暂无搜索历史
讨论 AI 编程时,最常见的问题是:它能让开发效率提升多少?是 20%、30%,还是翻倍?
在讨论 AI 编程时,很多人会把问题简化成一句话:AI 会不会替代程序员?这个问题看起来直接,但其实过于粗糙。软件开发不是单一动作,而是一组复杂活动的组合,包括...
在 AI 编程工具刚开始普及时,大多数人的使用方式都很直接:向一个模型提出问题,然后等待它给出答案。比如让它写一个函数、解释一段代码、生成一个测试用例,或者帮忙...
质量工程能否落地,取决于团队是否把抽象理念转换成日常机制。仅仅要求开发人员多写测试,或者在流水线里增加几个检查任务,并不会自动形成质量工程。团队需要同时建设责任...
从传统 QA 转向质量工程,难点通常不在购买一套自动化工具,而在于重新分配责任、改变协作方式,并帮助团队获得新的工程能力。很多组织宣布去 QA 化之后,只是撤销...
API 缓存的核心,是把已经计算过的响应暂存在更靠近请求方的位置。后续出现相同或等价的请求时,系统直接返回缓存副本,无需再次访问数据库、下游服务或执行计算。它带...
软件团队讨论质量工程时,最容易出现的误解,是把它理解成 QA 岗位换了一个更技术化的名字。实际上,质量工程(Quality Engineering,QE)和传统...
有人关心每个人每天发了多少次请求,有人统计代码生成量,也有人开始要求团队把 AI 使用率做成指标。可当我们把视角从单次对话拉长,会发现一个更实际的问题:
Java 方面,虚拟线程在 Java 21(2023 年 9 月)中成为正式特性。JDK 24 通过 JEP 491 修复了一个关键的固定(pinning)问题...
Anthropic 在 2026 年 5 月底给 Claude Code 加了一个新功能:Dynamic Workflows。它还处在 research pre...
过去两年,很多人对 AI 编程的理解还停留在提升编码效率上,比如让 AI 补全一段代码、生成一个函数、解释一个报错、写几个单元测试。这些能力当然有价值,但如果只...
过去使用 AI 编程工具时,很多人的典型场景是这样的:遇到报错,把错误日志贴给 AI;要写函数,把输入输出描述给 AI;要补测试,让 AI 根据现有代码生成几个...
过去提到运维,很多人脑海里浮现的第一个画面,可能不是整洁的监控大屏,也不是自动化平台上的绿色状态,而是深夜突然响起的告警电话、群里不断刷新的故障消息、终端窗口里...
AI 编程工具正在快速进入日常开发流程。现在,开发者可以用自然语言让 AI 生成函数、补全逻辑、解释代码,甚至重构已有模块。过去需要手写的大量样板代码,如今几秒...
软件测试是一个反馈系统,它的价值不是证明自己执行了多少动作,而是帮助团队做出更明智的决策。理解有效反馈、CLEAR 原则和测试层级,能帮助我们重新看待质量、协作...
最近一段时间,我在工作和日常实践中持续使用 AI。刚开始时,我的关注点主要放在模型本身:哪个模型更强,哪个模型写代码更稳,哪个模型推理更准。但用得越多,我越明显...
AI 生成代码会引入一种很隐蔽的风险:代码看起来符合需求,单独运行也没问题,但一放进真实系统,就可能在集成点、边界数据和生产流量里失效。解决这类问题,靠的不是更...
软件测试正在从缺陷检测转向持续保障。到 2026 年,测试的核心价值不再只是发现 Bug,而是帮助组织量化风险、维护可靠性,并判断变更是否值得发布。基于风险的保...
过去两年,AI 辅助测试的讨论大多停留在用 ChatGPT 生成几条测试用例的层面。效果有限,因为聊天式工具只能凭人的文字描述去猜测系统行为,猜错了也无从验证。...
10x 工程师这个说法,最早可以追溯到 1968 年的一项研究。当时有人发现,程序员做同样的任务,效率差距可能非常大。后来也有人指出,这项研究本身并不严谨,但这...
暂未填写学校和专业
暂未填写个人网址