暂无搜索历史
AI 生成代码会引入一种很隐蔽的风险:代码看起来符合需求,单独运行也没问题,但一放进真实系统,就可能在集成点、边界数据和生产流量里失效。解决这类问题,靠的不是更...
软件测试正在从缺陷检测转向持续保障。到 2026 年,测试的核心价值不再只是发现 Bug,而是帮助组织量化风险、维护可靠性,并判断变更是否值得发布。基于风险的保...
过去两年,AI 辅助测试的讨论大多停留在用 ChatGPT 生成几条测试用例的层面。效果有限,因为聊天式工具只能凭人的文字描述去猜测系统行为,猜错了也无从验证。...
10x 工程师这个说法,最早可以追溯到 1968 年的一项研究。当时有人发现,程序员做同样的任务,效率差距可能非常大。后来也有人指出,这项研究本身并不严谨,但这...
这两年,AI 测试工具增长很快,几乎隔一段时间就会冒出一个新产品。对工程负责人来说,麻烦的地方不是工具太少,而是这些工具都在讲 AI、自动化、提效,实际工作方式...
无界重试和自动扩缩容会把轻微延迟放大成级联故障。API 可靠性必须有边界,并且要感知负载,才能避免重试风暴。
最近和几个测试同行吃饭,聊到一个现实直接的话题:AI 时代,测试工程师还能活多久?
很多 QA 团队都卡在同一个循环里:需求不断增加,代码已经发布,自动化脚本却还在补上一轮的债。
AI 生成代码的速度,已经超过了很多团队扩展测试覆盖的速度。覆盖率报告仍然是绿色,代码评审也没有明显报警,但真实风险却在变大。默认情况下,我们应该把 AI 生成...
真正值得记住的,不是完整过程,而是未来仍然有决策价值的经验。CLAUDE.md 和 claude-mem 也应该分工明确:CLAUDE.md 管稳定规则,cla...
AI 大模型的记忆有两个核心的要点。第一,Claude Code 需要长期记忆。因为会话是短期的,项目是长期的。没有长期记忆,Claude Code 每次新开会...
项目是长期演进的,AI 会话却是短期的。一个复杂项目里的架构决策、历史 Bug、失败方案、测试策略、兼容性约束,很难全部写进当前会话。没有长期记忆,Claude...
Claude Code 很强。它能读代码、改代码、查调用链、跑命令、补测试,甚至能在复杂项目里连续推进任务。很多开发者第一次认真使用 Claude Code,都...
在了解使用 AI 记忆模型的之后,我们要解决一个非常实际的问题:既然已经有 CLAUDE.md,为什么还需要 claude-mem?
过去一两年,很多人都在研究 Prompt Engineering。怎么提问、怎么设定角色、怎么拆解任务、怎么让模型输出更稳定,似乎只要提示词写得足够好,就能把大...
在传统模式里,开发经常把质量责任理解成提测之后的事情。功能写完,交给 QA 验收,QA 发现 bug 再打回开发修复。开发关心的是功能实现了没有,至于质量好不好...
功能 QA 被取消后,很多人的第一反应是:QA 是不是不重要了?我是不是要被淘汰了?
这几年,不少科技公司、SaaS 公司和金融科技公司开始取消或缩减传统的 Functional QA / Manual QA / Feature QA 岗位。有的...
很多公司讨论取消功能 QA时,容易只看到成本:一个团队几十号人,砍掉就是实打实的预算节省。这笔账在季度报表上很好看,也很容易在管理层会议上获得掌声。但真正的问题...
很多人批评 AI 写代码质量差:结构混乱、重复代码多、异常处理粗糙、边界条件漏得厉害。这个批评并不冤。今天的大模型确实经常写出一种看起来能跑,但不太像人类工程师...
暂未填写学校和专业
暂未填写个人网址