- 本文揭示AI模型评测中厂商发布页数字“悄然变动”的行业风险，指出依赖截图引用的脆弱性。提出“留痕+复现”双轨实践：用哈希快照捕获变更，以可复现评测替代被动采信。强调差异即信号，需优先对齐口径而非质疑真假。核心主张：测试结论必须锚定在自己能重跑、可追溯、有置信区间的证据上。 本文揭示AI模型评测中厂商发布页数字“悄然变动”的行业风险，指出依赖截图引用的脆弱性。提出“留痕+复现”双轨实践：用哈希快照捕获变更，以可复现评测替代被动采信。强调差异即信号，需优先对齐口径而非质疑真假。核心主张：测试结论必须锚定在自己能重跑、可追溯、有置信区间的证据上。
- 上线评审会开到第二十分钟，卡在同一个问题上：这个智能体到底能不能上线。产品说演示很顺；算法说场景集通过率不错；安全说没报漏洞；运维说回滚预案写好了；业务负责人最后只问了一句『你们谁敢签字』，五个人给出了五种『通过』的定义。散会你回到工位翻测试计划，发现那五种定义合起来其实是九个字：功能、性能、安全。这不是谁偷懒，是我们最熟练的那套三板斧——而它在智能体身上少了两块板。九月中旬的一条行业消息，... 上线评审会开到第二十分钟，卡在同一个问题上：这个智能体到底能不能上线。产品说演示很顺；算法说场景集通过率不错；安全说没报漏洞；运维说回滚预案写好了；业务负责人最后只问了一句『你们谁敢签字』，五个人给出了五种『通过』的定义。散会你回到工位翻测试计划，发现那五种定义合起来其实是九个字：功能、性能、安全。这不是谁偷懒，是我们最熟练的那套三板斧——而它在智能体身上少了两块板。九月中旬的一条行业消息，...
- AI Agent自进化不是让模型“自学成才”，而是构建工程化闭环：评测发现问题→沉淀经验→更新Prompt/Skill→回归验证→灰度发布→反馈回流。核心在于Harness层（Prompt、Skill、Memory等）的持续优化，需借鉴CI/CD、自动化测试、Trace分析等软件工程实践，实现可验证、可回滚、可管控的真正持续改进。 AI Agent自进化不是让模型“自学成才”，而是构建工程化闭环：评测发现问题→沉淀经验→更新Prompt/Skill→回归验证→灰度发布→反馈回流。核心在于Harness层（Prompt、Skill、Memory等）的持续优化，需借鉴CI/CD、自动化测试、Trace分析等软件工程实践，实现可验证、可回滚、可管控的真正持续改进。
- 本文揭示AI Agent测试的核心挑战：接口正常≠业务正确。以“退款退错”为例，指出Agent路径错误（如猜订单号、越界重试）比接口失败更危险。提出用Trace断言验证调用顺序、参数来源、归属校验与停止条件，并强调回归测试需沉淀真实坏轨迹，实现从结果验证到行为可控的升级。 本文揭示AI Agent测试的核心挑战：接口正常≠业务正确。以“退款退错”为例，指出Agent路径错误（如猜订单号、越界重试）比接口失败更危险。提出用Trace断言验证调用顺序、参数来源、归属校验与停止条件，并强调回归测试需沉淀真实坏轨迹，实现从结果验证到行为可控的升级。
- 本文介绍如何将Kev——一种类型化决策AI模型——作为可测试服务进行验证。它不生成文本，而是针对结构化问题（noul/choice/score）返回概率化答案。重点在于：建立本地HTTP服务、编写接口契约测试、验证多题隔离与选项顺序稳定性、开展概率校准，并构建可回归的冻结样本集。核心理念：把AI当被测对象，而非黑盒顾问。 本文介绍如何将Kev——一种类型化决策AI模型——作为可测试服务进行验证。它不生成文本，而是针对结构化问题（noul/choice/score）返回概率化答案。重点在于：建立本地HTTP服务、编写接口契约测试、验证多题隔离与选项顺序稳定性、开展概率校准，并构建可回归的冻结样本集。核心理念：把AI当被测对象，而非黑盒顾问。
