登录社区云，与社区用户共同成长
邀请您加入社区
AI Agent测试面临全新挑战：从结果验证转向行为验证 传统软件测试关注固定流程的执行结果，而AI Agent测试需应对自主决策系统的复杂性。AI Agent的核心在于"感知→决策→行动→观察→再决策"的动态过程，这带来四层测试要求：1)任务完成度验证；2)工具选择正确性；3)参数传递准确性；4)执行路径完备性。测试方法需从单一结果断言升级为对决策树的全路径覆盖，可采用图模型和DFS算法系统化探
摘要：Coze搭建的软件测试助手Skill可作为测试辅助工具，适用于工控/厂务监控软件的测试资料生成、用例初稿输出等场景，但无法替代真实测试执行。其优势包括知识问答、用例生成、报告整理等；存在大模型幻觉、Coze平台限制及工程落地风险。架构设计需明确其为辅助工具定位，包含系统Prompt、知识库和工作流。使用建议强调人工复核和知识库导入。拓展方向包括工作流搭建和输出格式优化。该工具需严格遵循约束条
小微”这件事，不只是微信的 AI 战略。它也是整个软件行业的方向预告。以后软件产品会越来越不像传统软件。用户不再关心按钮在哪。用户只关心一句话能不能完成任务。而测试从业者要关心的是：这句话背后发生了什么？AI 有没有理解错？工具有没有调错？权限有没有越界？数据有没有泄露？结果有没有依据？异常有没有兜底？用户有没有最终控制权？这就是未来测试行业的新战场。AI 不会让测试消失。但会让低水平重复测试越来
AI Agent（智能代理）：从第一性原理出发，可简化为感知-决策-执行（Perceive-Decide-Act, PDA）闭环实体，具备自主环境交互能力、目标导向性、适应性与可能的社交协作属性（多Agent系统）。其数学公理集为：环境公理EEE：状态空间SSS、动作空间AAA、状态转移函数TS×A×Rd→ΔSTS×A×Rd→ΔSRdRd为随机扰动向量，ΔS\Delta(S)ΔS为状态空间的概率分
MiniCPM-o4.5多模态模型开源：实时交互与端侧部署的创新实践 面壁智能开源的MiniCPM-o4.5模型(9B参数)突破了传统多模态模型的局限，主打三大工程化能力：1）实时流式交互，支持持续音视频输入与输出同步进行；2）自然对话模式，允许打断和插话；3）端侧友好部署。该模型采用llama.cpp-omni技术路线，实现了输入输出流不阻塞的完整双工机制。对测试领域而言，这标志着测试对象从&q
本文将从测试视角，拆解这一现象的本质，分析其可靠性缺陷、安全威胁及应对策略，并辅以真实案例，为测试团队提供实战指南。然而，这背后隐藏的测试盲点，恰似软件测试中的“黑盒测试”困境——输入与输出看似匹配，实则忽略内部逻辑的可靠性验证。未来，随着生成式AI进化，测试从业者将成为“数字守门人”。我们呼吁：将请假条生成视为关键软件组件，投入测试资源，预防“病毒”爆发——正如测试箴言所言：“未测即风险”。总之
本文提出 SkillGraph，将动态通信拓扑与自进化 Skill Bank 闭环耦合，让 VMAS 根据图像、问题和当前技能自动组织协作。在四个多模态基准、五种 MAS 结构和四类 VLM 上均稳定提升，最高平均提升约 3.0%。
关注 霍格沃兹测试学院公众号，回复「」, 领取人工智能测试开发技术合集。
AI 时代的底层逻辑正在发生深刻的重构。“会写提示词”已经从一项高阶技能，下放为所有职场人的基础常识。全球顶尖科技企业正在寻找的，不是只会与机器单向对话的“操作员”，而是能够构建自动化协作网络、掌控复杂系统边界的“架构师”。将你的技术视野从单次开盲盒的 Prompt 跃升至严密闭环的 Agentic Workflows，用工程化的思维去驾驭大模型的不确定性，你才能在未来激烈的核心研发岗位角逐中，立
在AI Agent开发领域，安全性与鲁棒性已成为核心挑战。传统的单元测试主要验证功能逻辑，但难以覆盖交互式AI系统在对抗性环境下的行为漏洞。其原理在于通过模拟真实攻击向量，对Agent的决策边界和安全防线进行压力测试，从而评估其心智模型的健壮性。这项技术的核心价值在于实现安全左移，在部署前主动发现并修复潜在风险，避免生产环境中的数据泄露、越权操作等安全事故。典型的应用场景包括电商客服、金融顾问、内
