- UI自动化常被ID变更、弹窗超时等“脏活”拖垮。11月4日公开课揭秘“决策模型”:专为自动化设计,输出结构化结果+校准概率,单步响应70–500ms,成本降80%。不写脚本即可驱动浏览器/App,候选元素增多仍精准点击(94%置信),且置信不足30%即停机——让AI真正可靠干活。 UI自动化常被ID变更、弹窗超时等“脏活”拖垮。11月4日公开课揭秘“决策模型”:专为自动化设计,输出结构化结果+校准概率,单步响应70–500ms,成本降80%。不写脚本即可驱动浏览器/App,候选元素增多仍精准点击(94%置信),且置信不足30%即停机——让AI真正可靠干活。
- Qoder团队案例揭示:Agent“点击成功”不等于界面真实响应。本文拆解“调用成功”与“操作成功”本质差异,提出行为断言、端到端验收、回归样本和人机责任边界四层实践,助力测试工程师从验证日志转向确认真实业务状态。 Qoder团队案例揭示:Agent“点击成功”不等于界面真实响应。本文拆解“调用成功”与“操作成功”本质差异,提出行为断言、端到端验收、回归样本和人机责任边界四层实践,助力测试工程师从验证日志转向确认真实业务状态。
- 本文解析Microsoft Research与CMU发布的CRBugBench代码审查Agent基准(2026年10月),厘清Benchmark结果与真实生产能力的边界,拆解漏报/误报、上下文局限及人机责任划分,并提供可复现的本地化验证路径:固定环境→历史PR回放→分层标注→影子观察→渐进上线。 本文解析Microsoft Research与CMU发布的CRBugBench代码审查Agent基准(2026年10月),厘清Benchmark结果与真实生产能力的边界,拆解漏报/误报、上下文局限及人机责任划分,并提供可复现的本地化验证路径:固定环境→历史PR回放→分层标注→影子观察→渐进上线。
- 接口回归“假绿”根因在于断言仅停留在请求侧(如路径、参数、状态码),未校验应用真实响应。本文揭示三类漏检事故,提出“全交易断言”——需同时验证:未鉴权请求 + 200状态 + HTML类型 + 业务特征命中。绿灯≠安全,真红才防住暴露。 接口回归“假绿”根因在于断言仅停留在请求侧(如路径、参数、状态码),未校验应用真实响应。本文揭示三类漏检事故,提出“全交易断言”——需同时验证:未鉴权请求 + 200状态 + HTML类型 + 业务特征命中。绿灯≠安全,真红才防住暴露。
- 当"上云"从一项专业技能变成一句自然语言指令,开发者和运维人员的手,终于可以从命令行里解放出来。华为云的答案是——Skills。 当"上云"从一项专业技能变成一句自然语言指令,开发者和运维人员的手,终于可以从命令行里解放出来。华为云的答案是——Skills。
- 面向2027届校招,本项目构建本地模拟商城的受限Browser Agent,聚焦工具白名单、状态机与Trace审计;通过数据库断言验证价格变化、库存不足等边界场景,确保仅生成待确认订单,杜绝支付等越权操作,具备可复现、可验证、可面试演示的工程实践价值。 面向2027届校招,本项目构建本地模拟商城的受限Browser Agent,聚焦工具白名单、状态机与Trace审计;通过数据库断言验证价格变化、库存不足等边界场景,确保仅生成待确认订单,杜绝支付等越权操作,具备可复现、可验证、可面试演示的工程实践价值。
- 摘要模型路由或Fallback切换会改变延迟、成本、工具调用和回答风格。本文用明确标注的业务推演给出分层对照实验,帮助团队避免只看平均分或单次输出。周五晚上的发布把默认模型切换成了更快的版本,普通问答看起来更顺畅。可退款、权限、医疗建议这类高风险问题,一旦路由到不同模型,工具选择和拒绝策略也可能发生变化。假设一款AI客服在主模型超时后自动Fallback到备用模型,测试团队不能只比较两次回... 摘要模型路由或Fallback切换会改变延迟、成本、工具调用和回答风格。本文用明确标注的业务推演给出分层对照实验,帮助团队避免只看平均分或单次输出。周五晚上的发布把默认模型切换成了更快的版本,普通问答看起来更顺畅。可退款、权限、医疗建议这类高风险问题,一旦路由到不同模型,工具选择和拒绝策略也可能发生变化。假设一款AI客服在主模型超时后自动Fallback到备用模型,测试团队不能只比较两次回...
- 本文基于SkillsBench研究,提出Skill的三层评测框架:静态校验(结构/安全)、轨迹评估(工具选择与流程合规)、配对任务(有/无Skill效果归因)。强调Skill变更常“静默失效”,需通过确定性验证器与分层证据支撑发布决策,避免以平均分掩盖风险。 本文基于SkillsBench研究,提出Skill的三层评测框架:静态校验(结构/安全)、轨迹评估(工具选择与流程合规)、配对任务(有/无Skill效果归因)。强调Skill变更常“静默失效”,需通过确定性验证器与分层证据支撑发布决策,避免以平均分掩盖风险。
- 本文基于SkillsBench研究,提出Skill的三层评测框架:静态校验(结构/安全)、轨迹评估(工具选择与流程合规)、配对任务(有/无Skill效果归因)。强调Skill变更常“静默失效”,需通过确定性验证器与分层证据支撑发布决策,避免以平均分掩盖风险。 本文基于SkillsBench研究,提出Skill的三层评测框架:静态校验(结构/安全)、轨迹评估(工具选择与流程合规)、配对任务(有/无Skill效果归因)。强调Skill变更常“静默失效”,需通过确定性验证器与分层证据支撑发布决策,避免以平均分掩盖风险。
- 10月底的GitHub Universe大会披露:9月单月Commit达74亿次、约为上年同期的5倍;今年累计新增400万个CPU核心与160PB存储;而90天可用性一度跌到约84%。三个数字,结论只有一句:当提交的验证成本趋近于零,提交必然泛滥,质量体系必须重新设计。 GitHub为什么突然紧急扩容?先把事件压成一张事实表:表之外有两点。其一,这不是从容的容量规划,而是被动追赶:4月月提交... 10月底的GitHub Universe大会披露:9月单月Commit达74亿次、约为上年同期的5倍;今年累计新增400万个CPU核心与160PB存储;而90天可用性一度跌到约84%。三个数字,结论只有一句:当提交的验证成本趋近于零,提交必然泛滥,质量体系必须重新设计。 GitHub为什么突然紧急扩容?先把事件压成一张事实表:表之外有两点。其一,这不是从容的容量规划,而是被动追赶:4月月提交...
