发布评估会上，两份自动化测试报告并排投在幕布上，前后都是全绿。争论点在一张表格用例：升级前一版绿，升级后一版也绿，可测试开发把两次的断言日志逐条摊开，发现它们验...

摘要：Anthropic 的 7 人团队借助 Claude Agent，5 个月自研版本控制系统 Scion，用来应对 AI 编码 Agent 带来海量代码提交...

摘要： AI 生成测试用例越来越方便，但用例写出来以后，谁来检查需求覆盖、边界遗漏和预期结果？腾讯 WorkBuddy 支持通过 Skills 封装可复用的工作...

摘要：Microsoft公开的Agent Experience方法指出，Agent生成旧SDK、过时认证方式或错误脚手架，并不总是模型本身的问题。测试团队要沿着...

摘要： 腾讯 WorkBuddy 能理解需求、拆解任务，还能协助生成测试用例。但对软件测试新人来说，真正值得学习的不是让 AI 一次生成多少条用例，而是如何分析...

做过 UI 自动化测试的朋友，可能都遇到过这样的情况，明明之前运行正常的测试，页面稍微调整一下就失败了。有时候什么都没改，重新运行一次又成功了。

摘要：从LangSmith官方文档对Jev决策模型评测器的定义出发，说明它适合什么、不适合什么以及怎样校准。

摘要：从Cloudflare沙箱快照机制出发，建立仓库、依赖、工具、数据和网络一致的Agent评测环境。

摘要：基于Google公开的夜间自主优化实践，设计候选变更、独立验证与人工发布五道门禁。

摘要：基于Stripe公开的Machine Payments Protocol机制，拆解Agent从询价、授权到支付和交付的完整状态机，重点验证金额、对象、次数...

LangChain在公开的Agent开发生命周期文章中明确提出：生产Trace、用户负反馈和人工修订，应回流为下一轮离线评测数据；对敏感或不可逆动作，还应设置人...

Agent为了修一个单测，先读取仓库，再安装依赖，接着访问网络查询报错。任务最后完成了，测试却发现它顺手扫描了用户目录里的配置文件。没有数据泄漏告警，也没有命令...

摘要：以企业支付SDK为场景，拆解Coding Agent的知识、工具、环境和评测缺口，给出可执行的补丁验收闭环。需求只有一句：“接入公司支付SDK，新增退款接...

摘要：结合美团31万行AI重构公开实践，讨论AI Coding加速后测试岗位为什么要从执行回归转向定义高风险边界、证据和质量门禁。

摘要：以Playwright MCP的可访问性快照为基础，设计一个本地商城Browser Agent项目，覆盖页面变化、隐藏指令、权限边界和行为回归。

摘要：围绕Google最新统一工作Agent的公开能力，使用采购申请场景拆解跨应用身份、上下文、审批、副作用和长时间运行测试。

摘要：从近期决策模型Jev切入，拆解“只输出概率”的AI质检器为什么仍会产生高置信误判，并给出数据集、阈值、校准、漂移和CI门禁的完整测试方法。

AI Coding 正在改变软件研发与测试的工作方式。当大量代码由 AI 辅助生成，工程规范不统一、代码审查压力增加、测试覆盖不足等问题也更加突出。本文结合一项...

摘要 DeepSeek Harness 0.2的测试重点，不是新增功能能不能点开，而是发行组合、历史会话、多Agent状态、执行环境、工具协议、桌面端安全和工程...