本篇是对之前的性能测试skill和AI生成测试用例的补充。因为skill设计中最重要的，我认为是知识的设计，如何降低大模型的理解成本是重中之重。

今日休假，不加班。家里也没有什么事，算是难得的给自己放空大脑的机会。过去的 1 年多是 AI 爆炸的风口，我们本身就在 AI 领域人的人应该可以体会到这是多么疯狂的一个时期。所有人都在马不停蹄的奔跑，大家怕抢不到这个风口，怕被淘汰，甚至害怕自己的职位被 AI 取代掉。在我星球的小伙伴们， 可以从我更新的速度感受到现在的态势。这里也宣传一下我得星球，知识星球里搜索： 测试开发之路。更多AI测试教程会

Harness设计模式是一种结构化引导AI能力的方法论，通过多Agent协作实现复杂任务。核心包含四个要素：角色边界（每个Agent专注单一职责）、状态机（定义完整工作流程）、产物契约（通过文件传递信息）、护栏规则（明确禁止行为）。相比普通提示词，Harness更适合需要反复执行的复杂工作流，如UI自动化测试。该方法将测试过程分解为分析、实现、验证三个阶段，由不同Agent分工完成，并通过总控层协

本篇是对之前的性能测试skill和AI生成测试用例的补充。因为skill设计中最重要的，我认为是知识的设计，如何降低大模型的理解成本是重中之重。

介绍包含大模型的对话机器人是如何构建和测试的

dataframe 是spark中参考pandas设计出的一套高级API，用户可以像操作pandas一样方便的操作结构化数据。毕竟纯的RDD操作是十分原始且麻烦的。而dataframe的出现可以让熟悉pandas的从业人员能用非常少的成本完成分布式的数据分析工作， 毕竟跟数据打交道的人很少有不懂dataframe的。

在人工智能的工作中，不论是测试人员还是算法人员，花费最多精力的工作就是处理数据，采集数据，挖掘数据。 这一篇我们来从测试人员的角度分析，如何在人工智能的测试中处理数据

介绍包含大模型的对话机器人是如何构建和测试的

大模型的幻觉是无法避免的，起码靠大模型自己是无法避免的， 就像上面说的， 它并不知道真实的答案， 它只是去猜一个它认为最靠谱的答案给用户。所以一个看似简单的客服对话机器人，实际上是一个非常庞大的系统，它背后是非常多的子系统的模型共同弄支撑起来的。这主要是因为比较难以去自动化的对比参考答案与实际答案之间的匹配程度，因为对话机器人每次回答的内容可能是不一样的，而且回答的内容不一样不代表回答的就错误，语

介绍包含大模型的对话机器人是如何构建和测试的