这篇文章从工程与测试视角，拆解 GLM-5 的关键技术演进，以及它可能带来的方法论变化。发布的 GLM-5 参数规模达到 7440 亿，同时在代理编程能力测试中位列全球第一。当模型具备这种能力后，它不再只是“生成代码”，而是可以参与自动化流程。公开信息显示，GLM-5 在代理编程能力上取得全球第一的成绩。当模型开始具备稳定的代理编程能力，它会逐步进入自动化体系核心。你的自动化与测试体系，是否准备好

当一个工具真正进入生产环境时，人类往往需要构建一整套系统来管理它、约束它、扩展它。未来真正有竞争力的测试工程师，不只是会使用 AI，而是能够。为了让 AI 输出标准测试用例，通常需要写很长的 Prompt。真正让 AI 有价值的，其实不是 Prompt。如果你只是使用 AI，很快会被替代。AI 在软件测试领域的发展，就是一个典型例子。在低代码平台中搭建 AI 应用，其实非常简单。但在真实企业环境中

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。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门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及。1、统一字段命名 2、保证描述一致性 3

按照字节官方介绍，它支持文本、图像、音频、视频等多模态输入，并且强调内容参考与编辑能力。你可以先用 AI 帮你拆选题，再生成短视频脚本，再生成图文素材，再转成动态视频，最后发布到视频号、小红书、抖音、B站、公众号。想做账号，但一想到素材、脚本、画面、剪辑，就直接卡住。你不需要真人出镜，也不需要复杂拍摄，只需要把一个主题拆成 5 到 8 张图，再配合口播或字幕，就能做成一条图文短视频。尤其是文字渲染

一旦系统具备长期运行、状态记忆、工具调用、端侧部署这些特征，测试工作就不可能再停留在提示词验证、接口返回和页面检查上，而必须转向执行链路、权限边界、状态污染、环境一致性和结果可回放。所以，端侧 AI 的测试不会只是“在手机上点一遍功能”这么简单，而会越来越接近兼容性测试、性能测试、系统测试的融合。最近几天连续出现的这些信息，真正值得测试人关注的，不是谁的模型又上了什么榜，而是 AI 系统已经越来越

比如存储、缓存、回收、长稳运行、吞吐、资源利用率、异常恢复，这些听起来更像传统工程问题，但在 AI 应用里同样关键。这类问题的成本，通常比“回答偏一点”更高。演示时能跑通的流程，到了真实业务里，常常会被几类问题迅速放大： 工具调用选错、任务步骤走偏、上下文状态串台、图文结果不一致、模型一微调就回归异常、安全边界说不清、出了问题还很难追溯。以前很多应用输出的是文本、接口数据或者页面结果，现在越来越多

Skill本质上是一个Markdown格式的、版本控制的知识模块，编码了自动化所需的方法论、命名规范、Page Object规则、定位器策略、断言方法和验收标准。但这里有一个容易被忽略的分界线：市面上很多“零代码”方案，本质是把底层的代码生成封装掉了，用户依然需要理解Skill的结构逻辑。一个发的是“今天用Cursor写了个脚本，解决了接口测试的数据准备问题”，底下跟了一堆技术讨论。另一个发的是“

代码写在 IDE 里，工程上下文在 IDE 里，排查问题在 IDE 里，可一旦接入 AI，很多人还是得切到终端、复制文件路径、反复描述需求、再把生成结果拿回来自己对。能回看，才敢持续接入。仓库给出的功能清单里，除了基础对话外，还把双引擎、会话管理、Agent、Slash Commands、MCP、主题同步、文件跳转等能力都做进了 IDE 界面。上下文、图片输入、Diff 比对、历史会话、Agent

因为 AI 生成代码最麻烦的地方，从来都不是“它能不能写出来”，而是“它写出来的东西，到底靠不靠谱”。真正有价值的测试，不是等代码写完了再去补救， 而是能在 AI 生成代码之后，第一时间看懂风险、拆清规则、守住边界、补齐非功能、控制发布风险。从 Cursor、Copilot，到企业内部接入的大模型编码助手，代码生成这件事，已经不是“要不要用”的问题了，而是“团队每天都在用”。很多研发团队这两年都有

Modal 技术团队成员透露，Ramp 已经用 Modal 跑了一支后台编码 Agent 大军，公司超过一半的 PR 都是这些 Agent 自己创建的。编排、记忆管理、护栏、追踪、多 Agent 协作，这些都是第三方的主战场。配置化记忆、感知沙盒编排、文件系统工具（Codex 同款）、通过 MCP 调外部工具、通过 skills 渐进式披露信息、通过 AGENTS.md 自定义指令、用 shell