作者小头像 Lv.7
更多个人资料
7240 成长值
0 关注
16 粉丝
+ 关注 私信

个人介绍

关于我们 霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。 学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

感兴趣或擅长的领域

开发语言、人工智能、测试
个人勋章
TA还没获得勋章~
成长雷达
7240
0
0
0
0

个人资料

个人介绍

关于我们 霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。 学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。

感兴趣或擅长的领域

开发语言、人工智能、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
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？
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：合规...
智能质检
作者小头像 霍格沃兹软件测试开发 2026-10-13 17:33:46
2
0
0
2026-10-13 17:33:46
2
0
0
Agent、MCP、Skill、CLI、Model：老系统接入 AI 的架构与改造路径
随着 AI Agent 进入企业业务系统，越来越多的团队开始面临一个实际问题：如何让 AI 操作企业现有的业务系统，而不必重新开发一套系统？比如，员工通过对话查询年假余额、提交请假申请；研发人员用自然语言检索 PLM 系统中的 BOM 和图纸；测试人员让 Agent 查询缺陷、创建测试任务，或者执行已有的自动化测试脚本。这些需求都涉及 Agent、MCP、Skill、CLI 和 Model，...
作者小头像 霍格沃兹软件测试开发 2026-10-13 17:24:04
4
0
0
2026-10-13 17:24:04
4
0
0
Google把Coding Agent放进长任务评测后，最难验的工作才刚开始
摘要：从一次看似完成的移动端迁移出发，建立规格、运行态、轨迹和回归四类证据。Google Android Developers公布的Android Bench 2.0不是几道小修Bug题：官方任务覆盖新应用、架构迁移、新功能与跨平台转换，其中迁移任务最多涉及294个文件；验证同时检查运行状态、数据库、系统边界、回归、视觉和无障碍，而不是只看能否编译。这个Benchmark正是本文场景的真实源...
作者小头像 霍格沃兹软件测试开发 2026-10-13 17:18:53
2
0
0
2026-10-13 17:18:53
2
0
0
测试数据生成 Skill、Mock Skill、断言 Skill：Agent 测试三件套
上个月，团队里一个做接口自动化的同事跑来找我，表情有点崩溃。“哥，我让AI生成退款接口的测试用例，它给我写了20条。跑完之后我一看，15条假通过。”我问他什么叫假通过。他说：“比如测‘退款金额不正确’，AI的断言是assert resp.status_code == 200。HTTP 200确实返回了，但退款金额根本不对——它压根没校验金额字段。”我说：“你把断言规则写在哪了？”他说：“写在...
作者小头像 霍格沃兹软件测试开发 2026-10-13 16:39:24
2
0
0
2026-10-13 16:39:24
2
0
0
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...
作者小头像 霍格沃兹软件测试开发 2026-10-13 16:11:22
3
0
0
2026-10-13 16:11:22
3
0
0
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、...
作者小头像 霍格沃兹软件测试开发 2026-10-13 15:56:27
4
0
0
2026-10-13 15:56:27
4
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...
作者小头像 霍格沃兹软件测试开发 2026-10-12 16:50:25
11
0
0
2026-10-12 16:50:25
11
0
0
OpenAPI 文档和真实返回不一致怎么办：一个 Python 脚本出矛盾清单
联调第三天，你照着接口文档写完第九条断言，一跑红五处。群里问"这字段怎么没了"，对方回"文档一直这样啊"，带你的那个人说"是不是你断言写太严了"。三种说法谁都没证据——新人第一次做接口测试，多半卡在这一格。红五处不难修，难的是修完还说不清自己改了什么。报错只告诉你哪条断言不满足，不告诉你该改谁。文档、返回、断言各有一份"真相"，把它们并排摊开逐字段核对，这件事我叫它三方对账——本质是契约测试...
OpenAPI Python
作者小头像 霍格沃兹软件测试开发 2026-10-12 16:13:48
13
0
0
2026-10-12 16:13:48
13
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...
作者小头像 霍格沃兹软件测试开发 2026-10-12 15:55:04
10
0
0
2026-10-12 15:55:04
10
0
0
Anthropic 禁止持续虐待 Claude：AI 交互边界正在改变
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 霍格沃兹软件测试开发 2026-10-12 15:32:59
11
0
0
2026-10-12 15:32:59
11
0
0
总条数：1047
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 105

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