- 🎥 视频号、B站、昇腾社区多平台同步直播🎁 戳链接参与互动，赢惊喜定制好礼👉 issue链接：【2026CANN训练营第二季】观看直播参与直播答题互动赢定制冲锋衣、背包！【9.29】-cann-learning-hub-AtomGit📲 关注【昇腾CANN】视频号，锁定最新直播信息，干货福利不错过！📎2026年CANN训练营第二季报名页链接：2026昇腾CANN训练营-昇腾社区 🎥 视频号、B站、昇腾社区多平台同步直播🎁 戳链接参与互动，赢惊喜定制好礼👉 issue链接：【2026CANN训练营第二季】观看直播参与直播答题互动赢定制冲锋衣、背包！【9.29】-cann-learning-hub-AtomGit📲 关注【昇腾CANN】视频号，锁定最新直播信息，干货福利不错过！📎2026年CANN训练营第二季报名页链接：2026昇腾CANN训练营-昇腾社区
- 面试官问了一句：「一个下单接口，超时和重试你怎么测？」你几乎没犹豫：「设一个超时时间，超了就报错。」面试官点点头，紧接着追问：「那你怎么在测试里造出『超时』这个场景？超时之后客户端和服务端各自发生了什么？如果客户端自动重试，会不会导致用户被重复下单？」——到这儿，很多人就卡住了。这道题几乎每场测试岗面试都会以某种形式出现。它考的从来不是「你知不知道有超时这回事」，而是你能不能把超时、重试、幂... 面试官问了一句：「一个下单接口，超时和重试你怎么测？」你几乎没犹豫：「设一个超时时间，超了就报错。」面试官点点头，紧接着追问：「那你怎么在测试里造出『超时』这个场景？超时之后客户端和服务端各自发生了什么？如果客户端自动重试，会不会导致用户被重复下单？」——到这儿，很多人就卡住了。这道题几乎每场测试岗面试都会以某种形式出现。它考的从来不是「你知不知道有超时这回事」，而是你能不能把超时、重试、幂...
- 前言最近在搭本地 AI 编码环境的时候，碰到了一个非常典型的「反差感」问题：同样是跑本地 Ollama 部署的 Llama 3.1 8B 模型，用命令行直接跑、curl 调 API、甚至用 Continue 插件，都是秒出结果，首 token 基本 1~2 秒就能出来；但唯独在 VSCode 里用 Roo Code 的时候，慢得离谱，经常要等十几秒才开始响应，长对话更是卡到没法用。一开始我... 前言最近在搭本地 AI 编码环境的时候，碰到了一个非常典型的「反差感」问题：同样是跑本地 Ollama 部署的 Llama 3.1 8B 模型，用命令行直接跑、curl 调 API、甚至用 Continue 插件，都是秒出结果，首 token 基本 1~2 秒就能出来；但唯独在 VSCode 里用 Roo Code 的时候，慢得离谱，经常要等十几秒才开始响应，长对话更是卡到没法用。一开始我...
- 评审会上把质量报告投出来。总监三秒划到最后一行：『所以能不能上？』开发盯着自己模块那三条红，其余一眼不看。测试同行从头核对附录里的分母和区间，眉头越皱越紧。三类人读的是同一份文档，问的却是三个完全不同的问题——而你只准备了一份答案。这份报告大概率会收获一串『收到』。低回应率不是因为你数据不全，恰恰相反，是因为你把一份报告当成了面向所有人的通用件。 为什么你的报告只换来一堆『收到』一份为所有读... 评审会上把质量报告投出来。总监三秒划到最后一行：『所以能不能上？』开发盯着自己模块那三条红，其余一眼不看。测试同行从头核对附录里的分母和区间，眉头越皱越紧。三类人读的是同一份文档，问的却是三个完全不同的问题——而你只准备了一份答案。这份报告大概率会收获一串『收到』。低回应率不是因为你数据不全，恰恰相反，是因为你把一份报告当成了面向所有人的通用件。 为什么你的报告只换来一堆『收到』一份为所有读...
