登录社区云,与社区用户共同成长
邀请您加入社区
agent能跑得更快
大模型时代,同行都在进化,你还在坚持老一辈打法?
智能测试思路
右键 HTTP 请求 → Add → Assertions → JSR223 Assertion// 校验 code 为 200 且 data 不为空AssertionResult.setFailureMessage("断言失败:code=${responsecode。
摘要:一位软件测试求职者在模拟面试中发现自己低估了简历中的两大亮点——大模型测试和算法平台经验。面试官指出,这些正是当前最热门的技术方向,建议他不仅要掌握基础原理,还要学会用"故事思维"包装项目经历。关键启示:1)挖掘简历中的技术亮点并深入理解;2)用"问题-解决-成果"的故事框架展示能力;3)适度突出开发背景等差异化优势;4)重点准备算法简单题而非死磕八股
《液冷系统的隐形挑战:从硬件散热到化学健康管理》 随着AI数据中心大规模部署液冷技术,行业关注点正从传统的漏液检测转向更隐蔽的系统健康问题。当单柜功耗突破100kW,冷却液质量成为关键的生命线——铜离子腐蚀、微生物滋生、化学添加剂消耗等慢性问题,可能悄然侵蚀整个集群的稳定性。 新兴的冷却液健康监测技术正在填补这一空白,通过实时追踪铜离子浓度、杀菌剂效力等化学指标,将液冷系统的"亚健康状态
测试不是追赶功能的配角,用好工具,我们完全可以在质量保障环节成为节奏的掌控者,用更少的重复劳动换来对系统更深的信心。作为长期在一线做接口测试的从业者,我深知从手工拼装请求到系统化保障的跨越并不容易,但一旦团队用上像优测这样的一体化平台,效率提升是肉眼可见的:配置工作量下降、回归覆盖更全面、问题定位不再靠“猜”。与业内同类工具相比,优测并不排斥既有方案的优点,而是将常见的抓包调试、脚本执行、CI集成
TSBS这个东西,适合做初筛工具。你想选时序数据库,先拿TSBS跑一遍,把明显不达标的筛掉。但最终上生产之前,一定要用自己的真实业务数据和SQL再压一遍——这个谁也替代不了。如果你本身就是时序数据库的开发或运维人员,花一周时间熟悉TSBS,这笔投资绝对值得。它能帮你省掉写压测脚本的时间,还能让你的评测结果更有说服力。最后附上TSBS国内镜像链接>>好了,今天就聊到这。下期想详细写写“如何基于TSB
CraftAgents:从聊天工具到Agent工作流管理的进化 CraftAgents是一个开源的Agent工作台工具,旨在解决Agent在实际工作流中的管理问题,而非仅提供简单的问答功能。其核心能力包括多会话管理、权限控制、Sources连接(如GitHub、Slack、Notion等)、自动化任务及Skills封装,使Agent从“聊天助手”升级为可协作的“执行单元”。 该项目在GitHub上
Apifox最新版本带来多项重磅更新:1)新增「AI Agent Debugger」可完整追踪Agent执行链路,支持多模型对比;2)推出「A2A Debugger」支持Agent间通信协议调试;3)新增Postman API导入功能实现批量数据迁移;4)文档「Ask AI」升级为侧边栏对话模式;5)扩展支持小米MiMo等AI模型供应商,并开放自定义模型接入。同时优化了数据备份、团队协作等多项功能
说到底,每一次技术变革,都会淘汰一批观望的人,成就一批敢行动的人。很多人总在等风口,等一个“百分百确定能赚钱”的机会,但等所有人都看清这个机会的时候,红利早就被先入场的人吃完了。
