- 博客(117)
- 收藏
- 关注
RSS订阅原创 Agent 评测到底怎么做？我从一条真实需求里跑通了完整链路
本文分享了在Agent能力测试中从普通功能测试向可复现、可归因的Agent Evaluation转型的实践。针对自然语言操作Dashboard卡片场景，提出“测试准入”机制，明确6项最小条件：入口可用、账号状态一致、状态可读取、数据可验证、异步信号可靠、失败可恢复。强调通过“GoldenCase”验证整条链路，构建Controllability、Observability、Judgeability三要素。
2026-09-21 18:49:17
285
原创 Agentic Coding 协作指南：什么时候探索、规划、执行与持续推进
Agentic Coding 可以理解为：人明确目标、边界和验收，Agent 使用工具探索代码、实施改动、读取运行结果并继续修正，人根据证据引导和检查。先验证正确输入应过、错误输入应失败，再实现。有一组相互关联的工作需要持续执行，目标与验收稳定，环境和反馈可用，希望 Agent 在检查点之间自行推进。按已确认口径拆分目标和预计时长，更新 Generator、解析及断言，补正常和应失败反例，跑相关回归，把问题、改法和证据写回原文档。核对原始输出、工具观察、Prompt 和断言，先定位漏检与错误声明的依据。
2026-09-18 11:39:35
217
原创 从零散使用 AI，到可复用工作流：怎样一步步改进整个工作流
制造业流水线提供了一个直观比喻：工作对象在不同岗位间流转，每个岗位接收上一站的成果，完成自己的处理，再交给下一站。这个比喻帮助我们看到交接，但知识工作会遇到需求变化、评审退回和新问题，不能只画一条从左到右的直线。研究新案例时可以问：原来怎样做，重构后实际改变了什么，依赖哪些条件，人还在哪里投入，异常怎样处理，证据如何保存，周期、质量和复核成本如何变化？从需求原文、评审意见、场景、执行材料和报告，还原当时的经过。候选可能是需求变更影响分析、评审意见同步、场景到请求数据的映射，也可能是执行结果到报告的整理。
2026-09-18 11:36:26
180
原创 AI 应用要过审，那几千条安全测试用例从哪来
合规要求会变。附件已经从第 1 期出到第 13 期，每两个月一期；法规也在持续叠加。任何具体的数字、清单、阈值，都要以官方最新发布为准，我这篇里引的也一样。先枚举风险类型，再从三个方向推导用例，用覆盖矩阵验收，而不是用条数验收。这个推导方式，换个行业能用，换个版本也能用。至于那几千条用例从哪来——它们不是写出来的，是推出来的。注：本文引用的备案数据与政策表述来自国家网信办官网公开公告，写作时以最新一期为准。文中不涉及任何具体项目的用例内容、风险分类或测试结果。
2026-09-17 16:45:55
103
原创 AI Evaluation Engineer 的 AI 使用能力模型
我们需根据用户要求，基于给定内容生成摘要≤150字。内容是关于AI测评工程师能力层级的讨论，分L1到L5。摘要需概括核心要点。注意字数限制。可以用简洁语言。还要以“根据以下内容，生成≤150字的文章摘要”为指令。我们应直接输出摘要。AI评测工程师的AI能力分五级：L1使用AI工具，区分度低；L2用AI完成独立评测任务；L3让AI进入完整评测工作流，具简历价值；L4用AI发现失败模式与评测规律；L5将数据集、评分、回归沉淀为可持续运行的评测系统。
2026-09-09 09:44:13
160
原创 AI 时代，测试工程师到底怎么描述自己的 AI 使用能力？
优先写：自动化脚本测试框架测试工具CI/CD测试规则回归资产可复用 Workflow如果确实有真实数据，再写效率。不要为了显得厉害就随便写：效率提升 50%。以前大家喜欢写：也就是：AI 熟练度。Leverage，本意是杠杆。你能通过 AI 放大多少自己的工程产出。所以未来真正拉开差距的，可能不是：谁知道更多 AI 工具。而是：谁能给 AI 更好的 Context；谁能把 AI 接进更完整的 Workflow；谁能更可靠地验证 AI 输出；
2026-09-06 21:51:50
317
原创 AI 时代，软件测试除了生成用例和自动化脚本，还能做什么？
