- 摘要Agent 越来越容易搭，但真正进入生产环境之后，难点很快就从“能不能跑”变成了“跑得对不对”。模型升级以后效果有没有提升？ Prompt 改完会不会引入退化？ Tool 调用成功了，为什么最终结果还是错的？ 线上出现 Bad Case，到底是模型、Prompt、Skill、RAG 还是工具出了问题？这些问题，本质上已经进入软件质量保障的范畴。对测试开发来说，Agent 评测并不是一套完... 摘要Agent 越来越容易搭，但真正进入生产环境之后，难点很快就从“能不能跑”变成了“跑得对不对”。模型升级以后效果有没有提升？ Prompt 改完会不会引入退化？ Tool 调用成功了，为什么最终结果还是错的？ 线上出现 Bad Case，到底是模型、Prompt、Skill、RAG 还是工具出了问题？这些问题，本质上已经进入软件质量保障的范畴。对测试开发来说，Agent 评测并不是一套完...
- 最近跟几个做测试开发的朋友聊天，发现一个挺有意思的现象：大家都在用 Claude Code、Cursor 这类工具辅助写测试，但用着用着就发现不对劲。有人说他的 Agent 跑个登录测试，在登录页卡了二十分钟——验证码图片识别不了，等了三秒就以为登录失败，直接 abort。还有人让 Agent 从 Jira 拉 bug 列表去验证，生成的代码看起来挺完整，跑起来才发现它不知道 Jira 的字... 最近跟几个做测试开发的朋友聊天，发现一个挺有意思的现象：大家都在用 Claude Code、Cursor 这类工具辅助写测试，但用着用着就发现不对劲。有人说他的 Agent 跑个登录测试，在登录页卡了二十分钟——验证码图片识别不了，等了三秒就以为登录失败，直接 abort。还有人让 Agent 从 Jira 拉 bug 列表去验证，生成的代码看起来挺完整，跑起来才发现它不知道 Jira 的字...
- 去年有段时间，我每天花在写 Prompt 上的时间比写测试代码还多。为了让 AI 帮我生成一批接口测试用例，我得在对话框里反复描述：先调登录接口拿 token，再调业务接口，断言 code=0，data 不能为空，token 字段得是非空字符串……写第一版的时候觉得挺新鲜，写到第五个接口的时候就开始烦了。每次都得把同样的规则重述一遍，稍不留神漏掉一个约束条件，生成的用例就跑偏。更让人头疼的是... 去年有段时间，我每天花在写 Prompt 上的时间比写测试代码还多。为了让 AI 帮我生成一批接口测试用例，我得在对话框里反复描述：先调登录接口拿 token，再调业务接口，断言 code=0，data 不能为空，token 字段得是非空字符串……写第一版的时候觉得挺新鲜，写到第五个接口的时候就开始烦了。每次都得把同样的规则重述一遍，稍不留神漏掉一个约束条件，生成的用例就跑偏。更让人头疼的是...
