一句话定位:这不是"这个模型安不安全",而是"你用来判断它安不安全的那把尺子,量的是不是它在你系统里的样子"——被测对象是评测结论与生产行为的一致性,不是单次通...
一句话定位:这不是"Agent 能不能写测试",而是"怎么判断 Agent 写的这些测试是不是真测试"——载体是一批被自动生成、自动修复、自动过 CI 的测试 ...
一句话定位:这不是"AI 写的代码好不好",而是"你把门禁写在人身上,门禁会不会被人绕过去"——被测对象是评审环节的拦截能力,不是单次构建结果。同样的验证可迁移...
2026 年 11 月 9 日,VulnCheck 的分析师 Patrick Garrity 基于 Anthropic 自己公开的漏洞台账做了一次清点:3796...
一句话定位:这不是"哪个 Agent 写代码更强",而是"怎么判断一篇自动生成的测试有没有真在检查东西"——载体是一批测试用例,被测对象是"用一份标准答案来验收...
前段时间有位粉丝去参加面试,回来总觉得答得不太好,找到我,想让我帮他复盘一下。题目拿过来一看,里面有几道问题挺典型的,挑几道出来,跟大家分享一下。
一句话定位:这不是"平台稳不稳",而是"暂停—检查—续跑之后,Agent 知不知道哪些步骤已经真的完成"——被测对象是执行轨迹与外部副作用的一致性,不是进度的百...
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。