AI 对传统测试真正有意思的地方，我觉得并不是：AI 会不会把测试工程师替代掉。这个问题现在讨论意义没那么大。以前一个测试工程师需要自己完成的需求理解、影响分析、测试设计、脚本开发、失败定位和结果整理，现在有哪些环节可以让 AI 一起参与？如果只是：ChatGPT → 生成 Case很快就会发现没什么东西可讲。需求、Repo、Code Diff、接口、Log、历史 Case、项目规则AI 处理 → 实际执行 → 人工验证 → 错误反馈 → 再迭代这时候 AI 才真正开始进入软件测试的工作流。
2026-09-06 21:22:15
311
原创 Agent评测全流程实战——从需求到断言到自动化的迭代流程
这篇文章针对AI测试工程师（尤其是传统测试转型者）提供了一套可复用的Agent评测实战流程框架。核心解决评测过程中流程模糊、效率低下的问题，包含5个关键阶段：1.需求熟悉阶段需特别关注配置驱动的行为和多region差异；2.场景梳理采用传统用例设计方法，重点处理自然语言意图的模糊性；3.断言设计采用三层结构（链路/结构/业务层），根据类型制定松紧度标准；4.脚本生成采用分层防幻觉方法；5.通过率需提前定义规则，并建立BadCase闭环机制。
2026-08-14 10:25:02
439
原创 AI算法评测组的独立价值在哪？——从健身动作识别/纠正项目复盘五层评测能力模型 ＞ 算法组的KR是”准确率达标”，评测组的KR到底算啥？本文从一个真实CV项目出发，梳理评测组独立于算法组的五层价
算法准确率是算法的KR，评测组的独立价值在哪？层级核心问题评测组的独立价值评测集/数据集用什么数据来考？覆盖度、代表性、版本化判定器可靠性怎么判定对不对？口径正确性、可复现性平台化/可回归能不能自动跑？评测基础设施多维评测设计看哪些维度？多维能力地图Bad Case闭环线上怎么兜住？持续改进闭环算法组负责让模型跑出好的分数，评测组负责让”分数”这件事本身可信、可复现、可持续改进。这是两件不同的事，也是评测组存在的理由。
2026-08-14 09:52:53
191
原创 AI Agent 评测的通过率，到底应该怎么算？
产品问通过率多少，我说 80%，他说怎么这么低。我说其实核心功能没坏，主要是大模型 Judge 判了很多 FAIL。他说那到底能不能上？我答不上来。因为 80% 这个数字，把功能错误、语义质量、Judge 误判、环境异常全塞在一起，它已经失真了——产品看到的是"20% 坏了"，事实是"核心业务可能只坏了 3%"。 这篇讲的就是：怎么让通过率重新变成一个能支撑决策的数字。
2026-08-13 16:50:50
324
原创 AI Agent 评测最难的不是写数据集和 Case，而是先搞清楚什么能断言
文章摘要：作者通过两个AIAgent评测项目的实践，总结出AI测试的核心挑战在于如何定义"正确"标准。传统测试依赖明确输入输出，而AIAgent的"合理性"判断需要分层处理：1）用户可见的基础功能必须正确（硬性规则）；2）用户明确需求需满足（可观测字段判断）；3）质量优化部分才用LLM Judge。关键启示是应从终端用户体验反推测试标准，保存原始执行数据实现评测解耦，避免过度依赖Judge导致通过率失真。AI测试的本质是将模糊需求转化为可验证标准的能力。
2026-08-13 16:07:13
396
原创 测试工程师用 AI，提效是最浅的一层
摘要： 面试中回答“如何用AI提效”时，多数人强调生成用例、写脚本等执行层效率提升，但这恰恰暴露了自身的可替代性。真正的价值在于三层进阶： 提效（浅层）：AI加速执行，但仅此会加速被替代； 能力放大（中层）：将判断力固化为规则，AI批量执行，使个人覆盖原需团队的工作（如评测体系规模化）； 捅破天花板（深层）：用AI完成原无法独立完成的事（如从0建立评测标准、反向推动需求清晰化）。 关键点： 判断力是核心：AI无法替代业务逻辑、需求定义等深度判断，缺乏判断的AI输出易成“幻觉”。
2026-08-13 15:53:19
356
原创 AI Agent 评测最隐蔽的坑-记忆