在人工智能技术快速发展的背景下，AI智能体（AI Agent）已成为企业提升运营效率和自动化水平的关键工具。其核心原理在于通过自然语言处理、机器学习等技术，理解复杂指令、调用外部工具并执行多步骤任务，从而模拟人类工作流。从技术价值看，一个优秀的AI智能体不仅能处理结构化任务，更需具备处理模糊需求、异常情况及与人类协同的“情商”与“逆商”。在实际应用场景中，企业常面临选型难题：如何从众多宣称高效的产
在软件工程领域，压力测试是评估系统可靠性与性能的核心手段，通过模拟高并发负载来验证服务的稳定性和响应能力。其原理在于利用负载生成工具控制请求速率与并发量，收集延迟、成功率等关键指标，从而量化系统表现。这一技术对于保障在线服务的SLA至关重要，尤其在微服务与云原生架构中。随着AI智能体（Agent）的广泛应用，传统的HTTP压力测试工具难以应对智能体特有的多轮对话、上下文管理及自然语言验证等需求。因
【摘要】测试行业正经历从传统断言到AI技能(Skill)的范式转变。文章提出三大核心测试Skill：1)自动断言Skill解决AI输出验证难题；2)数据构造Skill实现复杂测试数据一键生成；3)多模态识别Skill处理图像/语音等非结构化验证。通过对比传统手工测试与Skill流水线的效率差异（如代码审查从10分钟降至10秒），揭示Skill库可复用性带来的指数级效能提升。文章提供三步落地路径：从
本文介绍了如何在星图GPU平台上自动化部署【ollama】QwQ-32B镜像，用于持续任务稳定性测试。该镜像特别适合长周期任务编排，如文档处理流水线、开发辅助任务和混合办公场景，通过72小时压力测试验证其在高负载下的表现，为AI应用提供可靠支持。
本文介绍了在星图GPU平台上自动化部署【ollama】QwQ-32B镜像的方法，并展示了该模型在48小时持续压力测试中的稳定性表现。测试模拟了文件批量转换、邮件发送等复合办公场景，验证了该镜像在本地化部署中的可靠性，为长时间高负载任务提供了实用解决方案。
OpenClawBrowser-Wing技术为浏览器自动化提供了高效解决方案，通过程序模拟人类操作，实现数据采集、表单填写、页面监控等重复性任务。该技术基于浏览器引擎控制，采用CSS选择器、XPath等元素定位策略，配合显式等待机制处理动态页面，并能抓取JS渲染内容。其应用场景包括电商监控、问卷填写、新闻聚合等，支持弹窗处理、多标签管理、JS执行等高级功能。尽管面临网页变动、验证码等挑战，结合Py
本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 qwen3:32b代理网关与管理平台镜像，实现AI大模型服务的压力测试与性能验证。通过Locust分布式压测方案，可真实模拟多用户并发问答、文档摘要及代码解释等典型场景，保障企业级AI助手在高负载下的稳定性与响应能力。
本文介绍了如何在星图GPU平台上自动化部署Clawdbot整合qwen3:32b代理网关与管理平台镜像，实现高并发场景下的API网关压力测试。通过JMeter工具，用户可快速搭建测试环境，模拟大规模请求流量，评估网关性能并优化配置，适用于电商、金融等高并发业务场景。
本文介绍了如何在星图GPU平台上自动化部署Clawdbot 汉化版 增加企业微信入口镜像，实现企业级AI助手的高并发压力测试与性能验证。通过Locust框架模拟真实企业微信用户行为，可高效评估系统在多用户同时提问、文件操作及复杂任务调度等典型办公场景下的稳定性与响应能力。
AI技术推动软件测试变革，国内首款支持Skills模式的编程助手开启AI编程"二阶段"。该模式通过可定制化AI能力，实现精准测试脚本生成、智能缺陷预测和协作流程优化，使测试效率提升40%，错误率降低30%。这一革新将测试工程师角色转向"质量赋能师"，要求从业者提升核心能力，平衡自动化与人工干预。未来Skills模式将呈现生态化、人性化和标准化趋势，测试行业需
