接口字段改动不会平均影响全部用例。真正危险的是：字段看似只多了一个枚举值，AI却按照旧规则批量维护断言，把“部分退款”仍当成“退款完成”。这篇把接口维护从“改脚...

选型材料还剩最后一页。你上周从厂商发布页截下来的那张图，被贴进了三份评审文档，其中一个数字撑起了整个『为什么选这版模型』的论证。今天临下班你想把同一块区域再截一...

上线评审会开到第二十分钟，卡在同一个问题上：这个智能体到底能不能上线。产品说演示很顺；算法说场景集通过率不错；安全说没报漏洞；运维说回滚预案写好了；业务负责人最...

如果同一种错误反复出现，历史经验没有沉淀，Prompt 和 Skill 修改后也缺少稳定的回归验证，那么 Agent 即使接了再多工具、工作流再复杂，也很难形成...

客服 Agent 收到“这笔订单不要了，帮我退掉”。它最后回复“退款已提交”，用户也看到了退款金额。两小时后财务发现：退款走到了上一笔订单，优惠券却补给了当前订...

研发把一段 AI Coding 补丁交给测试：单测通过、静态检查通过、接口 Mock 也返回 200。合并后，模型服务在启动阶段报错，原因是补丁改了配置读取路径...

这两年，测试工程师接触的大模型，大多都在“写”：写用例、写脚本、写日志总结、写缺陷分析。

Fortify是软件安全测试领域较为主流的一款静态代码扫描工具，Fortify近日发布了最新版本V26.2。虽然在之前的几次更新中，已经新增了一些关于AI技术的...

团队让AI分析失败用例、修改Prompt，再让同一个AI重新评分。报告显示：通过率提高了，问题解决了。

关于Agent Skill介绍，如果还不清楚的，可以看看之前公众号发表的这篇 最近很火爆的Claude Skills到底是个啥？解决什么问题？怎么用！

很多团队说“我们做过几十条 Agent Eval”，实际资产只存在某个平台的网页按钮里：案例是谁写的、标准答案是什么、评分器怎么判、失败时调用了哪些工具，全靠系...

评审会上把质量报告投出来。总监三秒划到最后一行：『所以能不能上？』开发盯着自己模块那三条红，其余一眼不看。测试同行从头核对附录里的分母和区间，眉头越皱越紧。三类...

半年前报告里那句『已验证修复』，今天被人翻出来质疑。你想重跑当时那次回归，却卡在三个问题上：那会儿用的哪个模型版本？prompt 改过没有？随机种子锁没锁？报告...

同一套回归用例，周一早上跑完是 88%，你不放心又跑了一次，变成 94%。周报你贴了 94%——贴 88% 那次，评审会上要被人追问『怎么又掉了』；贴 94% ...

周报里那行『测试效率提升 3 倍』，在会上被总监问了一句：分子是什么，分母是什么？办公室安静了下来。写这行的人并不心虚——他是真觉得，用 AI 辅助之后，写用例...

线上事故复盘会开到第四十分钟，卡在『这块逻辑没测到』这句话上。有人把当期的质量报告翻出来投屏，念出声：『行覆盖率百分之九十多，怎么会没测到？』会议室安静了几秒。...

晚上七点四十分，你把质量报告发进发布审批群。十分钟后，群里有人回了个『收到』，有人回了句『辛苦了』，上线照旧。三天后回滚通知弹进群，有人翻回你那份报告，问了一句...

AI Agent 事故复盘的十维度归因写法：从指令完整性到执行完整性，每维都产出一条可回归用例

「我改完自己试了几个问题，感觉没问题」不算发布记录：给每次 Prompt 上线留一份三段式报告「这个拒答问题是什么时候开始的？」「上周订单确认率变好，是谁改了什...

摘要：NVIDIA公布了Blackwell机密计算环境下的推理对照实验。本文不复述性能数字，而是拆解测试团队如何复现实验、识别不可外推的边界，并把吞吐、TPOT...