我心里还想着，这AI Agent真他娘的好用，一晚上把回归用例全跑完了，还顺手帮我生成了测试数据。一个账号在10秒内同时发起了3笔支付，但登录token已经被刷新了两次，导致支付回调的时候带的是旧token。先停了所有AI测试任务——结果发现停不掉，因为任务已经下发到Hermes的执行队列里了，WorkBuddy只是下发指令的，不负责中断。AI Agent跑测试，相当于你同时雇了100个刚毕业的实

我心里还想着，这AI Agent真他娘的好用，一晚上把回归用例全跑完了，还顺手帮我生成了测试数据。一个账号在10秒内同时发起了3笔支付，但登录token已经被刷新了两次，导致支付回调的时候带的是旧token。先停了所有AI测试任务——结果发现停不掉，因为任务已经下发到Hermes的执行队列里了，WorkBuddy只是下发指令的，不负责中断。AI Agent跑测试，相当于你同时雇了100个刚毕业的实

我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。你测的是一个“会动的、有安全风险的、软硬件耦合的系统”。你测的是一个“零容错的、监管驱动的金融系统”。学社围绕现代软件测试工程体系展开，内容涵盖软件测试入

插件在生成新需求用例时，不是凭空编，而是先把新需求做向量化，从库里召回语义最接近的历史用例作为 few-shot，再喂给大模型。引入用例生成插件和数据工厂后，同样三个人，同样的周期，覆盖范围扩大了 3 倍，还把异常场景用例补了进来。选一个痛点最明确的环节，比如数据造数或者脚本维护，把这个场景跑透，跑出数据，再扩面。他面前三个显示器，一个在跑自动化脚本，一个在放番剧，还有一个屏幕上，测试用例正一条条

你需要补齐三样东西：一门编程语言（Python扎实地学，不是“了解”）、一个AI相关项目（RAG应用、Agent开发、Prompt工程，随便选一个方向做点东西出来）、AI测试的基础认知（大模型幻觉怎么测、Agent怎么评测）。团队要做的是设计Agent的决策逻辑、封装可复用的Skill、构建质量数据的反馈闭环。当AI从“回答问题的模型”变成“持续执行任务的系统”——具备长期运行、状态记忆、工具调用

很多人已经开始被这个问题卡住了。AI越来越强，但你让它做点具体的事——发一封邮件、整理一份周报、分析一组数据——它要么答非所问，要么步骤混乱，要么每次都要重新解释一遍。你换个问法，它换个答法。结果不可控、流程不可复现、经验不可积累。本质问题是：你在用“对话”驱动AI，而不是用“流程”驱动AI。2025年10月，Anthropic发布了Agent Skills协议。两个月后，Agent Skills

目录 一、你注意到没有，编程的门槛正在被重新定义 二、本质不是“AI写代码”，是“经验被封装” 三、Skill 到底是什么——技术层面拆给你看 四、一个对比让你看懂：为什么 Skill 比对话更可靠 五、这件事对你意味着什么 六、最后一个问题。我接触过的团队里，大部分人的状态其实是这样的——AI补全用得挺溜，但真要让它独立完成一个完整任务，心里没底。你给一个需求，它吐一段代码。你今天调教好的效果，

不同机构、不同团队的评测标准不一致；李晨本次在 TID质量竞争大会 带来的分享，将围绕“求索”体系展开，介绍AI评测标准化意义、体系情况、核心工具、相关标准、产业价值与未来规划。无论是大模型能力评估、算力适配、软硬件协同，还是AI应用在不同场景中的效果验证，都离不开统一、规范、可信的评测体系。在AI应用越来越广泛的背景下，评测体系能否规范、统一、可信，会直接影响技术选型、能力验证、产业协作和生态建

测试已从“验证功能”转向“验证智能体能力” ——核心不再是写脚本，而是设计可复用的Skill、构建安全可控的Agent测试体系。打开招聘软件，搜索“软件测试”，你会发现一个有趣的现象：2026年的测试岗位薪资区间，被拉得前所未有的宽——从月薪8k的功能测试，到年薪百万的测试架构师。企业2026年的核心招聘需求已经很明确了——测试开发工程师（SDET）是最主流、薪资最高的方向，核心定位是“测试+开发

大模型应用如何从“能用”走向“可信、可控、可持续优化”？因为 AI 的输出不是简单的确定性程序执行，而是由模型能力、上下文质量、Prompt 设计、Skill 调用、工具链协同、任务拆解方式等多个因素共同决定。同样一个 Agent，在线下评测中表现不错，进入真实研发流程后，可能因为日志缺失、工具调用异常、上下文污染、Skill 编排不稳定，导致整体质量下降。尤其是在 SpecDrivenDev 这