文章摘要：本文揭示了AI Agent测试中一个隐蔽问题——系统记忆对测试结果的潜在污染。作者通过实际案例说明，即使精确控制输入参数，Agent系统中的长期记忆（用户画像）和短期记忆（对话历史）仍会作为隐藏输入影响输出，导致测试结果不可复现。这种记忆污染具有累积性，会跨测试套件传播，使断言失效。解决方案包括：每条用例前验证清空记忆、隔离测试账号、建立失败熔断机制。文章指出Agent测试的核心挑战在于输入的不完全可控性，强调控制"系统隐式输入"比编写断言更重要，这是确保测试有效性的前提条件。
2026-08-11 19:41:10
320
原创 AI 生成的测试脚本为什么全是幻觉？一次踩坑复
摘要： AI生成测试脚本时出现幻觉问题，根源在于跳过业务事实、期望声明、数据边界和验证标准四层人工确认环节，导致AI自行猜测字段、规则和断言。解决方案包括：1）结构化Case设计，确保每项有明确来源；2）拆分断言引擎为Case声明与执行，支持多种判定模式；3）交叉验证AI生成的summary与实际数据；4）严格Mock准入流程，逐条闭环验证。最终将AI角色限制为“翻译器”而非“决策器”，显著降低幻觉率。核心教训：需补全人工确认层，压缩AI猜测空间。
2026-08-06 17:23:33
306
原创 AI 每次输出都不一样，断言到底该写多严？
本文探讨了AI测试中断言设计的核心挑战——如何平衡严格性与灵活性。作者将业务断言分为三类：1）意图违反类（必须严格断言，如用户明确禁止的行为）；2）程度量级类（设置合理边界区间，如"轻松一点"的训练量调整）；3）语义质量类（需LLM或人工判断）。通过实际案例展示了这三类断言如何协同工作，并强调断言松紧本质是定义产品的业务边界，这是AI测试中最需要人工判断的关键环节。不同行业的差异仅在于三类断言占比不同，方法论具有普适性。最后建议在断言引擎中为每条检查标注判定模式，实现自动化执行。
2026-08-06 16:53:39
320
原创 AI Agent 断言不神秘：状态码→格式→业务，三层其实没变
本文揭示了AIAgent评测断言引擎与传统接口测试的底层一致性。通过三层结构分析： 1）链路层（状态码等效）检查调用链完整性； 2）结构层验证数据格式； 3）业务层处理具体需求。40种断言类型中，34种为确定性规则，仅6种需弹性处理。关键突破在于业务层需区分三种判定模式：固定规则（80%场景）、有界宽区间（弹性需求）和LLM裁判（语义判断）。实际应用中，前两层可直接复用传统方法，第三层需结合业务特性设计弹性边界，LLM仅作为安全网用于合规检查。
2026-08-06 16:36:59
346
原创 AI Agent 评测其实没有新方法论：三层断言、等价类、边界值都在
摘要： AIAgent评测的90%逻辑与传统测试一致，核心差异在于10%的不确定性处理。评测分为三层断言：链路层（状态码）、结构层（格式校验）和业务层（意图验证），前两层可直接复用传统方法，难点在于业务层的松紧度设计——需区分“方向性错误”（严断）、“程度差异”（宽区间）和“语义质量”（人工/LLM裁判）。用例设计沿用等价类、边界值等方法，但输入变为自然语言意图，划分更模糊。Mock需分层组装，避免AI幻觉。关键原则是“人定规则，AI执行”，判断力来自业务经验，而非工具本身。
2026-08-06 16:17:14
319
原创 AI 时代，普通人如何用「提问」逼近天才的认知密度——从杨植麟本科演讲说起
AI时代缩小了获取答案的差距，但放大了提出优质问题的能力鸿沟。杨植麟的成长路径显示，真正的差距在于"问题暴露密度"和"反馈循环速度"，而非智商。文章提出利用AI突破认知边界的三大方法：1）认知升维，从执行者跃迁至设计者视角；2）跨域嫁接，移植其他领域方法论；3）反共识推演，主动寻找对立观点。并给出四层提问框架（事实层→元认知层）和每周30分钟的"非功利性对话"实践建议。AI的本质价值在于扩展认知边界，关键在于选择将AI用作认知杠杆还是高级搜索引擎。
2026-07-22 09:48:29
218
原创 从零设计 Agent 评测数据集：分层、覆盖、断言与持续回流
