墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
3k累计阅读
3k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
【企业管理】【管理科学】企业全岗位综合运营与组织知识矩阵体系02 销售BG（2）
3. 设定BG级KPI（收入、利润、份额）
回归自动化测试
采用瀑布模型开发软件项目
软件驱动汽车变革
本文探讨软件如何重塑汽车领域，以TomTom为例，分析其从硬件转向软件服务的战略转型。通过模块化、质量提升和敏捷开发，大幅降低项目成本与周期时间。随着连接性、自动驾驶和云服务的发展，软件正成为汽车创新的核心驱动力。
【软件测试】自动化测试-概念篇
自动的代替人的行完成操作。自动化在生活中处处可见自动洒水自机，主要通上水就可以自动化洒水并且可以自动的旋转。自动洗手液，免去了手动挤压可以自动感应出洗手液超市自动闸门，不需要手动的开自关门生活中的。软件中的自动化测试也是如此，通过自动化测试有效减少人力的消耗的同时也提高了测试的质量和效率（因为人工测试结果是不可控的）。自动化的主要目的就是用来进行回归测试。回归测试是什么要讲到位。
【YOLO】Mask Proto分支理解
Mask Proto分支通过解耦全局原型与实例参数，在保持YOLO实时性的同时实现精准分割。其技术核心在于利用多尺度特征生成可组合的原型，结合动态系数适应不同目标形态。未来可进一步融合Transformer的注意力机制，增强对复杂场景的建模能力。
基于DRU-HVDC的构网型海上风电场环流机理仿真复现
本文介绍了基于DRU-HVDC的构网型海上风电场环流机理仿真模型的构建方法。主要内容包括： 完整的Simulink模型结构，包含主模型文件GFM_DRU_Main.slx和配置脚本GFM_DRU_Setup.m 系统参数设置，包括基础频率(20Hz)、电压基准值(690V)、功率基准值(2MVA)等 四种仿真场景配置：电压不平衡、相位不平衡、阻抗不平衡和频率不平衡 风力发电机(WT)子系统的详细构建步骤，包含电压源、输出阻抗和测量模块 变压器和DRU整流器的参数设置 该模型可用于研究构网型风电场的环流机理。
游戏测试 —— 超越QA的常规：我们如何自动化回归测试！
以下为作者观点：QA测试工作并不单调乏味，它是一项创造性的工作，蕴含着丰富的机会。公平地说，它也有枯燥乏味的一面--回归（regression）。因此，我们决定将回归测试自动化，具体方法如下。
Qt(C++)使用QChart动态显示3个设备的温度变化曲线
Qt的QChart是一个用于绘制图表和可视化数据的类。提供了一个灵活的、可扩展的、跨平台的图表绘制解决方案，可以用于各种应用程序，如数据分析、科学计算、金融交易等。
什么是回归测试自动化？
在软件测试中回归测试的目的是为了验证缺陷得到了正确的修复，同时对系统的变更没有影响以前的功能，回归测试可以发生在任何一个阶段，包括单元测试，集成测试和系统测试。那么什么是回归测试自动化呢？接下来我们就来详细了解一下。
Openclaw错误分析与解决方案之:Agent couldn‘t generate a response. Please try again.
Openclaw错误分析与解决方案:Agent couldn't generate a response. Please try again.
【Bug已解决】npm install -g @anthropic-ai/claude-code 出现 EACCES: permission denied 解决方案
方案适用场景推荐指数nvm 管理 Node长期开发环境，一次配置永久生效⭐⭐⭐⭐⭐修改 npm 全局目录不想引入 nvm，快速解决⭐⭐⭐⭐修复现有目录权限之前用过 sudo 装包，需要修复⭐⭐⭐Windows 管理员/改目录Windows 平台专用⭐⭐⭐⭐官方原生安装脚本想彻底避开 npm 权限问题⭐⭐⭐⭐报的本质是npm 全局安装目录的属主权限与当前执行用户不匹配，而不是 npm 或 Claude Code 本身有问题。不要用sudo"强行"解决。
从一则笑话看需求分析：Bug定位与修复的实战经验及大型项目测试策略设计
从一则笑话出发，我们探讨了需求分析的重要性，分享了Bug定位与修复的实战经验，并讨论了大型项目测试策略的设计。在软件开发中，需求分析是项目成功的关键，Bug定位与修复是确保系统质量的重要环节，而测试策略的设计则是提高开发效率和系统稳定性的保障。通过本文的探讨，希望读者能够深入理解需求分析、Bug定位与修复以及测试策略设计的重要性，并在实际工作中应用这些知识，提高软件开发的效率和质量。“嗯，如果您的回答没有骗人，”学生满怀信心地回答，“打死的鸟要是挂在树上没掉下来，那么就剩一只，如果掉下来，就一只不剩。
海思3403烧结、复用及mic输入
3403调试的第一步是版本烧结，版本烧结经常遇到问题，本文记录总结遇到的各种问题。
软件测试 V/W/H 模型对比：3种经典测试流程的适用场景与实战选择
本文深入对比了软件测试中V、W、H三种经典模型的适用场景与实战选择，帮助测试人员根据项目需求、团队成熟度和工具自动化程度做出最优决策。V模型适合需求稳定的传统项目，W模型强调预防性测试，H模型则适配敏捷开发环境。文章还提供了模型组合策略和效能优化技巧，助力提升软件测试效率和质量。
23、工业物流中的多智能体路径规划与碰撞处理策略
