大模型（LLM）的爆炸式增长显著降低了AI的应用门槛，推动了LLM在软件开发领域的广泛应用，也为软件测试带来了变革与挑战。本书旨在帮助软件测试工程师用LLM提升测试能力，围绕LLM的思维模式、技术和上下文3个核心要素展开。第1部分介绍LLM在测试中的作用及价值，探讨其内部机制与提示词工程概念，分析AI、自动化和测试的关系；第2部分展示测试活动与LLM辅助工具结合的方法，如提升代码质量、增强测试计划能力、创建测试数据、应用于探索性测试等；第3部分阐述上下文对LLM的重要性，介绍添加上下文的技术，如构建RAG框架、微调模型等。　　本书适合掌握一定自动化测试基本概念，具备探索性测试基本经验以及数据管理和相关数据结构中级知识，对YAML格式化和命令行工具有基本了解的质量保证工程师和软件测试工程师，以及希望进一步了解LLM如何帮助生成代码和测试自动化的开发人员阅读。