本文总结了AI Agent评测数据集的7个关键实践：1. 从任务决策结构出发设计数据，区分意图识别和执行型任务的不同需求；2. 每条数据应包含完整评测契约，明确来源、预期和断言规则；3. 优先使用真实数据，AI仅用于表达扩展；4. 通过覆盖矩阵控制数据量，关注核心风险等价类；5. 用标签实现数据分层管理；6. 分离原始数据、用例、输出和报告；7. 建立从Bad Case回流的持续优化机制。文章强调数据集应是可判定、可追溯的风险契约，而非简单堆砌查询语句，AI仅辅助表达扩展，核心判断仍需人工完成。
2026-07-19 11:47:07
416
原创 Agent 测试面试题：执行结果怎么断言，追问怎么接
面试官询问Agent执行结果断言时，实际上考察的是如何定义正确性、验证稳定证据和处理开放性问题。本文提出执行型Agent的断言本质是验证受约束的状态变更，并给出五层验证框架： 决策正确性 目标修改准确性 非目标内容保护 最终状态合法性 操作与解释一致性 通过结构化预期、语义Diff和分层检查机制，可区分确定性断言（代码验证）和开放问题（标记REVIEW后人工/校准模型复核）。
2026-07-19 00:23:54
316
原创 从意图识别到动作微调：Agent 执行结果到底该怎么断
本文探讨了Agent动作微调测试的验证难点。相比意图识别测试可直接比较分类标签，动作微调需要验证业务状态变更的准确性。作者总结了五个验证层级：决策层判断处理决定、目标层验证关键修改、保护层防止非预期改动、合法性层检查业务约束、一致性层核对操作记录。提出应通过语义Diff而非原始JSON进行比对，并建议将结果分为PASS/FAIL/REVIEW/ERROR四类。最终指出真正的通过标准需满足：正确执行目标修改、无越界改动、状态合法且解释一致。
2026-07-19 00:17:27
319
原创 为什么AI说“测试通过“，系统还是一堆Bug？一个测试工程师的AI开发实践复盘
文章摘要 当AI声称"测试通过"但系统仍存在大量Bug时，问题根源在于AI的测试方式存在三个缺陷：1）仅测试自身逻辑而忽略真实环境依赖；2）缺乏全局视角导致前后端不一致；3）误将代码自洽等同于功能可用。解决方案包括：建立严格的数据模型框架、采用小步开发即时验证真实链路、编写端到端测试而非单元测试、以及实施契约先行开发模式。文章提供可直接复用的"AI开发质量约定"模板，强调测试思维（默认不信、必须验证）是AI时代关键能力。
2026-07-13 18:54:59
230
原创 AI协作01｜测试工程师如何让AI承担一天70%的工作:判断框架+3个真实场景拆解
摘要： 本文探讨测试工程师如何与AI高效协作，提出「人做判断，AI执行」的核心原则。通过三个真实场景（源码分析、断言设计、安全测试数据集构建）展示分工模式：AI负责信息整理、代码生成等执行层任务，人类聚焦风险识别、盲区发现等判断层工作。关键前提是工程师需先显性化自身工作流程，明确可拆解的执行动作。系列后续将提供具体场景的SOP与Prompt模板，帮助实现AI承担70%工作量的目标。成功协作的关键在于工具形态选择（Agent模式而非网页问答）与持续迭代分工。
2026-07-01 14:32:35
214
原创 Agent 评测断言 SOP：从代码断言到 LLM 裁判的三层落地流程（附模板）
做 Agent 评测，最深的体会是断言要分层打。代码断言覆盖格式、字段、枚举值，快且准；LLM 裁判兜底语义矛盾和内容遗漏，但必须用 Binary 判断、必须校准 TPR/TNR 才能上线；人工只看裁判 flag 出来的可疑项。本文整理了一套完整的断言 SOP：在哪里打断言（链路节点 vs 最终输出）、打什么（错误检测 vs 遗漏检测）、六阶段落地流程、裁判 prompt 模板、校准方法和重新校准触发条件。
2026-06-24 20:07:06
214
原创 AI测试工程师的统计学课：如何构建“反脆弱“的评估体系
【摘要】本文探讨如何运用统计思维构建AI系统的"反脆弱"评估体系。文章指出三大关键问题：1)单一指标优化导致"指标漂移"，需建立互斥指标体系；2)Agent系统链式调用风险叠加效应，强调端到端测试的必要性；3)承认测试边界的重要性。作者提出四个统计学锦囊：警惕平均数陷阱、质疑小样本结论、区分相关性与因果、关注基准率显著性。强调成熟的评估体系应能界定问题边界而非简单报数，统计思维是应对复杂AI系统的核心能力。