本文探讨了工业4.0背景下工业物流中的多智能体路径规划（MAPF）与碰撞处理策略。分析了自动导引车（AGV）等移动资源的应用现状，综述了主流路径规划算法如A*、D*Lite、M*等，以及集中式与分布式碰撞检测方法。重点比较了五种碰撞避免策略：路径交叉、优先级、起始时间调整、无交叉路径和速度调整，提出了基于环境条件的策略选择流程，并通过流程图展示了评估、组合、测试与优化的全过程。文章强调应根据订单不确定性、时间约束、优先级和生产组织等因素综合选择或组合策略，以提升物流效率与系统可靠性。
YOLOv11 改进 - Mamba | 集成Mamba-YOLO（AAAI 2025），Mamba-YOLOv11-B 替换骨干，破解全局依赖建模难题，实现高效实时检测
本文介绍Mamba YOLO，为图片物体识别提供了“又快又准”的新方案。传统CNN架构运行快但难以捕捉远距离关联物体，Transformer架构精度高但计算量呈平方级增长，而SSM虽计算量为线性级且能抓全局关联，但用于图片识别时细节定位不准。为此，Mamba YOLO做了三项关键优化：引入ODMamba骨干网络，解决自注意力的二次复杂度问题，且无需预训练；设计ODMamba宏观结构确定最佳阶段比例和缩放大小；采用多分支结构的RG块建模通道维度，解决SSM在序列建模中的不足。在COCO数据集测试中，其小版本推
Agent Harness自动化演化：基于进化算法提升LLM智能体性能与泛化能力
在大型语言模型（LLM）驱动的智能体（Agent）开发中，如何构建稳定、高效的控制中枢（Harness）是关键挑战。其核心原理在于设计一个连接智能体“大脑”与外部工具的协调系统，通过规划、工具调用与反馈处理来完成复杂任务。这一技术的核心价值在于提升智能体的任务成功率与执行效率，尤其在软件工程自动化等场景中至关重要。当前，多智能体服务领域正重点关注延迟与性能感知优化，例如通过类似“chimera”的系统架构来管理异构LLM环境下的资源分配与协同。HarnessCompass项目正是基于这一背景，提出了一套自动
老版QQ原生表情gif动态
这是老版的QQ表情，不过全是动态的的，Windows照片查看器是不会动的，可以右击用浏览器打开查看，再说一遍是老版的，只是分享给宁愿用老版也要动态的人。
从SpaceX与中国航天看技术路径：颠覆式创新与体系化建设的工程启示
在航天工程领域，可重复使用火箭与太空基础设施代表了两种不同的技术发展逻辑。前者基于第一性原理，通过垂直整合与快速迭代实现单点突破，核心在于降低进入太空的成本；后者则遵循系统工程思维，强调可靠性、模块化与长期服务能力，致力于构建可持续的太空存在平台。这种分野映射到软件工程与系统架构中，体现为追求颠覆性技术突破与构建稳定可扩展平台之间的选择。理解敏捷迭代与体系化建设的不同适用场景，有助于在技术选型与架构设计时平衡创新与稳健。本文通过对比SpaceX的‘成本颠覆’与中国航天的‘常态构建’，探讨了在复杂系统开发中如
温度PID控制PLC程序
温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值
汉书HE8，好用的汇编代码编写工具
汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大
战略敏捷：从概念到实践，打造团队在不确定性中的导航能力
在快速变化的商业与技术环境中，传统的长期静态规划模式常常失效，组织需要一种新的系统能力来应对不确定性。战略敏捷（Strategic Agility）正是这样一种能力，它并非简单的快速反应，而是一套融合了信息感知、决策优化与快速学习的系统性方法论。其核心原理在于，将团队视为一个能够持续感知环境、解读信号、设计实验并动态调适的智能系统，而非机械的执行单元。从技术价值看，它通过建立高效的反馈闭环和实验文化，将大的、未知的风险转化为小的、可管理的挑战，从而提升决策质量与资源利用效率。这一理念与敏捷开发、DevOps
自动化回归测试工具—— AREX 上手实践
这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！
回归测试中的自动化与手动测试平衡
通过合理地利用自动化测试的高效性和手动测试的灵活性，测试团队能够在保证软件质量的同时，提高测试的效率与可维护性。随着软件的不断迭代和新功能的加入，回归测试的复杂性也不断增加。随着软件的稳定和版本的逐步成熟，测试团队可以逐步增加自动化测试的覆盖范围，尤其是对于那些经常变动的功能，通过自动化减少手动测试的工作量，同时提高回归测试的执行频率和覆盖率。覆盖面广泛：手动测试不仅能够验证软件的功能，还能通过测试人员的直觉和经验，发现一些自动化脚本难以捕捉的问题，例如UI设计上的不合理之处或复杂交互中的潜在问题。
回归测试概念和4种回归测试策略——你想知道的都在这里啦！
全面回归测试的优点是对所有功能进行验证，尽最大可能保证系统没有问题，但是这样同样带来一个很重要的问题，就是如果进行全面回归测试，那么测试的成本就会大大提高，并且从测试心理学角度来说，测试工程师是不可能全面回归测试的，即使给你足够的测试时间，也不可能全面回归。但是当我们进行全面回归测试时，由于时间成本和测试心态变化的因素，其实我们是无法保证有能力全面回归测试的，这个时候就可以使用自动化测试工具来代替我们手工回归测试，这样既可以解决测试成本的问题，又可以解决测试过程中测试工程师的心态问题。
自动化回归测试｜如何测试你的测试？
关于测试框架本身造成的部分测试不稳定的观察已经得到了另一个证实。最近在测试脆弱性领域的一个项目导致了新的内部端到端测试框架的开发，这使得编写不可靠的测试变得极其困难，并且其本身几乎不会造成脆弱性。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
549
扫一扫
