本文整理一次面向软件测试工程场景的大模型微调实践。目标不是从零训练基础模型，而是在已有开源大模型基础上，通过指令数据构造、LoRA/QLoRA 轻量化适配、结构化输出评测和私有化部署，将模型能力稳定接入智能测试平台

本文为Git、GitHub和Docker初学者提供RAGFlow开源项目二次开发的完整指南。文章从基础概念解释开始，涵盖Git仓库建立、分支管理、Pull Request流程、Docker镜像构建等核心内容，重点介绍如何基于RAGFlow v0.26.4创建私有定制仓库并建立可持续维护的开发流程。指南包含30个详细章节，从环境配置到生产部署，特别强调代码评审、版本控制和与官方更新的同步策略，最终形

介绍Claude Code的核心概念和使用方法。Claude Code是一个具有工具执行能力的编码代理（agentic coding tool），能够读取代码库、编辑文件、执行命令、验证结果，形成闭环开发流程。其核心机制是Agentic Loop，适合修复bug、写测试、重构代码等任务。文章重点讲解了上下文管理（Context Window）、会话（Session）、权限模式（Permission

本文整理一次面向软件测试工程场景的大模型微调实践。目标不是从零训练基础模型，而是在已有开源大模型基础上，通过指令数据构造、LoRA/QLoRA 轻量化适配、结构化输出评测和私有化部署，将模型能力稳定接入智能测试平台

采用ragflow v0.25.6从github上拉取源码，然后拉取镜像，用docker compose启动注意，默认启动后会自动拉取tiktoken，但内网环境无法联网，可以从外网下载，然后拷贝到内网，同时tiktoken文件挂载到容器时，直接放在ragflow根目录下即可。

本文档介绍了如何通过 platform/ragflow_client/ragflow_ingestor 将外部切片结果上传至 RAGFlow 的流程规范。核心流程是：外部解析切片生成 JSONL 文件 → 创建空文档 → 通过 API 添加切片 → RAGFlow 进行嵌入/索引/检索。RAGFlow 仅负责切片保存、嵌入索引和检索展示，不涉及原始文档解析和切片生成。 上传前需准备： 必须的 ch

本文为Git、GitHub和Docker初学者提供RAGFlow开源项目二次开发的完整指南。文章从基础概念解释开始，涵盖Git仓库建立、分支管理、Pull Request流程、Docker镜像构建等核心内容，重点介绍如何基于RAGFlow v0.26.4创建私有定制仓库并建立可持续维护的开发流程。指南包含30个详细章节，从环境配置到生产部署，特别强调代码评审、版本控制和与官方更新的同步策略，最终形

一个工程化测试脚本生成系统。该系统通过分层架构实现了可审计、可回滚的自动化测试脚本生成： 系统采用"静态分析+检索增强+骨架约束+LLM补全+自动校验"的分层方案，而非直接让LLM自由生成代码； 输入层将Excel测试用例转换为标准JSON格式并进行归一化处理； 静态知识层通过AST分析提取本地三方库API和已有测试脚本风格； 骨架生成层基于测试用例和静态分析结果构建脚本框架； LLM补全层在严格

AUTOSAR AP文档切分方法摘要 本文介绍了一种针对AUTOSAR AP(Adaptive Platform)文档的智能切分方法，特别适用于AP SWS(Software Specification)文档。该方法采用结构化处理流程： 核心原则：保持需求原子化，一条requirement生成一个独立chunk，同时保留API、错误码等补充信息。 处理流程：从Markdown解析开始，构建结构化b

本文档介绍了如何通过 platform/ragflow_client/ragflow_ingestor 将外部切片结果上传至 RAGFlow 的流程规范。核心流程是：外部解析切片生成 JSONL 文件 → 创建空文档 → 通过 API 添加切片 → RAGFlow 进行嵌入/索引/检索。RAGFlow 仅负责切片保存、嵌入索引和检索展示，不涉及原始文档解析和切片生成。 上传前需准备： 必须的 ch