- 本文拆解NVIDIA Blackwell机密推理实验，强调复现实验需严控变量、同步评估吞吐/TPOT/安全状态与输出质量。指出性能数字不可直接外推，提出四维发布门禁（安全、质量、性能、稳定性），倡导测试工程师构建可复现的差分评测体系。 本文拆解NVIDIA Blackwell机密推理实验，强调复现实验需严控变量、同步评估吞吐/TPOT/安全状态与输出质量。指出性能数字不可直接外推，提出四维发布门禁（安全、质量、性能、稳定性），倡导测试工程师构建可复现的差分评测体系。
- NVIDIA用AI Coding Agent迁移ROS 2节点至CUDA Buffer，实现GPU零拷贝通信。本文强调：功能正确≠优化生效，测试需验证四大维度——语义等价性、CUDA Backend协商、无Payload级CPU拷贝、可靠CPU回退，方为可信迁移。 NVIDIA用AI Coding Agent迁移ROS 2节点至CUDA Buffer，实现GPU零拷贝通信。本文强调：功能正确≠优化生效，测试需验证四大维度——语义等价性、CUDA Backend协商、无Payload级CPU拷贝、可靠CPU回退，方为可信迁移。
- 假设你团队里的AI编码搭档干了一整夜：第二天一早，四十多个PR同时挤进流水线，CI从提交到出结果排起三个小时的队。数字是打的比方，但方向不是危言耸听——当写代码的不再只有人，“每条PR跑全量测试”这条CI铁律，正在以肉眼可见的速度失效。真实的样本来了。Anthropic工程师Sachin Malhotra在2026年9月14日的官方博客里公开了一组数字：Claude编写了公司80%的合并代码... 假设你团队里的AI编码搭档干了一整夜：第二天一早，四十多个PR同时挤进流水线，CI从提交到出结果排起三个小时的队。数字是打的比方，但方向不是危言耸听——当写代码的不再只有人，“每条PR跑全量测试”这条CI铁律，正在以肉眼可见的速度失效。真实的样本来了。Anthropic工程师Sachin Malhotra在2026年9月14日的官方博客里公开了一组数字：Claude编写了公司80%的合并代码...
- 本文探讨AI编程助手时代下测试新范式：将“知识新鲜度”转化为可量化、可回归、可进CI的测试项。通过借鉴Google为Gemini设计的117条Prompt评测框架，提出四维断言（版本/必需接口/禁用接口/来源可溯）、Skill版本化管理及三个轻量落地切入点，助力测试团队构建面向AI代码的可信质量防线。 本文探讨AI编程助手时代下测试新范式：将“知识新鲜度”转化为可量化、可回归、可进CI的测试项。通过借鉴Google为Gemini设计的117条Prompt评测框架，提出四维断言（版本/必需接口/禁用接口/来源可溯）、Skill版本化管理及三个轻量落地切入点，助力测试团队构建面向AI代码的可信质量防线。
- 本文揭示Agent测试核心痛点：答案“看似正确”不等于行为可靠。AWS Agent-EvalKit提出Plan/ Data/ Trace/ Run/ Eval/ Report六阶段评测法，强调基于完整执行轨迹（而非仅最终输出）验证工具调用、参数准确性与事实忠实性，助力测试团队从“测结果”转向“测过程”。 本文揭示Agent测试核心痛点：答案“看似正确”不等于行为可靠。AWS Agent-EvalKit提出Plan/ Data/ Trace/ Run/ Eval/ Report六阶段评测法，强调基于完整执行轨迹（而非仅最终输出）验证工具调用、参数准确性与事实忠实性，助力测试团队从“测结果”转向“测过程”。
- 当前国内移动终端生态已形成 Android、iOS、鸿蒙三大系统并立的格局，移动端设备碎片化不再局限于机型数量，而是演变为“机型×系统版本×硬件配置×厂商定制”的立体化组合难题。屏幕尺寸从4.7英寸到7.6英寸折叠屏，宽高比涵盖16:9、18:9、19.5:9、20:9等多种规格，进一步加剧了APP兼容性问题频发。 当前国内移动终端生态已形成 Android、iOS、鸿蒙三大系统并立的格局，移动端设备碎片化不再局限于机型数量，而是演变为“机型×系统版本×硬件配置×厂商定制”的立体化组合难题。屏幕尺寸从4.7英寸到7.6英寸折叠屏，宽高比涵盖16:9、18:9、19.5:9、20:9等多种规格，进一步加剧了APP兼容性问题频发。
- 模型接入开发工具后，最容易出现一种错觉：代码通过测试，模型就升级成功了。实际上，模型变化可能影响工具选择、修改范围、重试次数、解释方式和成本。GitHub在9月21日宣布Grok 4.7可用于Copilot。本文不评价模型强弱，而是讨论测试团队面对模型切换时，怎样把“能力变化”变成可观察的质量差异。 先做任务分层解释代码、生成单元测试、修改支付逻辑、更新依赖和调用部署工具，不应混成一个总分。... 模型接入开发工具后，最容易出现一种错觉：代码通过测试，模型就升级成功了。实际上，模型变化可能影响工具选择、修改范围、重试次数、解释方式和成本。GitHub在9月21日宣布Grok 4.7可用于Copilot。本文不评价模型强弱，而是讨论测试团队面对模型切换时，怎样把“能力变化”变成可观察的质量差异。 先做任务分层解释代码、生成单元测试、修改支付逻辑、更新依赖和调用部署工具，不应混成一个总分。...