2026-05-31 23:23:54
336
原创 AI模型评测不只看准确率-CV与Agent评测指标体系梳理
文章摘要：本文讨论了CV模型评测中的关键问题与指标体系构建。首先指出仅依赖准确率指标的局限性，特别是样本不平衡时的误导性。随后提出完整的CV评测指标体系，包括准确率（需结合权重）、召回率（用户视角）、混淆矩阵（错误分析）和P99延迟（性能瓶颈）。在版本对比方面，强调环境对齐、样本覆盖度和结果波动分析的重要性。最后对比了CV模型（确定性）与Agent系统（概率性）的评测差异，指出CV评测需关注指标选择和环境一致性，而Agent评测更侧重链路可观测性和结果稳定性分析。两类模型的核心差异在于问题定位难度，Agen
2026-05-31 22:54:32
317
原创 【AI测试方法论】五个科学实验思维，通吃CV/RAG/Agent测试
控制变量、等价类划分、边界值分析、多次采样、归因分层不是AI测试独有的，是科学实验几百年沉淀下来的方法论。但在AI测试里，它们比传统测试更重要。因为AI系统的不确定性更大、链路更长、输入空间更广，没有这些思维兜底，测出来的结论经不起推敲。工具会变，框架会变，但思维方式不会过时。
2026-05-26 14:47:13
376
原创 【AI测试实战】从零接手CV大模型测试
新迭代需求来了，第一个问题是：数据集怎么准备？按常规思路，去问上一个迭代的同事。但他已经调去别的部门，找他很麻烦，每次只能问一点，他还让我去问另一个同事。问了几轮之后发现，不同同事站的角度完全不同——有人从APP测试角度讲，有人从算法角度讲，越问越乱。最后的解法是：停止问人，自己断定。我是这个迭代的主要测试，得有自己的判断。跟AI反复聊了需求文档，梳理出核心问题：∙ 这个迭代测的是什么场景？∙ 验收标准是什么？∙ 数据集要覆盖哪些变量？
2026-05-26 00:17:24
356
原创 从招聘JD反推AI测试工程师的成长路径——用高薪岗位要求驱动自己进步
工作中很容易陷入一个困境：每天在项目里埋头干活，但不知道自己到底该往哪个方向补能力。市面上的课程要么太偏算法（你又不是做算法的），要么太偏传统测试（跟AI没关系），找不到一个清晰的能力坐标。直接去招聘网站上找目标薪资的岗位，看它们要求什么，然后反过来对照自己的项目，看哪些已经在做、哪些还差。这个方法好在两点：第一，高薪岗位的要求就是市场对"值钱的人"的定义，按这个标准来不会跑偏。第二，不是空学理论，而是边做项目边对照，学了就能用。
2026-05-21 19:31:35
520
原创 AI测试工程师如何与算法团队高效协作——你不需要懂算法，但要懂模型的“脾气“
摘要：本文探讨了AI测试工程师与算法团队的高效协作方式，指出双方应围绕"模型行为"而非代码实现展开对话。文章提出了五个实用对话方向：从现象出发、基于数据分析、关注输入输出边界、分析指标异常、结合业务场景反推。同时明确了测试工程师需要掌握的核心能力：理解模型输入输出特性、识别典型失败模式、解读评测指标业务含义等，而非算法实现细节。作者强调，测试工程师的核心价值在于发现和定位模型问题，而非解决技术实现问题，这种专业分工能有效提升协作效率。
2026-05-13 19:34:14
308
原创 AI时代，学东西的方式变了
以前学东西是：先啃文档→再动手→慢慢摸索。现在应该是：先问AI→快速动手→遇到问题再查文档→AI帮你消化。官网还是要看，但不是起点，是深挖的时候才去的地方。AI把门槛降下来了，你能更快进入"真实问题"的阶段，然后带着真实问题去查文档，效率完全不一样。啃文档是工具时代的学习方式，AI时代是边做边学，AI陪着你。
2026-05-13 01:18:37
61
原创 AI产品测试框架：从官方规范反向推导测试用例
摘要：本文提出一套通用AI产品测试方法论，核心思路是从官方防御建议反向推导测试用例。具体步骤包括：1）提取官网规范中的防御建议；2）针对每条建议设计反向测试场景（如幻觉测试、一致性测试等）；3）构造真实用户口吻的输入；4）记录问题现象、根因和修复建议；5）形成结构化汇报方案。该方法具有理论依据、系统性和闭环性特点，适用于各类AI产品的安全测试场景，不依赖具体业务，可快速构建边界测试用例库。
