作者小头像 Lv.7
更多个人资料
9230 成长值
0 关注
24 粉丝
+ 关注 私信

个人介绍

霍格沃兹测试开发学社，隶属于测吧（北京）科技有限公司，是一个专注软件测试、自动化测试、人工智能测试与测试开发的技术交流社区，并参与高校测试实训、火焰杯赛事及工程化人才培养。

感兴趣或擅长的领域

人工智能、DevOps、软件开发、区块链、测试
个人勋章
TA还没获得勋章~
成长雷达
9230
0
0
0
0

个人资料

个人介绍

霍格沃兹测试开发学社，隶属于测吧（北京）科技有限公司，是一个专注软件测试、自动化测试、人工智能测试与测试开发的技术交流社区，并参与高校测试实训、火焰杯赛事及工程化人才培养。

感兴趣或擅长的领域

人工智能、DevOps、软件开发、区块链、测试

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
微软 Agent 评测指南里，藏着一条让测试少背一次锅的结论
摘要：从代码可运行但选错SDK与认证模式的现场，建立可辩护的Agent Experience评测。Microsoft在10月9日发布AX Practitioner Playbook时直接写到：Coding Agent生成的代码可能看起来合理、甚至能够编译，仔细检查却会发现错误的SDK版本、已弃用的认证模式，或产品团队并不推荐的配置。微软说明，这套方法来自数百次Agent会话，以及Azure、...
API/SDK
作者小头像 霍格沃兹测试开发学社 2026-10-13 15:28:21
5
0
0
2026-10-13 15:28:21
5
0
0
提示词自我迭代进化：从静态 Prompt 到可进化系统
一、为什么要做提示词自我迭代？在 AI+测试场景中，提示词往往要承担用例生成、脚本辅助、日志分析、缺陷总结等任务。单条静态提示词很容易遇到问题：输出不稳定，同一类任务结果波动大；约束容易遗漏，模型自由发挥；上下文不足，模型理解偏差；输出格式不统一，后续难以自动化处理；任务一复杂，提示词就“带不动”。因此，提示词不能只靠手写，而应该像代码一样被训练、评估和迭代。课堂中提到的“自我迭代进化”，本...
5G教育 机器学习
作者小头像 霍格沃兹测试开发学社 2026-10-13 15:25:15
7
0
0
2026-10-13 15:25:15
7
0
0
Jev火了之后，AI质检开始只输出概率：这种模型到底该怎么测？
摘要：从近期决策模型Jev切入，拆解“只输出概率”的AI质检器为什么仍会产生高置信误判，并给出数据集、阈值、校准、漂移和CI门禁的完整测试方法。客服回复了一句：“已经帮您申请退款，预计三个工作日到账。”AI质检器返回：合规概率0.94。流水线据此放行，第二天业务才发现，这个订单根本不满足退款条件，客服也没有真正发起退款这类问题和聊天机器人答错不一样。决策模型不负责写一段漂亮答案，它只做判断：...
智能质检
作者小头像 霍格沃兹测试开发学社 2026-10-13 14:10:41
7
0
0
2026-10-13 14:10:41
7
0
0
应届生第一个 Playwright 小项目：跑 100 次量出 flaky 率，产出物直接进作品集
聊到 UI 自动化，对面问了句很轻的话：你写的那些用例，怎么知道它稳不稳？你张嘴就是"跑了一遍，全绿"。追问跟着就到："跑了几次？有没有重试？重试才过的占多少？"三个问句，一个都接不上。因为绿是一个瞬间的状态，稳是一段分布上的概率——手里没有跑过 N 次的记录，这题就没法答，只能重复那句"我这边跑是绿的"。这不是抬杠，是这轮工具演进下新人最该补的一块。据第三方发布追踪（gitwatchman...
自动化测试
作者小头像 霍格沃兹测试开发学社 2026-10-13 14:05:52
8
0
0
2026-10-13 14:05:52
8
0
0
策略型 Agent 评测：基于 Auto Rubrics 的业务效果验证与质量闭环
AI Agent 逐步进入真实业务系统之后，软件测试面临的问题也在发生变化。过去测试一个接口，通常只需要判断返回结果是否符合预期。但测试一个能够自主分析数据、调用工具、生成业务策略的 Agent，情况就复杂得多。例如，一个电商运营 Agent 根据商品历史销量、广告预算、转化率和营销规则，自动生成下一阶段的推广策略。接口调用成功，输出格式正确，预算也没有超出限制，甚至 LLM-as-Judg...