大模型时代下,测试行业正经历智能化变革。通用大模型虽具备强大能力,但在专业测试场景中仍存在领域知识不足、业务理解偏差等问题。通过微调技术打造专属测试智能体,可精准生成测试用例、分析测试结果并提升沟通效率。关键步骤包括:构建高质量测试数据集、采用LoRA等高效微调方法、严格评估模型输出。部署后,专属模型可应用于需求评审、测试设计、缺陷管理等全流程。这一变革将推动测试人员向质量策略设计师转型,需掌握机
摘要: APIManager是一款专为频繁使用多模型API的开发者设计的Windows桌面工具,整合了API配置管理、连接测试、模型选择、聊天验证等功能。它解决了配置分散、验证繁琐、迁移不便等痛点,支持OpenAI和Anthropic等接口,提供加密导出、会话持久化等特性。通过统一管理BaseURL、APIKey、模型参数等细节,APIManager成为高效的大模型工作台,尤其适合需要切换多供应商
这篇文章详细介绍了鸿蒙真机云平台第一阶段的落地实现方案。全文围绕四个核心环节展开:真机接入、画面代理、Web控制和平台治理闭环,目标是构建稳定的测试平台能力而非简单的投屏功能。 技术实现上,系统采用分层架构:设备层通过HDC+UiTest接入鸿蒙真机;Agent层处理服务启动和端口映射;平台层负责设备状态管理;前端层实现远控交互。关键创新点包括:基于agent.so的扩展机制、JPEG帧流传输方案
以下文章中涉及http协议的内容。https://blog.csdn.net/sjwnghuoyuelaiyu/article/details/155565729?spm=1011.2124.3001.6209右键后点击检查,进入开发者工具(或者F12)。以部署到本地的禅道为例,抓取登录请求,在登录前打开开发者工具。找到请求方法为post的包,点击可以查看请求报文和响应报文。查看请求头中的Cont
大模型、RAG、Agent 正在一点点进入真实业务。很多团队以为压力最大的是模型能力,真正上线后才发现,更先顶不住的,往往是测试体系。因为系统已经变了。如果测试方法还停在过去,问题迟早会在生产环境里补课。AI 时代不会让测试消失。但它会淘汰只会沿用旧方法、却不愿意升级思路的做法。这个 AI 系统,到底能不能稳定、安全、可信地交给真实用户。这件事,越往后走,越重要。本文部分内容参考了霍格沃兹测试开发
摘要:软件测试行业正经历结构性变革,学历的"硬通货"属性快速褪色,能力本位成为核心。驱动因素包括人才供给过剩、教育产业脱节、AI工具普及和企业评价体系变革。测试工程师需构建多层能力体系:技术硬技能、工程思维、协作能力和持续学习。专业证书价值转向"工具性",应建立"能力驱动,证书辅助"的发展路径,通过项目实战、社区贡献和AI协同提升竞争力。
MCP协议是由Anthropic开源的新型AI连接标准,采用HTTP协议作为底层传输,通过SSE(服务器推送事件)实现服务端主动推送。协议工作流程包含三个关键步骤:客户端先建立SSE长连接作为数据通道,然后通过三个POST请求完成初始化、工具查询和工具调用,最终服务端通过SSE通道返回执行结果。实战分析显示,MCP协议通过标准HTTP方法实现了AI服务与客户端的交互,其核心在于将传统HTTP请求与
英国Quarch公司2026年Q1报告显示,PCIe6.0测试市场正从实验室预研转向批量建测试工装阶段。报告指出三大趋势:1)热插拔/故障注入类产品占主导,Gen6产品首次超越Gen5;2)客户需求转向SSD、AI加速卡等在真实环境下的综合测试能力;3)头部企业如SanDisk、AMD等加大测试设备投入。Quarch正构建覆盖Gen6存储与AI硬件的测试生态,重点发展桌面化测试平台(如Aon)、功
一、先说给小企业老板听:AI不是成本,而是“数字员工”我知道你在想什么:“现在AI工具动辄几万一年,我一个小公司,养活10个员工都难,还去烧钱买AI?”
