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...

腾讯 Hy4 在第三方智能指数拿到 35 分、位居国内实验室第二，同时在 AA-Omniscience 上准确率 50%、幻觉率 89%——也就是说，它不知道答...

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 ...

半年之前，AI 漫剧还是创业圈最性感的叙事；半年之后，它成了一门几乎全员亏损的生意。问题出在哪儿？不是 AI 不行，而是一个更古老的经济学的坑。

摘要： 现在不少测试工程师已经习惯用 AI 辅助编写自动化脚本、生成测试用例，甚至搭建测试框架。但到了技术面试，面对“这段代码是你写的还是 AI 写的”，很多人...

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，...

校招简历上的AI项目，最常见的死法是"做过但说不清"。这篇给一个3周能做完的项目：一个退款查询 Agent，6条可失败的承诺句、20条评测用例、4个 Trace...

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。

面向2027届校招求职者，搭建一个只操作本地模拟商城的Browser Agent。项目涵盖目标、权限规则、工具接口、Trace、业务状态断言、故障注入、错误修复...

模型路由或Fallback切换会改变延迟、成本、工具调用和回答风格。本文用明确标注的业务推演给出分层对照实验，帮助团队避免只看平均分或单次输出。

面向多轮Agent的测试，不应只保存最终回答。本文给出Trace最小字段、分段归因与可复现回归方法；以通用工程推演开篇，不声称某家公司真实事故。

SkillsBench相关研究显示，Skill对不同任务可能产生正向或负向影响。本文直接核对SkillsBench团队发布的研究页面与论文v1结果，给出Skil...