- 开学季，应届生问得最多的一句话是"我该学什么工具"。Selenium 还没啃完，Playwright 就火了；Postman 还没用熟，Apifox 又铺天盖地；接口自动化框架刚跟完一套视频，面试官一句"我们这边主要用 AI 生成用例"，你之前列的清单就作废了一半。工具每半年就换一批——这是行业里【推断】的节奏感受，不是任何统计口径。但有一点是确定的：靠背工具清单撑过前三年，越来越难。真正撑... 开学季，应届生问得最多的一句话是"我该学什么工具"。Selenium 还没啃完，Playwright 就火了；Postman 还没用熟，Apifox 又铺天盖地；接口自动化框架刚跟完一套视频，面试官一句"我们这边主要用 AI 生成用例"，你之前列的清单就作废了一半。工具每半年就换一批——这是行业里【推断】的节奏感受，不是任何统计口径。但有一点是确定的：靠背工具清单撑过前三年，越来越难。真正撑...
- 摘要：网上查小红书薪资，R4、R5、R6 依然满天飞，R5 百万年包、R6 接近 200 万的数字也很常见。但问题是，小红书早在 2024 年就取消了 R 职级。所以到了 2026 年，这些数据到底还能不能参考？现在应该怎么判断一个岗位的级别和薪资？如果准备面试小红书测试开发，又应该重点准备什么？这篇文章把这几个问题放在一起讲清楚。很多人第一次查小红书薪资，都会看到这样一张表：R4，月薪大约... 摘要：网上查小红书薪资，R4、R5、R6 依然满天飞，R5 百万年包、R6 接近 200 万的数字也很常见。但问题是，小红书早在 2024 年就取消了 R 职级。所以到了 2026 年，这些数据到底还能不能参考？现在应该怎么判断一个岗位的级别和薪资？如果准备面试小红书测试开发，又应该重点准备什么？这篇文章把这几个问题放在一起讲清楚。很多人第一次查小红书薪资，都会看到这样一张表：R4，月薪大约...
- 摘要：一个 Agent 真正跑起来以后，会产生大量判断：该调用哪个 Tool？加载哪个 Skill？哪些上下文值得保留？这次操作有没有风险？执行结果需不需要人工检查？过去，这些问题很多都交给 LLM。但 Jev 这类 System One Model 出现以后，一个新的 Agent 架构开始值得关注：LLM 继续负责复杂推理，但高频、明确的判断任务，可以单独拆出一层。这可能会直接影响未来 A... 摘要：一个 Agent 真正跑起来以后，会产生大量判断：该调用哪个 Tool？加载哪个 Skill？哪些上下文值得保留？这次操作有没有风险？执行结果需不需要人工检查？过去，这些问题很多都交给 LLM。但 Jev 这类 System One Model 出现以后，一个新的 Agent 架构开始值得关注：LLM 继续负责复杂推理，但高频、明确的判断任务，可以单独拆出一层。这可能会直接影响未来 A...
- Google开源AI测试框架ARTEMIS，支持自然语言驱动Android真机自动化：理解任务、识别界面、跨App操作、自动截图/日志采集并生成报告。原生集成MCP，可接入Antigravity等AI IDE，实现“描述目标→自主执行→分析结果”闭环。 Google开源AI测试框架ARTEMIS，支持自然语言驱动Android真机自动化：理解任务、识别界面、跨App操作、自动截图/日志采集并生成报告。原生集成MCP，可接入Antigravity等AI IDE，实现“描述目标→自主执行→分析结果”闭环。
- RAG中检索易召回冗余内容，Jev作为决策层可精准筛选高相关Chunk，替代简单Top-K输入。它支持多维度判断（如版本、时效性），提升Context质量与LLM答案准确性，降低幻觉与Token成本。 RAG中检索易召回冗余内容，Jev作为决策层可精准筛选高相关Chunk，替代简单Top-K输入。它支持多维度判断（如版本、时效性），提升Context质量与LLM答案准确性，降低幻觉与Token成本。
- 本文分享了将AI深度融入回归测试全流程的实战经验：通过拆解“影响面分析、用例生成、脚本转换、失败分析、报告汇总”五大环节，为每个环节定制精准提示词，辅以充分业务上下文与强约束（如“不编造”），使回归测试从3天压缩至3小时。AI不是替代人，而是高效协作者——人专注判断与决策，AI承担重复劳动。 本文分享了将AI深度融入回归测试全流程的实战经验：通过拆解“影响面分析、用例生成、脚本转换、失败分析、报告汇总”五大环节，为每个环节定制精准提示词，辅以充分业务上下文与强约束（如“不编造”），使回归测试从3天压缩至3小时。AI不是替代人，而是高效协作者——人专注判断与决策，AI承担重复劳动。
- Agent能力爆发后，“该调哪个工具”成为新瓶颈。当Tool/MCP/Skill超百个，单纯靠LLM选型易致上下文爆炸、误选放大、决策失准。Jev等Decision Model正承担“候选精排”角色，与规则过滤、LLM终判构成三级路由架构——让Agent在能力泛滥时代，依然精准调用。 Agent能力爆发后，“该调哪个工具”成为新瓶颈。当Tool/MCP/Skill超百个，单纯靠LLM选型易致上下文爆炸、误选放大、决策失准。Jev等Decision Model正承担“候选精排”角色，与规则过滤、LLM终判构成三级路由架构——让Agent在能力泛滥时代，依然精准调用。