在进入正题之前,先从软件交付模式变更的视角,说说为什么我们要给AI写Skill
很多团队在做大模型项目时,最容易犯的错误是:拿着传统软件测试计划模板,简单改几个字段,就直接套用到LLM 测评里。结果往往是:功能看起来“都测了”,上线后却被幻觉、安全、稳定性问题反复打脸。
摘要:本文讲述了一位软件测试工程师的十年转型历程。从2016年入行时的"人肉测试机"困境,到通过构建数据驱动测试框架提升效率;再到2021年将测试思维应用于AI医疗诊断,解决模型黑盒难题;最终在2024年创立AI医疗平台,以测试思维打造全链路验证框架。文章揭示了测试工程师的核心能力(场景建模、边界分析等)如何转化为AI时代的竞争优势,并给出了6个月Python+TensorFl
摘要:软件测试职业发展面临覆盖率与创新力的核心矛盾。覆盖率作为质量保障基石,能降低缺陷率50%以上,但过度追求易导致技能单一化;创新力则推动测试工程师向质量架构师转型,AI测试可提升效率300%。理想路径需分阶段平衡:初级夯实覆盖率(85%+),中级融合AI优化测试资源,高级构建质量中台。未来趋势显示,AI将自动化80%基础任务,工程师需构建T型能力,既保持覆盖率优势(关键模块≥95%),又掌握A
AI重塑软件测试行业:工程师如何构建职业护城河 AI技术正在深刻改变软件测试领域,自动化工具已能高效完成70%以上的回归测试工作。然而,AI在业务理解、创造性测试和伦理判断等方面存在明显短板。测试工程师需要转型为"质量战略家",通过构建六维能力模型实现职业升级:1)深耕行业专精知识;2)升级测试思维;3)掌握AI工具链;4)培养系统集成能力;5)强化沟通协作;6)建立持续学习机
2026年软件测试行业薪资呈现显著分化,全国平均月薪12,000-18,000元。一线城市(15,000-30,000元)保持30%-50%溢价,新一线城市(12,000-20,000元)成为新兴热点。互联网行业领跑,测试开发岗位较普通测试工程师薪资高出30%-40%,安全测试和AI测试领域因技能稀缺溢价突出。核心影响因素包括:3-5年经验者薪资跃升至22,000-26,000元,自动化测试技能带
摘要: 代码卫士(php.x5.chat)是2026年PHP源码加密的领先解决方案,采用SGI6组件加密技术,实现内存级解密与静态防逆向,无需服务器扩展即可部署。其核心优势包括: 强加密:多层防护体系(混淆+SGI6+完整性校验),AI逆向工具难以破解; 零依赖:兼容PHP 5.5-8.4,上传即用; 高性能:加密后性能损耗低于2%; 终身权益:限时399元享无限加密+24小时技术支持。 适用场景
AI系统正从"被动调用"转向"持续运行"的Agent形态,OpenClaw的更新凸显了这一趋势。其核心变化在于:1)记忆机制从存储升级为参与决策的认知系统;2)架构演变为类似操作系统的持续运行模式;3)新增Dreaming机制实现离线自我优化。这对测试领域带来根本性变革:测试重点从功能验证转向系统行为稳定性验证,需关注决策链路、记忆污染和长期演化能力。未来测
如果把AI系统拆开看,本质就三件事:模型能力(Transformer + 预训练)数据与知识(Embedding + RAG)控制与执行(Prompt + Agent + 工具)你看到的所有新概念,基本都在这三层里变化。AI不是一个工具,而是一套完整的工程体系。谁理解这套体系,谁才能真正用好AI。
这篇研究的核心问题其实就只有一个:AI到底会不会导致大规模失业?
