介绍了RAG—全称为检索增强生成（Retrieval-Augmented Generation），RAG的运作的基本流程和功能，并且RAG在业界有用于商用和开源。

随后，刘老师展示了codefuse-ai/Test-Agent官方针对自身模型和业界其他三个常用开源大模型之间的评测数据，还展示了测试智能体（Test Agent）的架构与能力，TestGPT模型针对测试进行微调，在单元测试上表现优异，但生成测试用例的准确度仍有挑战。大模型生成代码面临准确性、成本等挑战，需通过预训练、微调和测试智能体等方式优化，并考虑成本和准确度之间的平衡。

最后，探讨了大模型辅助软件测试的未来应用场景、在测试领域的应用，包括测试分析、测试执行、测试数据生成等，并强调测试人员能力进阶的必要性。

在结束内容分享后，刘老师针对听众提出的问题进行了解答，使与会者们对于大模型辅助测试的工作有了更深入的了解、更明晰的看法。