- 随着Agent能力增强，其调用工具的风险日益凸显：错误执行（如删库、发邮件）比回答错误更致命。Jev接入LangChain Agent Harness，在Tool执行前实施风险判断，构建分层Guardrail——硬规则守底线、Jev控灰度、LLM处理复杂上下文、人工兜底。测试重点转向“行为安全”：严控漏拦率与误拦率，覆盖明确危险/安全、灰度场景及绕过攻击，并关注组合调用链风险。 随着Agent能力增强，其调用工具的风险日益凸显：错误执行（如删库、发邮件）比回答错误更致命。Jev接入LangChain Agent Harness，在Tool执行前实施风险判断，构建分层Guardrail——硬规则守底线、Jev控灰度、LLM处理复杂上下文、人工兜底。测试重点转向“行为安全”：严控漏拦率与误拦率，覆盖明确危险/安全、灰度场景及绕过攻击，并关注组合调用链风险。
- Jev是TypeSafe推出的“系统一模型”，专注结构化决策：不生成文本，只输出带概率与置信度的选择、评分或是非判断。其核心价值在于可校准的可靠性——让程序知悉AI“有多确定”，从而安全实现自动分支、风险拦截与人机协同。 Jev是TypeSafe推出的“系统一模型”，专注结构化决策：不生成文本，只输出带概率与置信度的选择、评分或是非判断。其核心价值在于可校准的可靠性——让程序知悉AI“有多确定”，从而安全实现自动分支、风险拦截与人机协同。
- 摘要：Jev 发布不到一周，已经被 Vercel AI Gateway、LangChain 等 Agent 基础设施快速接入。一个不会聊天、不负责写代码、甚至主要输出 Choice、Score 和 Boolean 的模型，为什么反而这么快进入 Agent 工程？原因可能并不在于它“更聪明”。而是今天的 Agent，确实存在大量根本不需要复杂生成、只需要快速判断的工作。 一、Jev 发布几天后... 摘要：Jev 发布不到一周，已经被 Vercel AI Gateway、LangChain 等 Agent 基础设施快速接入。一个不会聊天、不负责写代码、甚至主要输出 Choice、Score 和 Boolean 的模型，为什么反而这么快进入 Agent 工程？原因可能并不在于它“更聪明”。而是今天的 Agent，确实存在大量根本不需要复杂生成、只需要快速判断的工作。 一、Jev 发布几天后...
- 低频功能不等于冗余。本文讲产品功能取舍：评估用户刚需、商业价值与长期战略，采用兜底保留、大客户开关、冻结迭代、渐进下线，并用需求池、KANO、MoSCoW科学管理需求价值。 低频功能不等于冗余。本文讲产品功能取舍：评估用户刚需、商业价值与长期战略，采用兜底保留、大客户开关、冻结迭代、渐进下线，并用需求池、KANO、MoSCoW科学管理需求价值。
- 随着大模型、AI Agent、RAG、知识图谱等技术逐渐进入软件研发流程，软件测试正在从传统的“人工设计用例、人工执行测试、人工分析结果”，逐步向AI辅助测试设计、智能体驱动测试执行、大模型智能断言、测试知识资产沉淀演进。行业内如何使用AI提升研发效率的架构和工具层出不穷，从最初的辅助编程工具codex 、cloude code、cursor到现在的skills、harness工程方法论，研... 随着大模型、AI Agent、RAG、知识图谱等技术逐渐进入软件研发流程，软件测试正在从传统的“人工设计用例、人工执行测试、人工分析结果”，逐步向AI辅助测试设计、智能体驱动测试执行、大模型智能断言、测试知识资产沉淀演进。行业内如何使用AI提升研发效率的架构和工具层出不穷，从最初的辅助编程工具codex 、cloude code、cursor到现在的skills、harness工程方法论，研...
- 面向应届生的多语言SDK契约测试项目：基于OpenAPI生成Python/Java客户端，通过黄金向量验证序列化行为、错误码映射、重试逻辑与SSE流式取消一致性，聚焦“协议合规性”而非仅代码生成，体现深度测开能力。 面向应届生的多语言SDK契约测试项目：基于OpenAPI生成Python/Java客户端，通过黄金向量验证序列化行为、错误码映射、重试逻辑与SSE流式取消一致性，聚焦“协议合规性”而非仅代码生成，体现深度测开能力。
- 本文探讨AI代码评审稳定性：同一PR多次运行，Copilot Review屡现新问题。提出问题级召回率评测、语义不变变形测试等方法，强调按风险分层评审、追踪“Previously missed”指标，推动AI评审从“偶然发现”走向“稳定可靠”。 本文探讨AI代码评审稳定性：同一PR多次运行，Copilot Review屡现新问题。提出问题级召回率评测、语义不变变形测试等方法，强调按风险分层评审、追踪“Previously missed”指标，推动AI评审从“偶然发现”走向“稳定可靠”。
- GitHub于9月18日推出REST API管理代码覆盖率规则功能，支持配置最低覆盖率、最大允许下降幅度、例外及漂移检测。本文详解如何将质量门禁纳入IaC流程，强调基线与变化量双控、例外时效化、规则可测可审，并警惕“高覆盖率≠高测试质量”。 GitHub于9月18日推出REST API管理代码覆盖率规则功能，支持配置最低覆盖率、最大允许下降幅度、例外及漂移检测。本文详解如何将质量门禁纳入IaC流程，强调基线与变化量双控、例外时效化、规则可测可审，并警惕“高覆盖率≠高测试质量”。
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