暂无搜索历史
这次我把主测模型放在 Claude Opus 4.8。我没有先看宣传口径,而是直接给它压了两类任务:一个是“修 bug 并补测试”,一个是“把一段能跑但难维护的...
做长上下文应用时,很多团队会先遇到一个很现实的问题:材料明明给得更多了,回答却没有更稳,反而更容易混、漂、漏。需求文档、接口说明、会议纪要、故障日志、历史方案一...
接口重复提交的问题,往往不是通过一条明确报错暴露出来的。更常见的现场是:客户端只操作了一次,服务端却生成两条记录;消息消费没有异常,库存却被扣减两次;请求日志显...
我这次测 ChatGPT 5.6 Sol,没有从“写一个排序函数”“生成一段接口代码”这类轻任务开始。现在很多模型在单点代码生成上都不差,真正能拉开差距的,往往...
很多 Bug 排查记录最后不好用,不是因为技术分析不够深,而是因为记录写得太像“事后总结”。现象、猜测、修复动作、临时规避方案全混在一起,写的人自己知道来龙去脉...
这段时间我在做一轮 AI 模型的开发向实测。 相比“让模型写一个贪吃蛇”或者“现场手搓排序算法”这种传统测试方式,我更关心另一件事:当问题不完整、代码不干净、...
Bug 复盘这件事,最常见的误区不是信息不够,而是信息太多却没有分层:报警记录、群消息、回滚通知、发布单、日志片段、用户反馈、补丁说明全堆在一起,最后谁都能写出...
最近在排一个很典型的线上问题:接口偶发超时,应用没有直接报死,但用户侧已经开始出现“提交失败、稍后重试”。这种场景最麻烦的地方,不是 bug 本身有多难,而是你...
我现在测新模型,已经不太看第一轮回答了。 首答好看不难,难的是任务一旦变长、条件一旦变多,模型还能不能稳住。
在云上跑业务,很多团队都会遇到一个共同问题:账单每个月都能看到,但费用为什么涨、哪些资源浪费、哪些优化会影响稳定性,并不总是说得清楚。尤其是业务增长、环境增多、...
产品同事有次在需求群里丢过一句话:“订单列表加一个导出功能,最好这周能上。”乍一看,这不就是加个按钮、查库、生成 Excel 吗?但真到评审时,问题很快冒出来:...
上周我接到一个挺典型的需求:业务同事只发来一句话——“我们想把客户资料、工单记录和回访话术串起来,做一个自动化的客户跟进看板。”这句话听起来不复杂,但真正往下拆...
上周有个接口响应时间突然变长,不是全量故障,也不是稳定复现。监控上看,P95 从平时的 300ms 左右抬到了 1.8s,持续了十几分钟后又回落。业务同事只反馈...
Grok
上周处理一个接口超时问题时,我本来只是想让 AI 帮忙“总结一下日志”。结果第一次输出很漂亮,却几乎没法用于排障:它把几个时间点混在一起,还把网关超时和数据库慢...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市