- 本文提出AI质量报告的可复现性设计：通过模型、prompt、数据集、随机种子、运行标识五要素脚注，确保每条结论自带“配方”。纯标准库实现自动采集、校验与标注，杜绝配置漂移导致的误判，让报告从备忘录升级为可验证证据。 本文提出AI质量报告的可复现性设计：通过模型、prompt、数据集、随机种子、运行标识五要素脚注，确保每条结论自带“配方”。纯标准库实现自动采集、校验与标注，杜绝配置漂移导致的误判，让报告从备忘录升级为可验证证据。
- 本文揭示覆盖率的三大分母陷阱：行覆盖易被生成代码虚高，分支覆盖难捕业务组合逻辑，需求覆盖最真实却常被省略。提出“三层分母并列报告”法——剔除样板重算行覆盖、按真值表补全分支用例、绑定需求条目审计覆盖，让93.4%不再掩盖81.0%的窟窿，让复盘从归因转向可对账。 本文揭示覆盖率的三大分母陷阱：行覆盖易被生成代码虚高，分支覆盖难捕业务组合逻辑，需求覆盖最真实却常被省略。提出“三层分母并列报告”法——剔除样板重算行覆盖、按真值表补全分支用例、绑定需求条目审计覆盖，让93.4%不再掩盖81.0%的窟窿，让复盘从归因转向可对账。
- arxiv 在 2026-09-09 挂出一篇论文：《Big Enough to Break Out: Tracking the Rising Capability of LLM Penetration-Testing Agents》（arxiv 2609.10780）。它的对比实验表面上是一个标准的「新模型更强」故事：旧版基于 PentestGPT 的人在环系统（跑开源权重 Kimi K2... arxiv 在 2026-09-09 挂出一篇论文：《Big Enough to Break Out: Tracking the Rising Capability of LLM Penetration-Testing Agents》（arxiv 2609.10780）。它的对比实验表面上是一个标准的「新模型更强」故事：旧版基于 PentestGPT 的人在环系统（跑开源权重 Kimi K2...
- Python Elasticsearch全文检索实战 引言在信息爆炸的时代，如何让用户快速找到所需内容是每个应用面临的核心挑战。电商平台的商品搜索、文档站点的知识检索、日志系统的全文分析——这些场景都需要强大的全文检索引擎支撑。Elasticsearch作为基于Lucene构建的分布式搜索和分析引擎，以其近实时的搜索性能、丰富的查询DSL、强大的聚合分析能力和水平扩展能力，成为全文检索领域... Python Elasticsearch全文检索实战 引言在信息爆炸的时代，如何让用户快速找到所需内容是每个应用面临的核心挑战。电商平台的商品搜索、文档站点的知识检索、日志系统的全文分析——这些场景都需要强大的全文检索引擎支撑。Elasticsearch作为基于Lucene构建的分布式搜索和分析引擎，以其近实时的搜索性能、丰富的查询DSL、强大的聚合分析能力和水平扩展能力，成为全文检索领域...
- 说好"十个工作日内完成"，到底是哪天？手翻日历太蠢。这篇用 Python 写个计算工作日的函数：datetime 逐日遍历、怎么跳过周末、为什么国内的节假日和调休必须靠外部数据而不能自己推，以及那些"看着对其实差一天"的边界情况。 说好"十个工作日内完成"，到底是哪天？手翻日历太蠢。这篇用 Python 写个计算工作日的函数：datetime 逐日遍历、怎么跳过周末、为什么国内的节假日和调休必须靠外部数据而不能自己推，以及那些"看着对其实差一天"的边界情况。
- 🎥 视频号、B站、昇腾社区多平台同步直播🎁 戳链接参与互动，赢惊喜定制好礼👉 issue链接：【2026CANN训练营第二季】观看直播参与直播答题互动赢定制冲锋衣、背包！【9.29】-cann-learning-hub-AtomGit📲 关注【昇腾CANN】视频号，锁定最新直播信息，干货福利不错过！📎2026年CANN训练营第二季报名页链接：2026昇腾CANN训练营-昇腾社区 🎥 视频号、B站、昇腾社区多平台同步直播🎁 戳链接参与互动，赢惊喜定制好礼👉 issue链接：【2026CANN训练营第二季】观看直播参与直播答题互动赢定制冲锋衣、背包！【9.29】-cann-learning-hub-AtomGit📲 关注【昇腾CANN】视频号，锁定最新直播信息，干货福利不错过！📎2026年CANN训练营第二季报名页链接：2026昇腾CANN训练营-昇腾社区
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