- 本文探讨GitHub凭据治理的实战难点：旧Token潜藏于CI变量、脚本或缓存中，贸然删除易中断发布。提出以“使用证明”替代主观判断，构建“发现—确认—轮换—撤销—验证”可回归流程，并强调测试需覆盖权限边界、失效验证与Agent最小权限行为，推动凭据治理从清单管理升级为行为可证、过程可溯的质量工程。 本文探讨GitHub凭据治理的实战难点：旧Token潜藏于CI变量、脚本或缓存中，贸然删除易中断发布。提出以“使用证明”替代主观判断，构建“发现—确认—轮换—撤销—验证”可回归流程，并强调测试需覆盖权限边界、失效验证与Agent最小权限行为，推动凭据治理从清单管理升级为行为可证、过程可溯的质量工程。
- GitHub 9月更新AI Scan，无需启用CodeQL默认配置即可覆盖更多仓库。本文聚焦覆盖扩大后的关键挑战：构建可解释漏洞样本、设计误报门禁、开展仓库级回归测试，确保AI扫描结果可信、可控、可度量。 GitHub 9月更新AI Scan，无需启用CodeQL默认配置即可覆盖更多仓库。本文聚焦覆盖扩大后的关键挑战：构建可解释漏洞样本、设计误报门禁、开展仓库级回归测试，确保AI扫描结果可信、可控、可度量。
- GitHub 9月18日推出Agent会话自动清理预览功能：PR合并后标记Done，宽限期后删除。但清理本质是审计生命周期管理，需覆盖多状态（如Legal Hold、回滚）、幂等删除、脱敏归档与可恢复验证，确保证据不丢、隐私不留。 GitHub 9月18日推出Agent会话自动清理预览功能：PR合并后标记Done，宽限期后删除。但清理本质是审计生命周期管理，需覆盖多状态（如Legal Hold、回滚）、幂等删除、脱敏归档与可恢复验证，确保证据不丢、隐私不留。
- GitHub Copilot 新增 efficiency/balance/intelligence 三档自动路由，按任务风险分层管控模型选择、成本与行为可靠性。测试需聚焦路由契约、故障转移、档位门禁及多维断言，而非仅看平均成功率。 GitHub Copilot 新增 efficiency/balance/intelligence 三档自动路由，按任务风险分层管控模型选择、成本与行为可靠性。测试需聚焦路由契约、故障转移、档位门禁及多维断言，而非仅看平均成功率。
- 摘要：Agent 能力越来越多以后，一个很现实的问题开始出现：到底该调用哪个 Tool、加载哪个 Skill、连接哪个 MCP？5 个工具时，让 LLM 自己选可能没什么问题。但当能力数量变成 50 个、100 个甚至更多，路由本身就开始成为 Agent Harness 的核心问题。而 Jev 这类 Decision Model，正在尝试接管其中一部分工作。一、Agent 的问题，开始从“没... 摘要：Agent 能力越来越多以后，一个很现实的问题开始出现：到底该调用哪个 Tool、加载哪个 Skill、连接哪个 MCP？5 个工具时，让 LLM 自己选可能没什么问题。但当能力数量变成 50 个、100 个甚至更多，路由本身就开始成为 Agent Harness 的核心问题。而 Jev 这类 Decision Model，正在尝试接管其中一部分工作。一、Agent 的问题，开始从“没...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签