NVIDIA 在 11 月 4 日的技术博客里公开了一个企业助手 Agent 的失败：用户让它起草一封邮件，它起草完直接调用了发送工具。文章给出的判定器只问一件...

一句话定位：这不是"AI 审得好不好"，而是"两个 Agent 互相审，会不会把对方拖死"——被测对象是审查循环能不能收敛，不是某条意见对不对。同样的收敛规则可...

一句话定位：这不是"提交多了好不好"，而是"这些数字统计的还是不是原来那件事"——被测对象是指标的口径与分母，不是数量本身。同样的口径检查可迁移到缺陷率统计、自...

一句话定位：这不是"模型变聪明了没有"，而是"同一份权重换个并行切分，输出会不会飘"——被测对象是训练与推理两条路径的结果是否逐位相同。同样的验证思路可迁移到量...

一句话定位：这不是"它记得多不多"，而是"一条错的东西能活多久、能扩散到多远"——被测对象是记忆的信噪比与传播路径，不是召回率。同样的断言可迁移到知识库检索、多...

2027 届校招的测试岗面试，"AI"已经成了必问项，但考的不是知识量。这篇文章拆三道最常出现的题：会不会用 AI、AI 会不会取代测试、AI 用例生成后测试还...

Hy4 是腾讯混元最新发布的 770B 参数级开源大模型，第一次把视觉理解、Computer Use 与长程 Agent 能力打包进同一个模型，并在多模态推理和...

2026 年 11 月 5 日，Cursor 上线"Build Live Apps"：云 Agent 可以按一句话需求搭出 Web 应用、开 Postgres ...

自愈测试正在从"换选择器"扩展到"改断言、改用例"。2026年11月1日，开源项目 Qwen Code 的发布说明里给自动修复加了一条很值得抄的规则：最多推3次...

一次普通的结账改动评审，新增了一个 pricing.ts，里面是一个 formatMoneyCents()。代码写得干净，带了单元测试，功能也跑通了。问题在于，...

AI 时代，Agent 正在成规模走进产品，客服机器人、编程助手、知识库问答，背后都是 Agent 在替用户干活。Agent 好不好用，光靠人拍脑袋说不清，要想...

我平常在用的 Skill 种类有很多，办公提效、创作类、自动化工作流相关的，零零散散加起来不少，后面有机会再给大家分享。今天单独说一说与AI测试强相关的。

过去一个多月，我干了一件事，开发了一个免费开源的测试开发刷题学习网站。刷题的部分是我把测试开发的面试题梳理了一遍，整理出 10 个专题共 200 题，学习路线、...

在之前发布的SKILL，我们已经能把接口测试的 AI 流水线跑通了，但一直留着一个缺口：登录、加购、下单各自都测得很好，拼到一起却不一定通——单接口全绿，业务照...

在AI赋能自动化测试全流程，前面分享的系列文章中，我们把接口自动化测试的智能化流水线完整跑通了。

摘要：很多校招Agent项目只展示天气、搜索和文件读取。这个项目进一步验证Skill来源、目录白名单、网络权限、人工确认、幂等与版本更新，让“工具调用”从演示功...

同一个大模型，为什么接入不同的工具、提示词和记忆系统后，执行任务的表现可能相差很大？