2026-05-13 01:06:30
535
原创 AI测试实战：我从官网学到三个失效模式，然后真的找到了Bug
摘要：本文针对AI对话系统中多轮交互场景下的三个典型问题（上下文稀释、工具结果误用、状态脑补）进行了实测验证。测试采用运动助手场景，重点模拟真实用户口语化表达（如"上次练了啥"、"膝盖怪怪的"等），发现关键缺陷：当用户用质问语气施压（如"不是昨天嘛你忘了？"）时，模型会无证据妥协并篡改记录时间。测试提出防御方案：强制时间字段、设置修改确认机制、区分信息录入与纠正行为。该方法论可复用于其他AI产品测试，通过真实用户表达方式+边界条件组合，发现问题。
2026-05-13 00:51:38
398
原创 拿到 Prompt 之后做什么：AI 产品测试落地全流程
摘要： 测试AI产品时，Prompt相当于需求文档，需重点审查其设计质量，包括角色设定、行为边界、格式约束等关键项。测试流程分为五步：1. 审查Prompt，通过数据验证疑点并输出质量报告；2. 构建数据集，针对每条规则设计正向、反向及边界测试用例；3. 执行测试，记录格式、安全、逻辑等BadCase；4. 分层反馈，区分Bug、优化建议与安全风险，均需附测试数据；5. 回归验证，确保修复有效且无新问题，形成闭环迭代。核心是通过数据驱动，持续优化Prompt与模型表现。
2026-05-05 14:27:36
494
原创 AI 产品测试实战：让模型“先想再答“，输出质量能提升多少
AI模型在用户信息模糊或存在健康风险时，容易出现"脑补"条件直接给出方案的问题。通过引入思维链技术（Chain of Thought），要求模型先分析再回答，可显著提升输出质量。测试对比显示：在模糊信息场景差异最大，加思维链后模型会先评估信息完整性；风险识别场景结构化提升明显；复杂条件场景差异较小。建议在模糊输入、风险评估等场景强制使用思维链，并配合XML标签实现自动化验证。思维链不是万能的，应针对性地用于复杂判断场景，同时需设计专门的测试用例验证其有效性。
2026-05-05 11:36:36
441
原创 AI 产品输出格式测试实战：为什么模型返回的 JSON 前端解析总报错
本文探讨了AI产品中模型返回JSON格式数据时前端解析报错的问题。通过实际案例展示了问题现象：模型输出看似JSON实则包含markdown代码块标记，导致前端JSON.parse()失败。文章详细记录了从复现问题到定位根因的全过程，指出prompt中模糊的格式要求是根本原因。解决方案包括：1）严格约束prompt格式规范；2）前端添加防御性解析逻辑；3）建立自动化验证机制。关键发现：模型输出的"JSON"可能存在多种变体，必须通过代码验证而非肉眼检查；格式约束必须明确具体。
2026-05-05 00:22:54
567
原创 AI Prompt 安全测试实战：从学会写 Prompt 到发现一个真实泄露漏洞
本文系统探讨了AI测试中的Prompt安全风险与防护策略。文章首先解析Prompt的四大核心要素：SystemPrompt的行为规则、清晰指令的重要性、角色设定的边界影响以及XML标签的数据隔离作用。通过运动训练助手案例，作者发现即使采用XML标签隔离，模型仍可能泄露系统提示词，并归纳出三种攻击层级：明文指令覆盖（易防御）、伪装型注入（高威胁）和多轮渐进攻击（最难防）。文章详细评估了Prompt泄露可能导致的业务逻辑暴露、攻击面扩大等连锁风险，并提供了包含17项测试用例的安全检查清单。
2026-05-04 18:32:53
533
原创 我对 AI 辅助测试的新理解：不是生成结果，而是沉淀判断体系
AI 辅助测试，不是让 AI 直接替我生成需求分析、测试点和脚本。更核心的是，先把测试判断体系沉淀下来，再通过规则、流程和反馈机制，让 AI 逐步按我的思路执行，并持续优化。工具会变，模型会变，平台也会变。但只要判断框架和反馈闭环还在，这套能力就能继续迁移。
2026-04-12 00:52:11
450
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人