机器学习 自动化测试
作者小头像 霍格沃兹测试开发学社 2026-10-13 13:25:37
11
0
0
2026-10-13 13:25:37
11
0
0
微软拆解 Spec-Driven Development：AI 生成代码后，测试为何丢失原有验收标准
微软在扩展GitHub Spec Kit的公开文章中，把Spec-Driven Development描述为一条从需求、设计、任务到代码和测试的可追踪制品链，并用preset、extension、bundle与workflow承载组织规则和人工检查点。公开材料证明了“规格贯穿AI研发流程”这件事，但并不等于规格天然正确。为了把这个风险变成测试任务，可以构造一个优惠券需求：“新用户首单满100...
作者小头像 霍格沃兹测试开发学社 2026-10-13 13:21:13
8
0
0
2026-10-13 13:21:13
8
0
0
淘宝 AI 购物助手：基于 LLM-as-a-Judge 的在线评测与质量归因实践
导读AI Agent 上线后，如何持续判断每一次工具调用、业务路由和生成回复是否正确？淘宝技术在 AI 购物助手的购后服务场景中，建设了一套基于 LLM-as-a-Judge 的在线自动评测体系，通过生产会话清洗、分布式批量推理、六层 Rubric 评测标准以及人工校准机制，实现多业务域的日级质量监控。本文围绕这套方案的工程实现、评测可信度、典型故障归因和实践边界展开分析。一、AI Agen...
NAT 智慧物流
作者小头像 霍格沃兹测试开发学社 2026-10-13 13:16:55
8
0
0
2026-10-13 13:16:55
8
0
0
评估和观测，正在并成一张账：先接住上线前后这条闭环
上线前，评估报告说『可以发』；上线后，观测看板说『在往下漂』。同一套系统、同一批指标，两份报告却出自两个团队、两套字段命名，谁也说不清当初按什么判的『过』、上线后又按什么算的『漂』。这不是谁疏忽，是结构问题：判『过没过』和判『跑得好不好』，本该是同一套证据、同一个口径，却被拆成了两张皮。而把这两张皮并成一张账，最近正好有一件行业大事在给它背书。官方事实：一家观测厂商，把评测厂商买进了自己家据...
作者小头像 霍格沃兹测试开发学社 2026-10-13 13:13:22
8
0
0
2026-10-13 13:13:22
8
0
0
Agent Skills + Playwright：打造会自己写 UI 自动化脚本的智能体
上个月，团队里一个做了4年UI自动化的同事找我吐槽。他维护着800多条Playwright用例，那天早上打开报告一看——237条失败了。原因很简单：开发推了一次“不影响功能”的提交，把一批按钮的data-testid统一了命名规范。他改定位器改到凌晨，第二天跟我说了一句话：“脚本写了这么多，为什么还是这么脆弱？”我说：“因为你的定位规范、等待策略、踩过的坑，全部锁死在硬编码的代码里。AI读不...
自动化测试
作者小头像 霍格沃兹测试开发学社 2026-10-13 13:08:25
10
0
0
2026-10-13 13:08:25
10
0
0
Anthropic 禁止持续虐待 Claude：AI 交互边界正在改变
导读Anthropic 在新版使用政策中禁止用户持续、无必要地虐待 Claude。相关机制并非首次出现：2025 年，Claude 就已能在极少数恶意互动中主动结束对话。随着 AI 从聊天助手转向执行复杂任务的 Agent，这次更新也带出了一个工程问题：系统何时可以中止交互，如何避免误判，又怎样处理被中断的任务？写代码的时候，Claude Code 连续几次改错，你忍不住骂一句：“这都改不好...
作者小头像 霍格沃兹测试开发学社 2026-10-13 12:57:57
7
0
0
2026-10-13 12:57:57
7
0
0
总条数：1009
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 101

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注