- MIT CSAIL 让大模型直接读写神经网络权重,不重训、不用梯度,就把数学成绩从 7.9% 提到 48.1%。本文从 AI 测试视角拆三件事:不运行也能审计、最小改动胜过全量重跑、修掉障碍不等于补上能力,以及测试工程师下一步该往哪一级走。 一、我们实打实来看这组实验:八组实验可以压成三类事实,我只保留能迁移到质量工作的那部分。类别实验做了什么关键结果读权重四个结构、输入通道、动作空间完全相... MIT CSAIL 让大模型直接读写神经网络权重,不重训、不用梯度,就把数学成绩从 7.9% 提到 48.1%。本文从 AI 测试视角拆三件事:不运行也能审计、最小改动胜过全量重跑、修掉障碍不等于补上能力,以及测试工程师下一步该往哪一级走。 一、我们实打实来看这组实验:八组实验可以压成三类事实,我只保留能迁移到质量工作的那部分。类别实验做了什么关键结果读权重四个结构、输入通道、动作空间完全相...
- 做了五年以上测试,你可能已经很少害怕新需求了。支付、订单、权限、活动,换个业务名字,大致知道该从哪里下手。研发说“只改了一点”,你会追问影响范围;产品说“正常情况下不会发生”,你知道异常路径往往就藏在那里。这是经验。它有价值。但有一个问题,值得认真想一想:如果明天有人接走你的用例编写、脚本维护和回归执行,你还能凭什么参与项目最重要的决定?先别急着回答“业务理解”。业务理解不是一句自我评价。你... 做了五年以上测试,你可能已经很少害怕新需求了。支付、订单、权限、活动,换个业务名字,大致知道该从哪里下手。研发说“只改了一点”,你会追问影响范围;产品说“正常情况下不会发生”,你知道异常路径往往就藏在那里。这是经验。它有价值。但有一个问题,值得认真想一想:如果明天有人接走你的用例编写、脚本维护和回归执行,你还能凭什么参与项目最重要的决定?先别急着回答“业务理解”。业务理解不是一句自我评价。你...
- 上线前那版评估报告摊在桌上,两个候选智能体并排:同一个成交任务集,A 版成功率 0.71,B 版成功率 0.70,差一个点不到。评审问「选哪个」,有人指着 0.71 说它高一点,可这一栏就是全部依据——这正是过程感知评测要拦下来的场景。直到有人追一句「那它们各自是怎么做到这个数的」,会场没人接得住。做自动化测试出身的人对此最眼熟:给传统系统写报告,最怕只交一列通过率却不交过程。过程感知评测(... 上线前那版评估报告摊在桌上,两个候选智能体并排:同一个成交任务集,A 版成功率 0.71,B 版成功率 0.70,差一个点不到。评审问「选哪个」,有人指着 0.71 说它高一点,可这一栏就是全部依据——这正是过程感知评测要拦下来的场景。直到有人追一句「那它们各自是怎么做到这个数的」,会场没人接得住。做自动化测试出身的人对此最眼熟:给传统系统写报告,最怕只交一列通过率却不交过程。过程感知评测(...
- 摘要: GitHub单月提交量达到73.8亿次,AI Agent让代码生产加速,也把验证、审查和基础设施成本推向前台。提交更多,究竟有没有让软件交付更快?AI写代码越来越快,替这些代码收拾残局的系统,却未必跟得上。GitHub披露,2026年已新增400万CPU核心、160 PB高速存储。另一组官方数据更直观:2026年9月,开发者和Agent在GitHub上产生了73.8亿次Commit,... 摘要: GitHub单月提交量达到73.8亿次,AI Agent让代码生产加速,也把验证、审查和基础设施成本推向前台。提交更多,究竟有没有让软件交付更快?AI写代码越来越快,替这些代码收拾残局的系统,却未必跟得上。GitHub披露,2026年已新增400万CPU核心、160 PB高速存储。另一组官方数据更直观:2026年9月,开发者和Agent在GitHub上产生了73.8亿次Commit,...
- 本文探讨MCP服务中细粒度身份权限如何精确控制到单个操作(如“创建PR但禁止合并”),强调权限必须由服务端强制执行、不可被提示词绕过;提出授权测试矩阵、身份生命周期验证、审计可追溯性等实践方法,助力构建可审计、可回放、不可旁路的AI工具权限体系。 本文探讨MCP服务中细粒度身份权限如何精确控制到单个操作(如“创建PR但禁止合并”),强调权限必须由服务端强制执行、不可被提示词绕过;提出授权测试矩阵、身份生命周期验证、审计可追溯性等实践方法,助力构建可审计、可回放、不可旁路的AI工具权限体系。
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