Craft Agents 不是第一个 Agent 工具，也不会是最后一个。但它值得关注的地方在于：任务、会话、权限、工具、数据源、技能、自动化。这说明 Agent 正在进入一个新阶段。不是谁 Prompt 写得更花，谁就更强；不是谁接的 MCP 更多，谁就更强；不是谁能自动跑命令，谁就更强。能连接真实工作环境能沉淀团队经验和流程能在权限边界内稳定执行任务对测试开发同学来说，这个趋势尤其值得重视。未

DeepSeek-TUI 的走红，不只是一个开源项目获得了关注。从聊天框到终端从代码生成到工程执行从单次问答到持续反馈从人工复制粘贴到工具链协作对测试开发来说，这类变化尤其值得重视。因为测试开发本来就站在代码、工具、平台、流程和质量之间。当 AI 开始进入终端，进入项目，进入 CI/CD，进入自动化测试流程，测试开发的能力边界也会被重新定义。未来更有竞争力的测试开发，不一定是写代码最快的人。而是能

AI测试是一个充满挑战但前景广阔的领域。转变思维：从确定性测试转向概率性评估技能升级：掌握统计学、机器学习等新技能业务深入：真正理解AI如何创造业务价值工具掌握：学习使用AI测试相关工具和平台未来的测试工程师不再是简单的"找bug者"，而是"质量保障工程师"和"风险控制专家"。

人工智能与测试结合成为2023年测试行业最热门的技术方向，主要受三大因素推动：ChatGPT等大语言模型提升了代码理解能力，测试生成技术不断发展，模型驱动测试技术崛起。这种结合将深刻影响测试领域：自动化生成手工/自动化测试用例、提升视觉自动化测试、改进缺陷预测和精准测试。虽然AI会带来效率提升，但测试工作因其复杂性仍难以被完全取代。建议测试人员关注大模型提示词工程、私有部署、领域建模等技术方向，以

Claude Code 的出现，说明 AI 编程正在发生一个变化。过去大家关心的是：AI 能不能写代码；AI 能不能补全函数；AI 能不能解释报错；AI 能不能生成脚本。现在更应该关心的是：AI 能不能理解项目；能不能遵守团队规范；能不能参与测试闭环；能不能看懂 diff；能不能管理上下文；能不能在权限边界内执行任务；能不能把开发、测试、提交、复盘串起来。这才是 Claude Code 值得学习的

最近，Anthropic 开源了一个很值得关注的项目：。从仓库 README 来看，这个项目不是简单放了一批 Prompt 模板，而是把 Claude 使用的一套 Agent Skills 能力机制开放出来，里面包含技能示例、规范、模板，以及文档处理相关的复杂 Skill 参考实现。简单说，Skills 的目标是：让 Agent 在面对特定任务时，可以动态加载一组已经封装好的说明、脚本和资源，从而

最近后台被问爆了一个问题。“网上天天推送Claude Code、OpenClaw、Cursor，到底哪个更实用？我一个做自动化的，都被整懵了。一个20人的测试团队，有人用Claude Code做API自动化、接管CI流程；有人用Cursor在IDE里写脚本、调试用例；还有人已经在用OpenClaw挂了一个智能体，24小时扫描线上日志、自动报Bug。你同时看到这三个东西在不同人手里跑。但没有人能直接

很多协议转换项目，最容易做的是普通文本对话。原因很简单。不同模型、不同 SDK、不同客户端，对工具调用的表达方式不一样。tool_calls有的是 XML 风格。有的是消息块。有的是流式增量输出。有的是先输出工具名，再输出参数片段。如果 Tool Call 适配不严谨，模型输出可能会被当成普通文本，或者工具调用结构泄漏给用户。

TradingAgents 的爆火，说明市场对“金融 + Agent”的关注正在升温。AI 正在从一个回答问题的工具，变成一个能参与复杂业务流程的协作系统。在这个系统里，模型不再只是输出答案。它可以扮演分析师、研究员、风控、交易员、审批人。每个角色都有边界，每次决策都有过程，每个结果都可以复盘。这才是 Agent 时代真正有价值的地方。

在过往文章中，其实已经介绍了很多编写 skill 的技巧，而把他们组合起来，其实就是 Harness 了。其实 Harness 没有一个业界规定好的，固定的规范， 一切让智能体运行的更稳定，高效，准确的方法，其实都算作 Harness 的实践方法。所以 Harness 是一个方法论，而不是一个固定的实现规范。我在这篇文章中介绍的， 也只是比较常见的一些设计技巧。角色定义是整个文件最重要的一句话。它