昨天google发布了全新的ai模型gemini，在视频里google演示了gemini近乎神奇的实时反馈能力，比如测试人员画一只鸭子，ai可以立即识别，以及后面的一些互动小游戏中，gemini展示出了出人意料的精准度和推理能力，这是令我印象最为深刻的多模态模型的实时演示了。

面了一家深圳的跨境电商测试岗位，他们也么问题覆盖范围挺广的，问了以前的项目经历，测试专业技能还有解决问题的能力，问的将近一个多小时，我感觉自己答的也不是很好

1、怎么计算得出TPS指标①第一个通过运维那边给的生产数据，看一下生产进件有多少，计算得来的，如果没有生产数据，或者不过就看如下的方法

今天这篇主要介绍一下 Midscene。

AI测试赋能-基础篇1、你日常工作中最常用的AI工具有哪些？请描述一个具体的使用场景和操作步骤。（如MidScene、Trae、通义灵码等）2、让 AI 帮你写测试用例，你一般怎么输入提示词？你会直接用吗？为什么？3、在你使用AI生成测试用例时，如何保证输出结果符合公司项目的业务需求呢？4、你曾经用AI完成过哪些以前需要手工完成的重复性工作？效率提升了多少？

AI测试赋能-基础篇1、你日常工作中最常用的AI工具有哪些？请描述一个具体的使用场景和操作步骤。（如MidScene、Trae、通义灵码等）2、让 AI 帮你写测试用例，你一般怎么输入提示词？你会直接用吗？为什么？3、在你使用AI生成测试用例时，如何保证输出结果符合公司项目的业务需求呢？4、你曾经用AI完成过哪些以前需要手工完成的重复性工作？效率提升了多少？

别被高大上的“AI”吓退，你的第一个测试任务可能只是验证一个问答接口的返回值。“AI测试听起来很高大上，我完全没经验怎么办？”

今天就跟大家好好聊聊，被AI影响最深，也最有潜力的领域之一——软件测试。不管AI发展多快，只要有软件、有系统，就离不开测试，只不过2026年的软件测试，早已不是我们印象中那个样子了。

在AI驱动的UI自动化领域，Midscene.js凭借轻量化、跨平台、自然语言驱动的优势成为热门选择，但除此之外，还有多款成熟的AI应用、智能体及工具，它们各具特色，覆盖不同场景需求（如移动端专项测试、视觉回归测试、企业级RPA自动化等）。以下将详细介绍这些主流选项，结合其核心能力、适用场景，帮助开发者根据自身需求选择合适的工具。

本文介绍了RAG（检索增强生成）技术的原理与应用开发实践。主要内容包括：1）RAG技术概述，解决传统生成模型的知识过时、领域局限等问题；2）RAG系统架构及关键技术，如文档分块、向量嵌入和向量数据库；3）使用FastAPI+CrewAI开发测试用例生成Agent的实战方案，涵盖知识库管理、向量化处理等核心模块实现；4）详细讲解了Qwen3-Embedding模型部署和ChromaDB向量数据库操作