负载测试设备的技术内涵远不止表面性能指标。作为系统体检的"度量衡",其核心技术体现在标准化体系、多重安全保护机制和模块化设计中。军用级标准要求远超民用,而液冷测试正从经验法则走向统一规范。安全设计需具备多级响应能力,模块化实现故障隔离与灵活配置。工艺细节如管路酸洗钝化和水质处理决定长期可靠性。随着AI算力需求爆发,风液一体负载正从测试工具演变为数字孪生引擎,承担数据中心全生命周
Shannon 采用多智能体架构,结合白盒源代码分析与动态漏洞利用,分五个阶段完成渗透测试,确保测试深度与准确性
本文探讨了提示词工程在软件测试领域的关键作用。大语言模型(LLM)通过自动化测试用例生成、缺陷分析和脚本优化显著提升测试效率,但其效果高度依赖提示词设计。文章系统阐述了测试场景下的提示词核心结构四要素(角色定义、任务指令、上下文背景、输出约束)和五大设计原则(精准性、结构化输出、迭代优化、风险导向、可验证性),并提供了测试用例生成、缺陷报告优化等实战应用示例。同时指出了常见陷阱及规避策略,展望了A
会用。
下方这份完整的软件测试视频教程已经整理上传完成,需要的朋友们可以自行领取。
Claude Code 上线不到半年,口碑急转直下。有人跟踪了它的思考深度变化:从 1 月底的约 2200 字符,到 2 月下旬骤降至 720 字符,3 月初进一步跌至 560 字符。降幅 67%。与此同时,一个叫 redact-thinking 的功能上线,把思考过程从界面上隐藏了。你再也看不到它到底想了多少。
Cursor + Playwright MCP:测试工程师的自救指南
本文对比分析了Applitools Eyes和Percy两大主流视觉回归测试工具。Applitools采用AI驱动的VisualAI技术,能智能识别UI元素并忽略无关差异,适合复杂动态内容和跨平台测试;Percy则基于快照比对,深度集成CI/CD流程,提供轻量级开发体验。文章从精准度、跨平台支持、集成性等维度进行对比,并给出选型建议:大型复杂项目可选Applitools,追求敏捷集成的团队适合Pe
《祖传代码与技术债:测试工程师的破局之道》摘要: 本文探讨了软件开发中祖传代码引发的技术债问题及其对00后程序员与测试团队的挑战。文章指出,祖传代码具有"三无"(无注释、无文档、无测试)、高耦合等特征,导致测试困难、缺陷定位成本高、回归测试风险大。新一代程序员追求现代工程理念,与维护祖传代码的现实产生冲突。测试人员应转型为技术债治理者,通过债务量化、构建测试安全网、推动可测试性
摘要: 黑客利用DDoS攻击对企业进行勒索,通过僵尸网络瘫痪服务并索要赎金。面对这一威胁,软件测试人员可借助混沌工程主动防御,通过模拟攻击验证系统韧性。混沌工程的核心在于故障注入,测试防火墙、负载均衡器等组件的极限,量化恢复指标(RTO/RPO),并优化分层防御策略。实战中,测试人员可模拟攻击链、构建弱点热力图,结合AI动态调整防护,甚至通过蜜罐溯源反制。将混沌工程嵌入开发运维全流程,能显著降低攻
《AI驱动的测试体系架构变革:从脚本生成到智能调度》 摘要: 2026年测试领域正经历结构性变革,核心在于测试体系的重构而非单纯的生成能力。本文提出Agent+MCP+Skills三层架构模型:决策层Agent负责规划调度,能力层Skills抽象测试模块,执行层MCPTool标准化操作。该架构实现了接口自动化的规划-生成-修复闭环、UI自动化的稳定性控制策略,以及性能测试的智能边界划分。关键突破在
今年公司把AI的调门拉得很高,不管什么岗位,都得交出"AI提效"的作业。作为部门里有名的"懒虫",我倒是挺乐呵——,这话真不假。我每天花点时间琢磨怎么"偷懒",结果反而成了部门里的人之一。今天聊聊AI怎么帮我搞定了一个。
《元宇宙虚拟办公室加密空间的测试挑战与对策》 摘要:随着元宇宙办公场景普及,虚拟办公室加密空间面临多重测试挑战。核心技术涉及动态加密协议、零知识证明和空间隔离技术,需确保百万级并发下的安全与隐私。测试难点包括:安全漏洞扫描(如智能合约攻击)、跨设备同步(延迟<80ms)、伦理合规验证等。从业者需采用AI驱动的自动化测试矩阵,结合混沌工程和区块链审计,覆盖95%以上异常场景。行业案例表明,未达
2026-3-30@TOC最近我用AI写了Python的UI自动化,一个项目用时可能只需一周时代变革之快超过想像,我想我所有的技术分享都不会有AI厉害了,也许我的职业生涯在不久的将来也会止步,祝所有IT人越来越好你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。我们对Mark